[發明專利]一種基于機器學習技術的電機在線故障監測方法和裝置

在審

• 申請號: 202310776873.0
• 申請日: 2023-06-29
• 公開（公告）號: CN116500439A
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 林玲
• 申請（專利權）人: 天津海森諾海洋科技有限公司
• 主分類號: G01R31/34
• 分類號: G01R31/34;G01D21/02;G06N20/00;G06F30/27
• 代理公司: 南京中天知識產權代理事務所(普通合伙) 32748
• 代理人: 郝懷慶

1.一種基于機器學習技術的電機在線故障監測方法，其特征在于：包括以下步驟：

S1、劃定需要檢測的電機區域，并對劃定的電機區域內環境數據進行采集；

S2、對電機運行狀態進行采集，并將S1采集的環境數據結合狀態數據進行處理，并對處理完畢的數據進行監測；

S3、根據電機數據建立電機運行訓練模型，并采集對應的電機運行數據上傳至模型內；

S4、基于S2處理完畢的數據輸送至S3模型內進行驗證分析，根據分析結果向管理中心發送故障數據；

S5、基于S4發送的故障數據結合S3模型尋找對應數據，獲取電機維修方案，根據電機維修方案對電機數據異常進行修復。

2.根據權利要求1所述的基于機器學習技術的電機在線故障監測方法，其特征在于：所述S1對劃定的電機區域內環境數據進行采集的步驟如下：

S1.1、根據需要檢測電機的周邊環境對電機數據影響劃定一片電機區域；

S1.2、采集電機區域在正常運行狀態下的環境參數，并對環境參數進行評估。

3.根據權利要求2所述的基于機器學習技術的電機在線故障監測方法，其特征在于：所述S1.2對環境參數進行評估的步驟如下：

S1.2.1、對該電機區域環境中的溫度變化數據進行評估；

S1.2.2、對該電機區域環境中的濕度數據進行評估；

S1.2.3、對該電機區域環境中的磁力數據進行評估；

S1.2.4、對該電機區域環境中的振動噪聲數據進行評估；

S1.2.5、整合以上對電機區域環境的評估數據，確定該電機區域的電機運行數據的可靠價值。

4.根據權利要求3所述的基于機器學習技術的電機在線故障監測方法，其特征在于：所述S2對處理完畢的數據進行監測的步驟如下：

S2.1、采集S1.1劃定電機區域中的電機運行狀態數據；

S2.2、將S1.2.5整合的環境評估數據和S2.1采集的電機運行狀態數據進行結合預處理，并對處理完畢的數據進行監測，同時結合歷史數據對此次監測數據變動。

5.根據權利要求4所述的基于機器學習技術的電機在線故障監測方法，其特征在于：所述將S1.2.5整合的環境評估數據和S2.1采集的電機運行狀態數據進行結合預處理的表達式如下：

；

其中，C是聯合后的數據，A是電機安裝環境評估數據，B是采集的電機運行狀態數據，w1和w2分別是權重系數，通過C數值實現對電機狀態的監測和故障診斷。

6.根據權利要求4所述的基于機器學習技術的電機在線故障監測方法，其特征在于：所述S3建立電機運行訓練模型的步驟如下：

S3.1、根據S2.1采集的電機運行狀態數據采集對應的電機故障運行處理數據；

S3.2、對S3.1采集的數據進行清洗，并根據清洗完畢的數據建立電機運行訓練模型。

7.根據權利要求6所述的基于機器學習技術的電機在線故障監測方法，其特征在于：所述S4向管理中心發送故障數據的步驟如下：

S4.1、基于S2.2數據變動將預處理完畢的電機運行狀態數據輸送至S3.2建立的電機運行訓練模型內進行評估；

S4.2、根據評估結果從而判斷電機運行故障，向管理中心發送電機區域中的電機損壞。

8.根據權利要求7所述的基于機器學習技術的電機在線故障監測方法，其特征在于：所述S5根據電機維修方案對電機數據異常進行修復的步驟如下：

S5.1、根據S4.2判斷的電機運行故障在S3.2建立的電機運行訓練模型內尋找對應的修復數據；

S5.2、根據S5.1尋找的對應修復數據分析獲取優化的電機維修方案，并將方案上傳至管理中心，供管理中心使用修復故障。

9.應用于包括權利要求1-8中任意一項所述的基于機器學習技術的電機在線故障監測方法的裝置，其特征在于：包括電流傳感器（10）、速度傳感器（20）、振動傳感器（30）以及溫度傳感器（40），所述電流傳感器（10）、速度傳感器（20）、振動傳感器（30）以及溫度傳感器（40）均安裝在電機表面，所述電流傳感器（10）用于電機的電流變化采集，所述速度傳感器（20）用于電機的轉速變化采集，所述速度傳感器（20）用于電機的振幅變化采集，所述速度傳感器（20）用于電機的熱量變化采集。