[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

本發明涉及電機技術領域。本發明涉及一種基于機器學習技術的電機在線故障監測方法和裝置。其包括以下步驟：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；對電機運行狀態進行采集。本發明通過采集電機運行數據并進行分析，實時捕捉電機故障，并及時發出警報，有助于避免設備停機和減少生產損失，通過模型訓練和參數優化，能夠根據具體電機的特點和運行狀態建立精準的故障診斷模型，提高故障診斷的準確性和穩定性，通過對環境參數與電機運行狀態參數的關聯分析，提高故障診斷的準確性，通過根據電機故障數據指定維修方案，使得工作人員根據方案快速使電機完成故障修復。

技術領域

本發明涉及電機技術領域，具體地說，涉及一種基于機器學習技術的電機在線故障監測方法和裝置。

背景技術

傳統的電機故障監測方法往往依賴于人工巡檢或離線測試，存在監測周期長、故障診斷準確性低等問題。智能檢測電機故障監測時，局限于對電機數據狀態進行檢測，但常常環境也會干擾電機反饋的數據，導致數據判斷錯誤對故障特征提取不夠準確、診斷精度不高，同時電機故障需要專業人員利用經驗制定方案對其進行修復，造成經驗較少的維修人員無法及時制定維修方案，導致修復電機較慢，因此，提出一種基于機器學習技術的電機在線故障監測方法和裝置。

發明內容

本發明的目的在于提供一種基于機器學習技術的電機在線故障監測方法和裝置，以解決上述背景技術中提出的問題。

為實現上述目的，提供了一種基于機器學習技術的電機在線故障監測方法和裝置，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。

作為本技術方案的進一步改進，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。

作為本技術方案的進一步改進，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。

作為本技術方案的進一步改進，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。

作為本技術方案的進一步改進，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。