一种永磁同步电机健康状态监测方法及系统技术方案

本发明专利技术涉及工业设备故障诊断和预测性维护领域，公开了一种永磁同步电机健康状态监测方法及系统，以实现准确对永磁电机健康状态的检测；本发明专利技术的方法包括获取待分析永磁同步电机的历史正常运行数据作为原始数据集并分成K个子集；采集待分析永磁同步电机当前运行数据，从K个子集中找到与当前运行数据相近的p个子集构成训练数据集；从训练数据集中选取与当前运行数据相近的k个数据，构建训练数据矩阵，根据训练数据矩阵构建协方差矩阵和互协方差矩阵；根据协方差矩阵和互协方差矩阵建立相关关系模型；生成残差信号，计算统计量和相应阈值，将统计量与阈值进行比较，若统计量不超过阈值，则认为待分析永磁电机处于健康状态，反之则处于异常状态。

A Health Monitoring Method and System for Permanent Magnet Synchronous Motor

【技术实现步骤摘要】
一种永磁同步电机健康状态监测方法及系统
本专利技术涉及工业设备故障诊断和预测性维护领域，尤其涉及一种永磁同步电机健康状态监测方法及系统。
技术介绍
目前，永磁同步电机因其体积小、功率密度大等优点，在一些关键装备领域的应用日益增加，以永磁同步电机为核心的牵引系统是轨道交通未来的发展方向。在永磁电机实际运行中，现场应用环境恶劣，且运行工况多变等因素，常会引发故障，给系统运行带来安全性隐患。永磁电机的供电电压、电流和转速等是电机的重要测量量，能够反映电机运行状态，对这些参数进行实时监测，能够有效了解电机的运行状态。目前，对永磁电机各种运行参数检测及状态监测多关注单个或少数几个测量量，并没有考虑多个测量量之间的相关性。并且现有的监测方法，大多假设电机运行在某一稳定状态，难以实现全工况下的状态监测，限制了应用范围。因此，如何有效得监测永磁同步电机的健康状态成为一个急需解决的问题。
技术实现思路
本专利技术目的在于提供一种永磁同步电机健康状态监测方法及系统，以实现准确对永磁电机健康状态的检测。为实现上述目的，本专利技术提供了一种永磁同步电机健康状态监测方法，包括以下步骤：S1：获取待分析永磁同步电机的历史正常运行数据作为原始数据集，采用K-means聚类算法将所述原始数据集分成K个子集；S2：采集待分析永磁同步电机当前运行数据，采用距离判定算法从所述K个子集中找到与当前运行数据相近的p个子集，构成训练数据集；S3：从所述训练数据集中选取与当前运行数据相近的k个数据，根据该k个数据构建训练数据矩阵，并根据所述训练数据矩阵构建协方差矩阵和互协方差矩阵；S4：通过典型相关分析技术根据所述协方差矩阵和互协方差矩阵建立相关关系模型；S5：根据所述相关关系模型生成残差信号，并根据所述残差信号计算统计量和相应阈值，将所述统计量与阈值进行比较，若所述统计量不超过所述阈值，则认为待分析永磁电机处于健康状态，反之则处于异常状态。优选地，所述S1具体包括以下步骤：S11：获取待分析永磁同步电机的历史正常运行数据作为原始数据集，分别用表示过程的两个变量数据集，式中，l为向量u中测量变量数，m为向量y中测量变量数，N为独立采样点数，u(i)表示向量u中l个变量在第i个采样时刻的测量值，u(i),i＝1,…,N，y(i)表示向量y中m个变量在第i个采样时刻的测量值，y(i),i＝1,…,N，为实数域；S12：采用K-means聚类算法，分别按变量u和变量y进行聚类，将原始数据集U和Y分别划分为K个子集，分别得到按变量u聚类的K个聚类中心μu1,…,μuK和按变量y聚类的K个聚类中心μy1,…,μyK，计算公式为：按变量u聚类时为：Uu＝Uu1∪Uu2…∪UuK、Yu＝Yu1∪Uu2…∪YuK；按变量y聚类时为：Yy＝Yy1∪Yy2…∪YyK、Uy＝Uy1∪Uy2…∪UyK。优选地，所述S2具体包括以下步骤：S21:将第q个时刻记为当前时刻，变量u的当前测量值记为u(q)，计算u(q)与相应K个聚类中心的距离，计算公式为：d(u(q),μui)＝||u(q)-μui||2；式中，d(u(q),μui)表示变量u(q)与按变量u聚类的第i个聚类中心μui之间的距离，i＝1,…,K，||·||2表示欧式距离算子；将计算的K个距离值按从小到大顺序排序，选取对应前pu个距离值的聚类中心所对应的原始数据子集作为近邻子集构建按变量u聚类的训练数据集和用于构建相关关系模型，pu为设计参数，且pu＜K；将变量y的当前测量值表示为y(q)，按变量y寻找近邻子集，计算y(q)与相应K个聚类中心的距离，公式为：d(y(q),μyi)＝||y(q)-μyi||2；式中，d(y(q),μyi)表示变量y(q)与按变量y聚类的第i个聚类中心μyi之间的距离，i＝1,…,K；将计算的K个距离值按从小到大顺序排序，选取对应前py个距离值的聚类中心所对应的原始数据子集，构成按变量y聚类的训练数据集和所述训练数据集用于构建相关关系模型，其中py为设计参数，且py＜K；S22:计算当前测量值u(q)与按变量u聚类的训练数据集中各数据之间的距离，计算公式为：从训练数据集中选取距离值较小的前k个距离值所对应的k个近邻数据和j＝1,...,k，将k个近邻数据构建为训练数据矩阵，表示为：计算当前测量值y(q)与按变量y聚类的训练数据集中各数据之间的距离，计算公式为：从训练数据集中选取距离值较小的前k个距离值所对应的k个近邻数据和j＝1,...,k；将该k个近邻数据构建为训练数据矩阵，表示为：优选地，所述S3具体包括以下步骤：分别对训练数据矩阵和进行去均值处理，得到去均值后的数据集为：构建协方差矩阵为：式中，表示变量u的协方差矩阵，表示变量y的协方差矩阵，x＝u或y；构建互协方差矩阵为：式中，表示变量u与变量y的互协方差矩阵。优选地，所述S4具体包括以下步骤：S41：采用典型相关分析技术构建相关关系模型Υx为：S42：对相关关系模型Υx进行奇异值分解为：Υx＝ΓxΣxRxT；式中，矩阵Γx为计算参数Jx的中间变量，Rx为计算参数Lx的中间变量；其中，参数Jx和Lx的计算公式为：优选地，所述S5具体包括以下步骤：产生残差信号rx，公式为：S33:计算统计量和确定阈值；根据得到的残差信号，建立相应的统计量如下：式中，为相应残差信号的协方差矩阵的逆矩阵，阈值Jth,x的计算公式为：式中，α为故障误报率，由用户给定；lx为残差信号rx的维数；若统计量不大于Jth,u且统计量不大于Jth,y，则判定当前电机状态处于健康状态；统计量大于Jth,u或统计量大于Jth,y，则判定当前电机状态处于异常状态。作为一个总的专利技术构思，本专利技术还提供一种永磁同步电机健康状态监测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。本专利技术具有以下有益效果：本专利技术提供一种永磁同步电机健康状态监测方法及系统，通过分析永磁同步电机的运行数据之间的相关性实现对永磁同步电机的健康状态的检测，能及时检测出电机异常，且本方法基于在线测量数据，不依赖于精确的过程模型，方便实用。下面将参照附图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术优选实施例的永磁同步电机健康状态监测方法流程图；图2是本专利技术优选实施例的永磁同步电机正常运行时A相电流数据波形图；图3是本专利技术优选实施例的永磁同步电机健康状态监测结果图。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。实施例1如图1所示，本实施例提供一种永磁同步电机健康状态监测方法，其特征在于，包括以下步骤：S1：获取待分析永磁同步电机的历史正常运行数据作为原始数据集，采用K-means聚类算法将原始数据集分成K个子集；S2：采集待分析永磁同步电机当前运行数据，采用距离判定算法从K个子集中找到与当前运行数据相近的p个子集，构成训练数据集；S3：从训练数据集中选取与当前运行数据相近的k个数据，根据该k个数据构建训练数据矩阵，并根据训练数据矩阵本文档来自技高网...

【技术保护点】
1.一种永磁同步电机健康状态监测方法，其特征在于，包括以下步骤：S1：获取待分析永磁同步电机的历史正常运行数据作为原始数据集，采用K‑means聚类算法将所述原始数据集分成K个子集；S2：采集待分析永磁同步电机当前运行数据，采用距离判定算法从所述K个子集中找到与当前运行数据相近的p个子集，构成训练数据集；S3：从所述训练数据集中选取与当前运行数据相近的k个数据，根据该k个数据构建训练数据矩阵，并根据所述训练数据矩阵构建协方差矩阵和互协方差矩阵；S4：通过典型相关分析技术根据所述协方差矩阵和互协方差矩阵建立相关关系模型；S5：根据所述相关关系模型生成残差信号，并根据所述残差信号计算统计量和相应阈值，将所述统计量与阈值进行比较，若所述统计量不超过所述阈值，则认为待分析永磁电机处于健康状态，反之则处于异常状态。

【技术特征摘要】
1.一种永磁同步电机健康状态监测方法，其特征在于，包括以下步骤：S1：获取待分析永磁同步电机的历史正常运行数据作为原始数据集，采用K-means聚类算法将所述原始数据集分成K个子集；S2：采集待分析永磁同步电机当前运行数据，采用距离判定算法从所述K个子集中找到与当前运行数据相近的p个子集，构成训练数据集；S3：从所述训练数据集中选取与当前运行数据相近的k个数据，根据该k个数据构建训练数据矩阵，并根据所述训练数据矩阵构建协方差矩阵和互协方差矩阵；S4：通过典型相关分析技术根据所述协方差矩阵和互协方差矩阵建立相关关系模型；S5：根据所述相关关系模型生成残差信号，并根据所述残差信号计算统计量和相应阈值，将所述统计量与阈值进行比较，若所述统计量不超过所述阈值，则认为待分析永磁电机处于健康状态，反之则处于异常状态。2.根据权利要求1所述的永磁同步电机健康状态监测方法，其特征在于，所述S1具体包括以下步骤：S11：获取待分析永磁同步电机的历史正常运行数据作为原始数据集，分别用表示过程的两个变量数据集，式中，l为向量u中测量变量数，m为向量y中测量变量数，N为独立采样点数，u(i)表示向量u中l个变量在第i个采样时刻的测量值，u(i),i＝1,…,N，y(i)表示向量y中m个变量在第i个采样时刻的测量值，y(i),i＝1,…,N，为实数域；S12：采用K-means聚类算法，分别按变量u和变量y进行聚类，将原始数据集U和Y分别划分为K个子集，分别得到按变量u聚类的K个聚类中心μu1,…,μuK和按变量y聚类的K个聚类中心μy1,…,μyK，计算公式为：按变量u聚类时为：Uu＝Uu1∪Uu2…∪UuK、Yu＝Yu1∪Uu2…∪YuK；按变量y聚类时为：Yy＝Yy1∪Yy2…∪YyK、Uy＝Uy1∪Uy2…∪UyK。3.根据权利要求2所述的永磁同步电机健康状态监测方法，其特征在于，所述S2具体包括以下步骤：S21:将第q个时刻记为当前时刻，变量u的当前测量值记为u(q)，计算u(q)与相应K个聚类中心的距离，计算公式为：d(u(q),μui)＝||u(q)-μui||2；式中，d(u(q),μui)表示变量u(q)与按变量u聚类的第i个聚类中心μui之间的距离，i＝1,…,K，||·||2表示欧式距离算子；将计算的K个距离值按从小到大顺序排序，选取对应前pu个距离值的聚类中心所对应的原始数据子集作为近邻子集构建按变量u聚类的训练数据集和用于构建相关关系模型，pu为设计参数，且pu＜K；将变量y的当前测量值表示...

【专利技术属性】
技术研发人员：冯江华，陈志文，王亚杰，符敏利，韩露，李伟业，阳春华，彭涛，
申请(专利权)人：中车株洲电力机车研究所有限公司，
类型：发明
国别省市：湖南,43