电机工况异常检测模型的训练方法及系统技术方案

本发明专利技术公开了一种电机工况异常检测模型的训练方法及系统，所述方法包括：连续采集电机运行数据，以得到电机工况，直到电机运行稳定；对电机运行稳定之后的电机工况进行切分，以得到稳态工况列表，其中，稳态工况列表包括不同稳定转速工况和不同电流工况的若干组合工况；根据电机工况的切分结果，采用隔离异常点方法，训练得到与稳态工况列表中的各组合工况对应的工况异常检测模型，工况异常检测模型的数量与组合工况的数量对应。本发明专利技术通过对电机工况进行切分，有利于获得有效的电机运行工况，采用隔离异常点的方法训练得到工况异常检测模型，进而利用模型自动直接获得电机状态监测结果，有利于降低误报率和漏报率，提高工况异常检测的准确性。异常检测的准确性。异常检测的准确性。

【技术实现步骤摘要】
电机工况异常检测模型的训练方法及系统


[0001]本专利技术涉及电机诊断
，尤其涉及一种电机工况异常检测模型的训练方法及系统。

技术介绍

[0002]电机状态监测和故障诊断技术是一种了解和掌握电机在使用过程中的状态，确定其整体或局部正常或异常，发现故障及其原因的技术。现有技术方案一般是基于电气特征分析技术的状态监测诊断装置，通过测量电机负载运行时的电流、电压信号，分析频谱、谐波、电气参数等特征，进一步探测到源于轴承故障、不对中故障、负载故障、机械松动、绝缘和一系列电气和机械故障的状态变化，进而判断整个传动系统的故障所在。
[0003]但是，传统技术方案是以设备当下状态为研究重点，无法对设备的未来发展趋势进行预测，更无法对设备健康状态进行系统地管理。如何有效地训练得到电机工况异常检测模型，进而根据电机工况异常检测模型来判定电机是否处于异常状态，是基于电机数据监测电机状态以及诊断电机故障所要解决的一个重要问题。
[0004]因此，亟需一种电机工况异常检测模型的训练方法及系统。

技术实现思路

[0005]本专利技术的目的是提供一种电机工况异常检测模型的训练方法及系统，以解决上述现有技术中的问题，能够降低误报率和漏报率，提高工况异常检测的准确性。
[0006]本专利技术提供了一种电机工况异常检测模型的训练方法，其中，包括：
[0007]连续采集电机运行数据，以得到电机工况，直到电机运行稳定；
[0008]对电机运行稳定之后的电机工况进行切分，以得到稳态工况列表，其中，所述稳态工况列表包括不同稳定转速工况和不同电流工况的若干组合工况；
[0009]根据电机工况的切分结果，采用隔离异常点的方法，训练得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型，其中，所述工况异常检测模型的数量与组合工况的数量对应。
[0010]如上所述的电机工况异常检测模型的训练方法，其中，优选的是，所述连续采集电机运行数据，以得到电机工况，直到电机运行稳定，具体包括：
[0011]采集电机运行数据，以得到工况文件；
[0012]基于所述工况文件中的电机振动原始信号，提取振动特征信号，以得到与所述工况文件对应的特征文件；
[0013]将所述工况文件和所述特征文件进行同步化；
[0014]根据同步化后的所述工况文件和所述特征文件，得到电机运行稳定状态；
[0015]在所述电机运行稳定状态为稳态之后，结束对电机运行数据的采集。
[0016]如上所述的电机工况异常检测模型的训练方法，其中，优选的是，所述对电机工况进行切分，以得到稳态工况列表，具体包括：
[0017]根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组；
[0018]对各所述初步分组中的电流数据标记稳态电流标签；
[0019]根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果。
[0020]如上所述的电机工况异常检测模型的训练方法，其中，优选的是，所述根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组，具体包括：
[0021]从所述配置文件中获取若干稳定转速向量；
[0022]根据所述稳定转速向量对所述工况文件中的数据进行初步切分，得到若干初步分组，以将不同转速的数据切分开，并将同一转速的数据作为同一个初步分组，其中，所述初步分组的数量与所述稳定转速向量的数量对应，在同一个初步分组中，同一转速工况对应若干种不同电流工况。
[0023]如上所述的电机工况异常检测模型的训练方法，其中，优选的是，所述根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果，具体包括：
[0024]在各所述初步分组中，将标记为同一稳态电流标签的数据作为同一个精细分组；
[0025]根据各所述初步分组中的各所述精细分组，得到工况列表，其中，所述工况列表包括不同转速和不同电流的组合工况；
[0026]将所述工况列表输出为包括转速变量和电流变量的CSV文件，其中，所述CSV文件中包括各个转速所对应的工况，并且每个转速对应若干个电流工况。
[0027]如上所述的电机工况异常检测模型的训练方法，其中，优选的是，所述根据电机工况的切分结果，采用隔离异常点的方法，训练得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型，具体包括：
[0028]将所述稳态工况列表中的各组合工况对应的工况序号和十六维特征矩阵文件作为训练数据，输入预设机器学习模型中，其中，所述十六维特征矩阵的每一行表示一个样本，第一列为时间信息，第二列表示转速，第三列表示稳定状态，第四列表示温度，剩余列表示12个时域和频域特征；
[0029]采用隔离异常点的方法，利用所述训练数据对所述预设机器学习模型进行训练，得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型。
[0030]如上所述的电机工况异常检测模型的训练方法，其中，优选的是，所述采用隔离异常点的方法，利用所述训练数据对所述预设机器学习模型进行训练，得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型，具体包括：
[0031]基于所述训练数据，构建由若干个隔离树组成的隔离森林；
[0032]将待异常检测的数据对所述隔离森林进行遍历，计算异常得分，以根据所述异常得分判断待异常检测的数据中是否存在异常数据。
[0033]如上所述的电机工况异常检测模型的训练方法，其中，优选的是，所述基于所述训练数据，构建若干个隔离树，具体包括：
[0034]步骤A1：从训练数据中随机选择Ψ个样本，放入一棵隔离树的根节点；
[0035]步骤A2：随机指定一个维度，在当前节点数据中随机产生一个切割点p，其中，所述切割点p产生于当前节点数据中指定维度的最大值和最小值之间；
[0036]步骤A3：以随机生成的切割点p生成一个超平面，然后将当前节点数据空间划分为2个子空间；
[0037]步骤A4：将指定维度中小于p的数据放在当前节点的左子树，将大于等于p的数据放在当前节点的右子树；
[0038]步骤A5：在子树分支中递归步骤A2和步骤A3，不断构造新的叶子节点，直到叶子节点中只有一个数据，无法再继续切割或树已到达限定高度。
[0039]如上所述的电机工况异常检测模型的训练方法，其中，优选的是，所述将待异常检测的数据对所述隔离森林进行遍历，计算异常得分，以根据所述异常得分判断待异常检测的数据中是否存在异常数据，具体包括：
[0040]对于每个样本x，计算每棵树的结果，采用公式计算异常得分：
[0041][0042]其中，h(x)为样本x在每棵树的高度，即路径长度，c(Ψ)为给定样本数Ψ时路径长度的平均值，用来对样本x的路径长度h(x)进行标准化处理。
[0043]本专利技术还提供一种采用上述方法的电机工况异常检测模型的训练系统，包括：
[0044]数据采集模块，用于连续采集电机运行数据，以得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电机工况异常检测模型的训练方法，其特征在于，包括：连续采集电机运行数据，以得到电机工况，直到电机运行稳定；对电机运行稳定之后的电机工况进行切分，以得到稳态工况列表，其中，所述稳态工况列表包括不同稳定转速工况和不同电流工况的若干组合工况；根据电机工况的切分结果，采用隔离异常点的方法，训练得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型，其中，所述工况异常检测模型的数量与组合工况的数量对应。2.根据权利要求1所述的电机工况异常检测模型的训练方法，其特征在于，所述连续采集电机运行数据，以得到电机工况，直到电机运行稳定，具体包括：采集电机运行数据，以得到工况文件；基于所述工况文件中的电机振动原始信号，提取振动特征信号，以得到与所述工况文件对应的特征文件；将所述工况文件和所述特征文件进行同步化；根据同步化后的所述工况文件和所述特征文件，得到电机运行稳定状态；在所述电机运行稳定状态为稳态之后，结束对电机运行数据的采集。3.根据权利要求1所述的电机工况异常检测模型的训练方法，其特征在于，所述对电机工况进行切分，以得到稳态工况列表，具体包括：根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组；对各所述初步分组中的电流数据标记稳态电流标签；根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果。4.根据权利要求3所述的电机工况异常检测模型的训练方法，其特征在于，所述根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组，具体包括：从所述配置文件中获取若干稳定转速向量；根据所述稳定转速向量对所述工况文件中的数据进行初步切分，得到若干初步分组，以将不同转速的数据切分开，并将同一转速的数据作为同一个初步分组，其中，所述初步分组的数量与所述稳定转速向量的数量对应，在同一个初步分组中，同一转速工况对应若干种不同电流工况。5.根据权利要求3所述的电机工况异常检测模型的训练方法，其特征在于，所述根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果，具体包括：在各所述初步分组中，将标记为同一稳态电流标签的数据作为同一个精细分组；根据各所述初步分组中的各所述精细分组，得到工况列表，其中，所述工况列表包括不同转速和不同电流的组合工况；将所述工况列表输出为包括转速变量和电流变量的CSV文件，其中，所述CSV文件中包括各个转速所对应的工况，并且每个转速对应若干个电流工况。6.根据权利要求1所述的电机工况异常检测模型的训练方法，其特征在于，所述根据电机工况的切分结果，采用隔离异常点的方法，训练得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型，具体包括：将所述稳态工况列表中的各组合工况对应的工况序号和十六维特征...

【专利技术属性】
技术研发人员：李明伟，张伟峰，许佩，姜克森，许强，乔建军，张柳枝，董云成，王爱霞，周亚丽，吴军伟，王颖，罗华丽，步文泽，郑朋飞，宋婷婷，梁丹，
申请(专利权)人：河南中烟工业有限责任公司，
类型：发明
国别省市：