一种交流异步电机状态监测系统技术方案

本发明专利技术公开了一种交流异步电机状态监测系统，包括数据采集模块、嵌入式终端模块和云计算与服务中心模块。数据采集模块采集电机以及周围环境的电气、温度和振动等信号。嵌入式终端模块安装在工作现场，收集采集的数据，提取故障特征参量，对电机进行实时的快速故障诊断与控制，确保电机的安全运行。云计算与服务中心模块通过与嵌入式终端模块通信，取得电机运行的数据，进行基于数据驱动的故障预诊断，提供可供用户进行数据查询并对故障发出预警信号的功能，实现远程运维与可视化。该系统引进边缘计算和云计算协同合作概念，综合运用基于物理模型和基于数据驱动的故障诊断方案，兼顾准确性、实时性和经济性，是交流异步电机状态监测的有效途径。态监测的有效途径。态监测的有效途径。

【技术实现步骤摘要】
一种交流异步电机状态监测系统


[0001]本专利技术涉及电机状态监测
，具体讲涉及一种交流异步电机状态监测系统，是一种综合运用交流异步电机物理模型和数据驱动的状态监测系统。

技术介绍

[0002]交流异步电机作为各类电驱设备的主要动力装置，具有结构简单、控制方便、能效高、无污染等优点，被广泛运用于各类机电设备。由于电机的长期运行，一些结构、部件会逐渐劣化，从而由轻微的故障演变为严重故障，甚至引发严重的生产事故，造成生命财产的重大损失。因此，研究如何将异步电机的异常运行时或者早期故障时的信号特征及时地检测出来，并根据信号处理的结果来判断是何种故障，施行有针对性的措施，就具有重大的社会效益和经济效益。
[0003]交流电机的故障类型取决于电机的物理结构和电机的工作环境，几乎所有类型的故障，都会按照固定的损坏趋势或者状态模式发展，也就是从初期的轻微故障征兆发展为设备或部件的彻底损坏，导致设备或系统停机。几乎所有的设备故障在其刚发生时都会出现某些特定的信号变化或特征变化。通过对这些信号或特征的监测和细致分析，可以从中找出设备故障的征兆，从而能够识别出设备故障的具体类型和发生位置。
[0004]现有的状态监测系统多基于单一的电流信号为状态参量进行监测，然而单独以电流信号为特征参量会受到电机本体固有的不对称、供电不平衡和传感器误差等的影响，面对电机故障背后复杂的原因往往很难进行准确的诊断。因此，要确保电机的长时间稳定运行，我们真正需要的是对包括电压、电流、温度、磁场、振动等各类电机运行状态的实时信息和历史数据，进行交叉比对和趋势分析，进行基于对电机运行健康状况的评估，为设备的运维保养制定相应的计划和流程，并采取行动。

技术实现思路

[0005]有鉴于此，针对已有技术的缺陷，本专利专利技术了一种基于交流异步电机状态监测系统，该系统实现电机及电压、定子电流、温度、振动的周围环境关键参数的采样，并利用模型计算得到了气隙磁链的信息；在设备端进行基于物理模型的边缘计算，提取故障特征参量，对电机进行实时的快速故障诊断与控制，确保电机的安全运行；云端运用智能算法，进行基于数据驱动的故障预诊断，提供可供用户进行数据查询并对故障发出预警信号的功能，实现远程运维与可视化。该系统引进边缘计算和云计算协同合作的先进概念，综合运用基于物理模型和基于数据驱动的故障诊断方案，兼顾准确性、实时性和经济性，是当今交流异步电机状态监测的一条有效途径。
[0006]为达到上述目的，本专利技术采用如下技术方案：
[0007]一种交流异步电机状态监测系统，包括：数据采集模块、嵌入式终端模块和云计算与服务中心模块。其特征在于：数据采集模块采集电机以及周围环境的关键参数，并向嵌入式终端模块传输数据。嵌入式终端模块对所获得的数据进行预处理，根据获得的数据通过
模型计算的方法得到电机的定子磁链信息，然后提取磁场和电流特征参数中与故障或表征的参数具有强相关性的故障特征参量，进行基于物理模型的边缘计算，对电机进行快速故障诊断与控制，并向云计算与服务中心模块传输数据。云计算与服务中心模块根据获得的数据进行基于数据驱动的故障预诊断，提供可供用户进行数据查询并对故障发出预警信号的功能。
[0008]所述数据采集模块包括：电气信息采集单元、温度信息采集单元和振动信息采集单元。其中，所述电气信息采集单元包括电压采集单元和电流采集单元，所述电压采集单元用于采集电机运行时的电压信号，所述电流采集单元用于采集电机定子电流信号。所述温度信息采集单元用于采集电机本体温度和周围环境温度。所述振动信息采集单元用于采集电机壳体振动信号。所采集得到的数据实时传输至嵌入式终端模块。
[0009]所述嵌入式终端模块包括：数据处理单元、特征提取单元、实时诊断单元。其中，
[0010]所述数据处理单元的主要功能是对数据进行预处理，将数据采集模块采集到的数据进行收集、清理、分类，并通过模型计算获得电机的气隙磁链。
[0011]所述特征提取单元的主要功能是对故障特征的提取，在数据处理单元对数据进行预处理的基础上，对表征故障的磁场和电流特征参数进行分析，提取特征参数中与故障或表征的参数具有强相关性的故障特征参量，包括相关度、线性度等。
[0012]所述实时诊断单元的主要功能是根据特征提取单元提取的故障特征参量，对电机进行快速故障诊断与控制，将数据处理单元所获得的关键参数数据、特征提取单元提取的故障特征参量和实时诊断单元输出的故障信号传送至云计算与服务中心模块，并接受云计算与服务中心模块的决策信号。
[0013]所述云计算与服务中心模块包括：数据存储单元、数据驱动模型单元、故障报警单元、数据查询单元。其中，
[0014]所述数据存储单元接收嵌入式终端模块的实时诊断单元所传输的数据，并向其传输决策指令。数据存储单元记录电机的各类电气和机械参数以及周围环境参数，并将每次发生故障的时间、原因、设备类型、部件类型、特征参数等记录在数据存储单元，以便充实知识库，供后续进行智能分析提供数据来源。
[0015]所述数据驱动模型单元根据数据存储单元获得的数据进行基于数据驱动的故障预诊断，运用智能算法，全面评估电机运转工况，自动分析电机状态，对电机进行全面的状态分析与健康管理。
[0016]所述故障报警单元根据实时诊断单元与数据驱动模型单元做出的故障预判断向用户发出相应的报警信号，并作出决策指令或给出维护建议，以提醒用户及时进行设备维护。
[0017]所述数据查询单元主要功能是供用户进行数据查询。用户可使用多种终端实时通过数据查询单元访问云计算与服务中心模块，获取与电机相关的状态信息、故障信息、工作日志、维护信息等。
[0018]不同于基于传统直接利用电流来判定故障的诊断技术存在电流信号易受电机本体固有的不对称、供电不平衡和传感器误差等的影响，不能准确诊断电机的故障，嵌入式终端模块中边缘计算通过磁场和电流的联合监测，准确诊断电机的故障。
[0019]不同于基于传统单解析模型的故障诊断技术存在模态分析困难、不可避免的误差
及未知干扰，基于交流异步电机物理模型和数据驱动的联合方法不仅满足故障诊断的实时性，而且利用数据驱动技术挖掘电机的运行状态信息，对电机进行故障预诊断，进行全面的状态分析与健康管理。
[0020]边缘计算为云计算提供高价值的数据，云计算为边缘计算优化补充，二者互相协同，使系统兼具实时性、可靠性。其中，边缘计算利用电机系统关键参数实现对设备故障的预诊断，监测的关键参数具有容易测量、不易受干扰、与故障或表征的参数具有强相关性的特点，包括相关度、线性度等；云计算通过智能处理，即学习、训练，得到基于数据的健康模型，为非数学模型，对实时采集的数据进行比较，判断设备健康状况。
[0021]与现有技术相比，本专利技术具有如下显而易见的突出实质性特点和显著的优点：
[0022]1.在基于物理模型的故障判断方面，避免了直接利用电流来判定故障存在的问题，通过磁场和电流的联合监测，发现问题。
[0023]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交流异步电机状态监测系统，其特征在于，包括数据采集模块(1)、嵌入式终端模块(2)和云计算与服务中心模块(3)；数据采集模块(1)和嵌入式终端模块(2)在设备端，云计算与服务中心模块(3)在云端；其中，数据采集模块(1)采集电机以及周围环境的关键参数，并向嵌入式终端模块(2)传输数据；嵌入式终端模块(2)对所获得的数据进行预处理，根据获得的数据通过模型计算的方法得到电机的气隙磁链信息，然后提取故障特征参量，进行基于物理模型的边缘计算，对电机进行快速故障诊断与控制，并向云计算与服务中心模块(3)传输数据；云计算与服务中心模块(3)根据获得的数据进行基于数据驱动的故障预诊断，提供可供用户进行数据查询并对故障发出预警信号的功能。2.根据权利要求1所述的交流异步电机状态监测系统，其特征在于，所述数据采集模块(1)包括电气信息采集单元(11)、温度信息采集单元(12)和振动信息采集单元(13)，所述电气信息采集单元(11)包括电压采集单元(111)和电流采集单元(112)，所述电压采集单元(111)用于采集电机运行时的电压信号，所述电流采集单元(112)用于采集电机定子电流信号；所述温度信息采集单元(12)用于采集电机本体温度和周围环境温度；所述振动信息采集单元(13)用于采集电机壳体振动信号；所采集得到的数据实时传输至嵌入式终端模块(2)。3.根据权利要求1所述的交流异步电机状态监测系统，其特征在于，所述嵌入式终端模块(2)包括数据处理单元(21)、特征提取单元(22)、实时诊断单元(23)；其中，所述数据处理单元(21)的主要功能是对数据进行预处理，将数据采集模块(1)采集到的数据进行收集、清理、分类，并通过模型计算获得电机的气隙磁链；所述特征提取单元(22)的主要功能是对故障特征的提取，在数据处理单元(21)对数据进行预处理的基础上，对表征故障的特征参数——磁场和电流进行分析，提取特征参数中与故障或表征的参数具有强相关性——相关度和线性度的故障特征参量；所述实时诊断单元(23)的主要功能是根据特征提取单元(22)提取的故障特征参量，对电机进行快速故障诊断与控制，将数据处理单元(21)所获得的关键参数数据、特征提取单元(22)提取的故障特征参量和实时诊断单元(23)输出的故障信号传送至云计算与服务中心模块(3)，并接受云计算与服务中心模块(3)...

【专利技术属性】
技术研发人员：徐国卿，张洪文，
申请(专利权)人：上海大学，
类型：发明
国别省市：