一种基于探测线圈的电机转子故障诊断方法及系统技术方案

本发明专利技术提出了一种基于探测线圈的电机转子故障诊断方法及系统，通过特殊排布的探测线圈直接监测到电机内部磁场畸变的情况，再通过离线训练的两个随机森林模型建立探测线圈端电压特征值与电机转子状态的关系，最终实现了永磁同步电机转子故障诊断与分离，利用了探测线圈直接监测电机的磁场信息，从而实现电机状态的检测和诊断，对电机的可靠性以及高精度电机控制有重要意义。机控制有重要意义。机控制有重要意义。

【技术实现步骤摘要】
一种基于探测线圈的电机转子故障诊断方法及系统


[0001]本专利技术属于电机
，具体地，涉及一种基于探测线圈的电机转子故障诊断方法及系统。

技术介绍

[0002]永磁同步电动机由于其超高的效率、功率密度和转矩密度，已成为许多工业领域的动力核心。然而，机器经常在复杂的环境中运行，转子经常受到电、磁、热、机械等独特的应力耦合效应，因此其可靠性受到了严峻的挑战。永磁体退磁故障和转子偏心故障是永磁同步电机转子最常见的两种故障，因此准确诊断永磁退磁故障和转子偏心故障对确保安全、提高系统效率和减少损耗具有重要意义。
[0003]传统的电机转子故障诊断方法主要有三类方法。第一种方法是基于电机模型的方法，它需要建立电机在不同故障下的数学方程，然后推导出隐藏在电压电流与振动噪音等信号中的故障特征。另一种方法称为电机电流/电压特征分析，它是基于电机电流或电压信号的谐波成分对电机状态进行识别，但往往受到电机极槽配合的影响，且难以准确区分磁钢退磁故障与转子偏心故障。第三种是基于人工智能的方法，即通过机器学习等模型对信号中隐藏的故障信息进行提取，此类方法往往需要结合信号处理技术提取健康因子作为特征，许多深度网络极度依赖于样本的数量与质量，可解释性不强，计算资源需求高。

技术实现思路

[0004]为解决上述问题，本专利技术提出了一种基于探测线圈的电机转子故障诊断方法及系统，可以使得探测线圈均匀排布在电机定子圆周，直接监测磁场信息。
[0005]本专利技术通过以下技术方案实现：
[0006]一种基于探测线圈的电机转子故障诊断方法：
[0007]所述方法具体包括以下步骤：
[0008]步骤一、数据采集：通过采样电路、旋转变压器采集电机运行过程中的转速信号，以及环绕在电机圆周上探测线圈的端电压信号，获取电机内部磁场的变化特征，以时间序列将采集得到的所有数据构建电机运行的状态特征数据库；
[0009]步骤二、信号处理：根据步骤一采集到的数据，利用转速信号处理和计算出的电机转子转速，对采集到的探测线圈端电压信号进行分析和处理；再利用傅里叶变换处理端电压信号，获取各次谐波幅值作为特征；得到的特征用于后续构建随机森林模型；
[0010]步骤三、训练转子故障诊断模型：根据电机在不同转子状态下的6个探测线圈端电压离线数据；训练第一个随机森林模型完成对电机转子状态的分类识别；训练第二个随机森林完成识别故障类型；
[0011]步骤四、转子异常检测与故障分离：利用构建好的转子故障诊断模型，对采集得到的数据进行实际的转子异常检测和故障分离。
[0012]进一步地，在步骤1中，
[0013]通过6个探测线圈来获取电机内部的磁场信息，以实现对电机转子故障的诊断和监测；所述6个探测线圈采用一匝铜线绕制而成，通过将其绕在电机定子指定槽内，将定子等分为六块，然后连接采样电路用于采集每个探测线圈两端的电压信号。
[0014]进一步地，在步骤2中，具体包括以下步骤：
[0015]步骤2.1、通过步骤一获取到电机位置信号计算电机转速，结合式1得到电频率：
[0016][0017]其中，n为转速，p为电机极对数，f为电频率；
[0018]步骤2.2，将步骤一获取到的6个探测线圈的端电压信号进行处理：
[0019]e
sc1
+e
sc3
+e
sc5
‑
(e
sc2
+e
sc4
+e
sc6
)#(式2)
[0020]其中e为各线圈端电压信号
[0021]步骤2.3，将步骤2.2得到的数据进行傅里叶分解，得到k/p次谐波，所述电机的旋转频率分量与定子电源频率分量的比值，其中k为正整数，p为电机极对数；将得到各次谐波幅值作为特征。
[0022]进一步地，在步骤3中，
[0023]所述电机的不同转子状态包括故障状态和健康状态；所述故障状态包含磁钢退磁故障和转子偏心故障；
[0024]步骤3.1、首先需要通过采集电机在不同转子状态下6个探测线圈端电压离线数据，并利用这些数据训练第一个随机森林模型，所述第一个随机森林模型的的输入为步骤二中计算得到的0.75次、1.25次和7.25次谐波幅值，调整各个决策树的参数，构造探测线圈端电压中的特征幅值与电机转子状态的对应关系，用于非线性分类区分电机的健康状态和故障状态；
[0025]步骤3.2、再基于已经判定故障的样本，训练第二个随机森林模型，所述第二个随机森林模型为步骤二中计算得到的0.25次、2.25次和4.25次谐波幅值，需要调整随机森林中决策树的参数，以实现对电机故障类型的区分，区分具体为磁钢退磁故障或转子偏心故障，最终得到能够有效识别电机故障类型的模型。
[0026]进一步地，在步骤3中，
[0027]两个随机森林模型都是由100棵决策树构成的，使用“gini”作为分割标准；每个叶节点需要至少包含1个样本，并且分割所需的最小样本数设置为2。
[0028]进一步地，在步骤4中，具体包括以下步骤：
[0029]步骤4.1、通过步骤一采集得到的数据，进行信号预处理和特征提取，从而得到电机当前状态的六个端电压特征幅值；
[0030]步骤4.2、将这六个特征幅值依次输入到步骤三中建立好的转子故障诊断模型中；
[0031]步骤4.3、在转子故障诊断模型中进行非线性分类，将电机当前状态分类为正常或异常状态；如果检测到电机当前状态是异常状态，则根据模型中的故障特征提取方法，确定具体的故障类型；
[0032]步骤4.4、根据转子异常检测和故障分离的结果，及时采取相应的措施，对电机进行维护和修复，以保证电机的正常运行。
[0033]一种基于探测线圈的电机转子故障诊断系统：
[0034]所述系统包括数据采集模块、信号处理模块、故障诊断模块和异常检测及故障分离模块：
[0035]所述数据采集模块通过采样电路、旋转变压器采集电机运行过程中的转速信号，以及环绕在电机圆周上探测线圈的端电压信号，获取电机内部磁场的变化特征，以时间序列将采集得到的所有数据构建电机运行的状态特征数据库；
[0036]所述信号处理模块根据数据采集模块采集到的数据，利用转速信号处理和计算出的电机转子转速，对采集到的探测线圈端电压信号进行分析和处理；再利用傅里叶变换处理端电压信号，获取各次谐波幅值作为特征；得到的特征用于后续构建随机森林模型；
[0037]所述故障诊断模块用于训练转子故障诊断模型：根据电机在不同转子状态下的6个探测线圈端电压离线数据；训练第一个随机森林模型完成对电机转子状态的分类识别；训练第二个随机森林完成识别故障类型；
[0038]所述异常检测及故障分离模块利用构建好的转子故障诊断模型，对采集得到的数据进行实际的转子异常检测和故障分离。
[0039]一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于探测线圈的电机转子故障诊断方法，其特征在于：所述方法具体包括以下步骤：步骤一、数据采集：通过采样电路、旋转变压器采集电机运行过程中的转速信号，以及环绕在电机圆周上探测线圈的端电压信号，获取电机内部磁场的变化特征，以时间序列将采集得到的所有数据构建电机运行的状态特征数据库；步骤二、信号处理：根据步骤一采集到的数据，利用转速信号处理和计算出的电机转子转速，对采集到的探测线圈端电压信号进行分析和处理；再利用傅里叶变换处理端电压信号，获取各次谐波幅值作为特征；得到的特征用于后续构建随机森林模型；步骤三、训练转子故障诊断模型：根据电机在不同转子状态下的6个探测线圈端电压离线数据；训练第一个随机森林模型完成对电机转子状态的分类识别；训练第二个随机森林完成识别故障类型；步骤四、转子异常检测与故障分离：利用构建好的转子故障诊断模型，对采集得到的数据进行实际的转子异常检测和故障分离。2.根据权利要求1所述方法，其特征在于：在步骤1中，通过6个探测线圈来获取电机内部的磁场信息，以实现对电机转子故障的诊断和监测；所述6个探测线圈采用一匝铜线绕制而成，通过将其绕在电机定子指定槽内，将定子等分为六块，然后连接采样电路用于采集每个探测线圈两端的电压信号。3.根据权利要求2所述方法，其特征在于：在步骤2中，具体包括以下步骤：步骤2.1、通过步骤一获取到电机位置信号计算电机转速，结合式1得到电频率：其中，n为转速，p为电机极对数，f为电频率；步骤2.2，将步骤一获取到的6个探测线圈的端电压信号进行处理：e
sc1
+e
sc3
+e
sc5
‑
(e
sc2
+e
sc4
+e
sc6
)#(式2)其中e为各线圈端电压信号步骤2.3，将步骤2.2得到的数据进行傅里叶分解，得到k/p次谐波，所述电机的旋转频率分量与定子电源频率分量的比值，其中k为正整数，p为电机极对数；将得到各次谐波幅值作为特征。4.根据权利要求3所述方法，其特征在于：在步骤3中，所述电机的不同转子状态包括故障状态和健康状态；所述故障状态包含磁钢退磁故障和转子偏心故障；步骤3.1、首先需要通过采集电机在不同转子状态下6个探测线圈端电压离线数据，并利用这些数据训练第一个随机森林模型，所述第一个随机森林模型的的输入为步骤二中计算得到的0.75次、1.25次和7.25次谐波幅值，调整各个决策树的参数，构造探测线圈端电压中的特征幅值与电机转子状态的对应关系，用于非线性分...

【专利技术属性】
技术研发人员：杜博超，黄琬，程远，崔淑梅，
申请(专利权)人：哈尔滨工业大学重庆研究院，
类型：发明
国别省市：