【技术实现步骤摘要】
本专利技术涉及电机运行质量检测，更具体地说，本专利技术涉及一种基于大数据的伺服电机运行质量检测方法。
技术介绍
1、随着工业自动化的快速发展，伺服电机在多个领域得到了广泛应用，如制造、机器人控制、精密加工等。伺服电机的运行质量直接影响到整个工作流程的稳定性和效率，因此，对其运行状态进行实时监测和评估显得尤为重要。
2、传统的伺服电机监测技术主要依赖于固定阈值判断，即通过设定一定的参数范围，监控电机运行是否超出预设值。然而，伺服电机的运行环境复杂多变，负载条件、转速波动等因素经常会超出预期，固定阈值判断往往无法全面、准确地识别电机潜在的故障隐患。此外，数据波动性较大时，传统方法难以灵活应对和准确评估。因此，在此提出一种基于大数据的伺服电机运行质量检测方法。
技术实现思路
1、为实现上述目的，本专利技术提供如下技术方案：
2、一种基于大数据的伺服电机运行质量检测方法，包括以下步骤：
3、收集伺服电机的各项运行参数数据并进行整合，得到伺服电机运行数据整合集；
4、基于伺服电机运行数据整合集进行负载波动分析，识别出在不同负载条件下是否存在转速波动异常的隐患；
5、如果存在转速波动异常的隐患，接着进行整体性能分析，分别得到整体运行健康指数和整体运行转变速率指数，并且基于整体运行健康指数和整体运行转变速率指数将伺服电机划分为异常运行类型或正常运行类型；
6、伺服电机为异常运行类型时，按照预设策略对其进行优化，直至被重新划分
7、负载波动分析指的是：
8、在固定的时间段内，将其划分为多个连续的负载波动窗口，然后分别获取每一个负载波动窗口的伺服电机转速数据，得到伺服电机转速时间序列z：z1，z2，…，zn；n为划分得到的该负载波动窗口下的伺服电机转速数据采样总数；
9、然后计算该负载波动窗口下伺服电机转速时间序列z的平均值和标准差，将伺服电机转速时间序列z的平均值和标准差分别与预设的均值参考范围和预设的参照阈值进行对比，如果满足伺服电机转速时间序列z的平均值落入预设的均值参考范围内且电机转速时间序列z的标准差小于等于预设的参照阈值，则将该负载波动窗口标记为正常波动窗口，如果不满足伺服电机转速时间序列z的平均值落入预设的均值参考范围内且电机转速时间序列z的标准差小于等于预设的参照阈值，则将该负载波动窗口标记为异常波动窗口；
10、将所有的负载波动窗口被标记的类型进行汇总，得到负载波动窗口标记组合。
11、在一个优选的实施方式中，识别出在不同负载条件下是否存在转速波动异常的隐患指的是：
12、获取负载波动窗口标记组合，若存在异常波动窗口，则伺服电机运行时，在不同负载条件下存在转速波动异常的隐患，若不存在异常波动窗口，则伺服电机运行时，在不同负载条件下不存在转速波动异常的隐患。
13、在一个优选的实施方式中，整体运行健康指数的获取逻辑为：
14、获取目标负载波动窗口下的伺服电机转速时间序列z的标准差，以及对应的预设的参照阈值，然后进行以下计算：
15、；为目标负载波动窗口i对应的预设的参照阈值，为目标负载波动窗口i下的伺服电机转速时间序列z的标准差，为目标负载波动窗口i的健康系数；
16、将所有负载波动窗口的健康系数进行汇总并使用调和平均法进行计算，得到整体运行健康指数。
17、在一个优选的实施方式中，整体运行转变速率指数的获取逻辑为：
18、分别获取相邻两个负载波动窗口下，由上一个负载波动窗口下最后一个时间点的电机转速首次到达下一个负载波动窗口额定的电机转速的用时并标记为；表示下一个负载波动窗口的编号；
19、然后计算相邻两个负载波动窗口的转变速率系数：
20、；表示上一个负载波动窗口下最后一个时间点的电机转速，表示下一个负载波动窗口额定的电机转速，满足；表示下一个负载波动窗口的编号为i时，其与上一个负载波动窗口之间的转变速率系数；
21、最终将所有的转变速率系数进行汇总，使用几何平均法或算术平均法进行计算，得到整体运行转变速率指数。
22、在一个优选的实施方式中，使用几何平均法或算术平均法的选择逻辑为：
23、获取所有的转变速率系数，计算所有的转变速率系数的数据离散度指标即标准差，预设有离散度阈值，将所有的转变速率系数的标准差与预设的离散度阈值进行对比，若所有的转变速率系数的标准差大于预设的离散度阈值，则使用几何平均法，若所有的转变速率系数的标准差小于等于预设的离散度阈值，则使用算术平均法。
24、在一个优选的实施方式中，基于整体运行健康指数和整体运行转变速率指数将伺服电机划分为异常运行类型或正常运行类型指的是：使用模糊逻辑进行推理，得到伺服电机的运行类型。
25、在一个优选的实施方式中，模糊逻辑的逻辑为：
26、将整体运行健康指数、整体运行转变速率指数、选择的几何平均法或算术平均法一同作为输入变量，将伺服电机划分的运行类型作为输出变量，对输入变量模糊化处理，将输入变量的值转换为模糊集合，对输出变量模糊化处理，将输出变量转换为模糊集合，制定模糊规则，描述不同数据种类组合下的相关等级，将模糊化后的输入变量通过模糊规则进行推理，得到伺服电机划分的运行类型。
27、本专利技术的技术效果和优点：
28、通过对伺服电机运行数据的实时采集和分析，本专利技术能够精确监控电机在不同负载条件下的关键参数。通过这些实时数据，本专利技术可以快速识别出电机的健康状况和动态响应能力，提供及时的反馈，以保证伺服电机的正常运行。通过负载波动窗口的划分和分析，本专利技术能够精确识别出伺服电机在不同负载条件下的异常波动情况。通过将伺服电机的转速数据与预设的参考范围进行对比，快速识别电机运行的潜在异常。这使得维护人员能够在早期阶段识别隐患，避免潜在故障发生。本专利技术不仅关注伺服电机的健康状态（如整体运行健康指数），还关注其动态响应能力（如整体运行转变速率指数）。通过将这两个关键指标结合使用，能够更加全面地评估伺服电机的综合性能，确保设备在高效状态下工作。
29、通过引入几何平均法和算术平均法的选择逻辑，本专利技术能够根据数据波动情况灵活选择合适的计算方法。对于波动较大的数据，使用几何平均法可以避免极端值的影响；对于波动较小的数据，使用算术平均法能够更直接反映伺服电机的平均性能。这样的灵活选择确保了评估结果的精确性和代表性。本专利技术引入模糊逻辑推理机制，将整体运行健康指数、整体运行转变速率指数以及所选的平均法作为输入变量，智能判断伺服电机的运行类型（正常运行或异常运行）。通过模糊逻辑推理，可以有效处理数据的模糊性和不确定性，提高本专利技术的判断准确性，为伺服电机的运行维护提供智能化决策支持。
30、由于能够及时识别伺服电机的异常运行状态，本专利技术能够减少不必要的停机时间和人工干预，大幅降低设备维护成本。同时，电机的及时优化调整可以提高其本文档来自技高网...
【技术保护点】
1.一种基于大数据的伺服电机运行质量检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的伺服电机运行质量检测方法，其特征在于，负载波动分析指的是：
3.根据权利要求2所述的一种基于大数据的伺服电机运行质量检测方法，其特征在于，识别出在不同负载条件下是否存在转速波动异常的隐患指的是：
4.根据权利要求3所述的一种基于大数据的伺服电机运行质量检测方法，其特征在于，整体运行健康指数的获取逻辑为：
5.根据权利要求4所述的一种基于大数据的伺服电机运行质量检测方法，其特征在于，整体运行转变速率指数的获取逻辑为：
6.根据权利要求5所述的一种基于大数据的伺服电机运行质量检测方法，其特征在于，使用几何平均法或算术平均法的选择逻辑为：
7.根据权利要求6所述的一种基于大数据的伺服电机运行质量检测方法，其特征在于，基于整体运行健康指数和整体运行转变速率指数将伺服电机划分为异常运行类型或正常运行类型指的是：使用模糊逻辑进行推理，得到伺服电机的运行类型。
8.根据权利要求7所述的一种基于大数据
...【技术特征摘要】
1.一种基于大数据的伺服电机运行质量检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的伺服电机运行质量检测方法，其特征在于，负载波动分析指的是：
3.根据权利要求2所述的一种基于大数据的伺服电机运行质量检测方法，其特征在于，识别出在不同负载条件下是否存在转速波动异常的隐患指的是：
4.根据权利要求3所述的一种基于大数据的伺服电机运行质量检测方法，其特征在于，整体运行健康指数的获取逻辑为：
5.根据权利要求4所述的一种基于大数据的伺服电机运行质量检...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。