一种应用数据分析技术的电机驱动系统故障诊断方法与流程

本发明涉及电机驱动系统故障诊断，具体是一种应用数据分析技术的电机驱动系统故障诊断方法。

背景技术：

1、电机驱动系统主要由电机、控制器、传感器和电源等部分构成。其中电机是驱动系统的核心部件，包括直流电机、交流电机等不同类型；控制器负责控制电机的转速和方向，实现精确控制；传感器用于读取电机的转速、温度和电流等参数；电源提供能量为整个驱动系统提供动力。

2、现有技术通过极值法对电机驱动系统故障进行监测，但难以对一些潜在故障进行有效监测，潜在故障指对运行中的设备如不采取预防性维修和调整措施，再继续使用到某个时候会发生的故障，同时现有技术无法对一些微小故障进行有效监测，以及很难将呈现非线性变化的数据置于数学模型中，即无法对呈现非线性变化的数据进行有效分析，从而降低故障的诊断精度。

3、所以，人们急需一种应用数据分析技术的电机驱动系统故障诊断方法来解决上述技术问题。

技术实现思路

1、本发明的目的在于提供一种应用数据分析技术的电机驱动系统故障诊断方法，以解决现有技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种应用数据分析技术的电机驱动系统故障诊断方法，所述方法包括：

3、s10：通过电机驱动系统中装设的电流传感器，对电机控制电路中各开关元件的实时工作电流值进行采集，通过电机驱动系统中装设的控制器，对驱动电机的实时转矩值进行采集，根据工作电流值与转矩值之间的关联关系，对电机驱动系统的故障特征数据集进行获取；

4、s20：根据驱动电机的转动方向，对故障特征数据集进行分类处理，判断各类故障特征数据集中的故障特征数据是否呈现线性变化，结合相邻故障特征数据之间的连接线段对应的光滑度，对电机驱动系统的故障诊断方法进行选取；

5、s30：基于各故障诊断方法的诊断结果，对各故障原因分析结果的准确度进行预测，基于预测结果对电机驱动系统的故障原因进行确定；

6、s40：根据故障原因的确定情况，对电机驱动系统进行维护处理。

7、进一步的，所述s10包括：

8、s101：根据工作电流值和转矩值的采集时间，将工作电流值与转矩值进行匹配，匹配结果为：(ut1,ut2,ut3,ut4,ft)，(ut1,ut2,ut3,ut4,ft)表示电机驱动系统在t时刻的特征数据，其中，ut1、ut2、ut3、ut4分别表示驱动电机中编号为1、2、3、4的开关元件在t时刻的工作电流值，ft表示驱动电机在t时刻的转矩值；

9、s102：根据驱动电机的转动方向和驱动电机转矩值的正负情况，对故障特征数据和非故障特征数据进行识别，有利于对一些异常特征较为明显的故障数据进行识别；

10、s103：当驱动电机正向转动时，对非故障特征数据(ut1,ut2,ut3,ut4,ft)进行调整，调整结果为：(ut1,ft)，当驱动电机反向转动时，对非故障特征数据进行调整，调整结果为：(ut2,|ft|)；

11、以驱动电机的工作电流i为横坐标，驱动电机的转矩t为纵坐标构建直角坐标系，将回归直线方程t=k*i在直角坐标系中进行表示，将点(ut1,ft)和(ut2,|ft|)在直角坐标系中进行表示，对未落在回归直线上的点进行获取，记获取点对应的原始数据为故障特征数据，其中，k表示驱动电机的扭矩系数；

12、判断根据调整后的特征数据构成的点是否落在回归直线上，能够对一些能够反应微小故障的特征数据进行识别，相较于通过极值法对故障特征数据进行识别的方法而言，计算量小，且显示更为直观；

13、s104：将故障特征数据的集合作为电机驱动系统的故障特征数据集。

14、进一步的，所述s102对故障特征数据和非故障特征数据进行识别的具体方法为：当ut1=ut3≠0且ut2=ut4=0时，表示驱动电机正向转动，若此时ft≤0，则表示(ut1,ut2,ut3,ut4,ft)为故障特征数据，若此时ft＞0，则表示(ut1,ut2,ut3,ut4,ft)为非故障特征数据，当ut1=ut3=0且ut2=ut4≠0时，表示驱动电机反向转动，若此时ft≥0，则表示(ut1,ut2,ut3,ut4,ft)为故障特征数据，若此时ft＜0，则表示(ut1,ut2,ut3,ut4,ft)为非故障特征数据。

15、进一步的，所述s20包括：

16、s201：对故障特征数据的采集时间进行获取，若驱动电机在获取的采集时间点处于正向转动状态，则将故障特征数据放入集合m中，若驱动电机在获取的采集时间点处于反向转动状态，则将故障特征数据放入集合n中；

17、s202：在直角坐标系中，对存储在集合m中的故障特征数据对应的调整结果进行标记，利用线段对各标记点进行连接处理，若连接线段的光滑度=1，光滑度=exp(a)，则将比例分析法作为电机驱动系统的故障诊断方法，若连接线段的光滑度＜1，则将同类分析法作为电机驱动系统的故障诊断方法，其中，a表示连接线段所在直线与回归直线之间的夹角，exp(a)表示e的a次方；

18、通过各连接线段的光滑度，对电机驱动系统在不同时间段内的故障诊断方法进行确定，考虑到呈现非线性变化的数据和呈现线性变化的数据可能是由不同的故障原因而导致的，因此通过上述方法，能够对电机驱动系统的故障原因进行精准分析；

19、s203：基于s202中的方法，根据存储在集合n中的故障特征数据，对电机驱动系统的故障诊断方法进行选取。

20、进一步的，所述比例分析法的具体分析过程为：

21、在连接线段a上随机选取一点，记选取点为(ut11,ft1)，在回归直线上，对选取点的匹配点进行确定，匹配点为(ut11,k*ut11)，以ft1/(k*ut11)作为连接线段a与回归直线的比例分析系数；

22、对驱动电机的额定负载r进行获取，在t1时刻对驱动电机的负载e进行获取，若e/r=ft1/(k*ut11)，则通过控制器对驱动电机连接的负载的接通状态进行调整，调整后，驱动电机连接的负载≤r，此时若识别出重新采集的特征数据为非故障特征数据，则表示电机驱动系统不存在故障，电机驱动系统的异常原因为驱动电机过载，若e/r≠ft1/(k*ut11)或e/r=ft1/(k*ut11)且e＜r，则表示电机驱动系统存在故障，电机驱动系统的故障原因为驱动电机传动装置故障或驱动电机内部零件故障。

23、进一步的，所述同类分析法的具体分析过程为：

24、设连接线段b的起点为(ut21,ft2)，终点为(utˆ1,ftˆ)，以点(ut21,ft2)为起点作一条射线，射线与回归直线平行，射线模型为t´=k*i+b（i≥ut21），其中，b表示射线模型的偏置，t´表示射线模型的因变量，将g=|ftˆ-(k*utˆ1+b)|/b作为连接线段b与回归直线的同类分析指数；

25、根据e/r与ft2/(k*ut21)之间的关系，对电机驱动系统的故障原因进行初步分析，若初步分析结果为电机驱动系统故障且分析的故障原因首次出现，则对分析的故障原因的关联故障原因进行获取，对分析的故障原因与各关联故障原因之间的关联系数进行获取，若获取的关联系数=g，则对应关联系数对应的关联故障原因也为电机驱动系统的故障原因；

26、若初步分析结果为电机驱动系统不存在故障，则对电机驱动系统中转矩传感器在t2和tˆ时刻的采集的转矩值进行获取，对获取的转矩值之间的差值绝对值y进行计算，若|ftˆ-ft2|=y，则表示电机驱动系统中的转矩传感器故障，若|ftˆ-ft2|≠y，则表示电机驱动系统中的电流传感器故障或电源电压不稳定。

27、进一步的，所述s30包括：

28、s301：利用比例分析法和故障分析法对电机驱动系统在各连接线段对应的时间段内的故障原因进行分析；

29、s302：根据各故障原因的发生时间段，对各故障原因分析结果的准确度进行预测；

30、s303：根据s302中的预测结果，对电机驱动系统的故障原因进行确定。

31、进一步的，所述s302对各故障原因分析结果的准确度进行预测的具体方法为：

32、对编号为i的故障原因的初始发生时间fi和消除时间gi进行获取，在时间段[fi,gi]内，对故障原因的持续时间ci进行计算；

33、ⅰ.当电机驱动系统的故障原因为传感器不稳定或电源不稳定时，根据v1i=log2{[(gi-fi-ci)/hi]+1}对编号为i的故障原因分析结果的准确度进行预测，其中，hi表示在时间段[fi,gi]内，传感器或电源处于不稳定状态的持续时间；

34、ⅱ.当电机驱动系统的故障原因非ⅰ中故障原因时，根据v2i=ci/(gi-fi)对编号为i的故障原因分析结果的准确度进行预测，其中，i=1,2,…,m，表示各故障原因对应的编号，m表示电机驱动系统存在的故障原因总数。

35、根据各故障原因在对应故障原因发生时间段内的持续时间，对各故障原因分析结果的准确度进行预测，此过程考虑到传感器或电源的不稳定持续情况对故障原因分析结果准确度产生的影响，提高了对电机驱动系统故障原因的确定精度。

36、在故障原因分析结果的精确度随时间而增加时，能够判断出该故障原因为电机驱动系统的潜在故障，提高了系统对潜在故障的识别效率。

37、进一步的，所述s303对电机驱动系统的故障原因进行确定的具体方法为：

38、若0.9≤编号为i的故障原因分析结果的准确度≤1，则编号为i的故障原因为电机驱动系统的故障原因；

39、若0≤编号为i的故障原因分析结果的准确度＜0.9，则编号为i的故障原因不是电机驱动系统的故障原因。

40、与现有技术相比，本发明的有益效果是：

41、1.本发明判断根据调整后的特征数据构成的点是否落在回归直线上，能够对一些能够反应微小故障的特征数据进行识别，相较于极值法而言本发明识别效率更高，且识别过程可视化，有利于减少特征数据丢失的概率。

42、2.本发明在对电机驱动系统的故障原因进行确定的过程中，根据各故障在对应故障时间段内的持续情况，对各故障原因分析结果的准确度进行预测，预测过程中，能够结合早期的精确度预测结果，快速对早期存在的潜在故障进行有效监测，提高了系统的故障诊断效果。

43、3.本发明通过各连接线段的光滑度，对呈现非线性变化的特征数据进行识别，通过将呈现非线性变化的特征数据划分为两部分，将呈现非线性变化的特征数据置于数学模型中，有利于对电机驱动系统的故障原因进行精确分析。