电机传动故障预测方法、装置及计算机可读存储介质
文献发布时间:2024-01-17 01:15:20
技术领域
本发明涉及故障诊断领域,尤其涉及一种电机传动故障预测方法、电机传动故障预测装置、运行控制装置及计算机可读存储介质。
背景技术
在工厂生产现场,我们几乎可以看到各类大大小小的电机在不停运转,为机床、水泵、鼓风机、压缩机、起重机、卷扬机以及矿山机械等各类现场设备提供源源不断的动力,可谓至关重要。据相关统计,在发达国家,电机所消耗的电量已占到全部发电量的一半以上;在国内,电机的用电量约占总发电量的65%左右。作为重要的能耗“大户”和重要的工厂资产,电机故障带来的停工停产损失显然是巨大的,甚至电机本身的烧毁事故也会给使用方带来维修、电量消耗等各种经济损失。因而,如何对运行中的电机进行实时状态监测,并在线进行故障诊断与早期预测性智能维护便成为一项重要的课题。目前并没有能够较好地对电机故障进行预测的方法。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一,提供一种电机传动故障预测方法、电机传动故障预测装置、运行控制装置及计算机可读存储介质,能够提高传动故障预测的准确度,具有较好的故障预测效果。
第一方面,本发明实施例提供一种电机传动故障预测方法,包括以下步骤:
获取电机在正常运行工况和异常运行工况下的历史运行数据;
从所述历史运行数据中确定出电机的运行工况周期,并将连续的N个所述运行工况周期的数据作为一个预测数据组;其中N为大于或者等于1的自然数;
根据电机在运行过程中的加速度将所有所述预测数据组分割成加速段数据、匀速段数据和减速段数据;
分别计算所述加速段数据、所述匀速段数据和所述减速段数据的特征值标准差;
根据所述特征值标准差确定故障预测模型;
采用所述故障预测模型对电机的当前运行数据进行故障预测,得到故障预测结果。
根据本发明实施例提供的电机传动故障预测方法,至少具有如下有益效果:通过采集电机的历史运行数据,包括正常运行工况和异常运行工况下的运行数据,进行数据处理,根据处理后的数据确定故障预测模型,进而对电机的当前运行数据进行故障预测;其中,数据处理过程中,通过选取N个运行工况周期的数据一组作为一个预测数据组,并分割成加速段数据、匀速段数据和减速段数据,分别计算各个数据段的特征值标准差,根据特征值标准差来确定故障预测模型,能够提高传动故障预测的准确度,具有较好的故障预测效果,可以根据故障预测结果进行预警、检修等,避免电机在继续运行过程中发送故障导致财产损失。
在上述的电机传动故障预测方法中,所述历史运行数据和所述当前运行数据包括以下至少之一:
电机扭矩、电机运行电流、电机运行电压、电机转速、电机转轴行程、加速度、平均负载率。
通过采集多种不同类型的运行数据,应用到故障预测中,能够提高预测的准确性。
在上述的电机传动故障预测方法中,所述根据所述特征值标准差确定故障预测模型,包括:
将所述特征值标准差进行时间序列图形化,得到所述预测数据组的特征值波形图;
根据正常运行工况下的所述特征值波形图和异常运行工况下的所述特征值波形图,确定故障预测模型。
特征值波形图能够直观地展示出数据的特性和区别,通过比较正常运行工况下的特征值波形图和异常运行工况下的特征值波形图,可以确定出故障预测的相关特征值以及权重,以及确定故障预测模型,进而得到更加准确的预测结果。
在上述的电机传动故障预测方法中,所述故障预测模型为:
Y=0.01*(A*X1+B*X2)/N
其中,Y为故障预测输出的电机故障概率,A和B为常数,X1为所述特征值波形图中扭矩曲线的标准差,X2为所述特征值波形图中负载率曲线的标准差。
经过大量的试验数据验证,通过该故障预测模型进行计算得出的电机故障概率,具有较高准确性,故障预测效果较好。
在上述的电机传动故障预测方法中,当所述电机故障概率小于或者等于40%,输出的故障预测结果为正常;当所述电机故障概率大于40%且小于60%,输出的故障预测结果为警告;当所述电机故障概率大于或者等于60%,输出的故障预测结果为严重。
根据故障概率的大小,将故障预测结果划分为正常、警告和严重三个级别,正常表示电机没有故障隐患,可以继续运行;警告表示电机存在一定的故障隐患,需要在合适的时机停机进行检修以及维护;严重表示随时可以发生故障,需要及时停机检修或者更换电机。
在上述的电机传动故障预测方法中,在显示界面显示所述故障预测结果,并在所述故障预测结果为警告和严重时发出警示信息。
发出警示信息,可以引起值班和巡检人员的注意避免值班和巡检人员没有及时发现而造成财产损失。
在上述的电机传动故障预测方法中,每隔第一预设周期对电机的当前运行数据进行一次故障预测。
第二方面,本发明实施例提供一种电机传动故障预测装置,包括:
获取模块,用于获取电机在正常运行工况和异常运行工况下的历史运行数据;
数据预处理模块,用于从所述历史运行数据中确定出电机的运行工况周期,并将连续的N个所述运行工况周期的数据作为一个预测数据组;其中N为大于或者等于1的自然数;
数据分割模块,用于根据电机在运行过程中的加速度将所有所述预测数据组分割成加速段数据、匀速段数据和减速段数据;
标准差计算模块,用于分别计算所述加速段数据、所述匀速段数据和所述减速段数据的特征值标准差;
模型确定模块,用于根据所述特征值标准差确定故障预测模型;
预测模块,用于采用所述故障预测模型对电机的当前运行数据进行故障预测,得到故障预测结果。
根据本发明实施例提供的电机传动故障预测装置,至少具有如下有益效果:通过采集电机的历史运行数据,包括正常运行工况和异常运行工况下的运行数据,进行数据处理,根据处理后的数据确定故障预测模型,进而对电机的当前运行数据进行故障预测;其中,数据处理过程中,通过选取N个运行工况周期的数据一组作为一个预测数据组,并分割成加速段数据、匀速段数据和减速段数据,分别计算各个数据段的特征值标准差,根据特征值标准差来确定故障预测模型,能够提高传动故障预测的准确度,具有较好的故障预测效果,可以根据故障预测结果进行预警、检修等,避免电机在继续运行过程中发送故障导致财产损失。
在上述的电机传动故障预测装置中,所述获取模块获取的历史运行数据和所述预测模块获取的当前运行数据包括以下至少之一:
电机扭矩、电机运行电流、电机运行电压、电机转速、电机转轴行程、加速度、平均负载率。
通过采集多种不同类型的运行数据,应用到故障预测中,能够提高预测的准确性。
在上述的电机传动故障预测装置中,所述模型确定模块中的根据所述特征值标准差确定故障预测模型,包括:
将所述特征值标准差进行时间序列图形化,得到所述预测数据组的特征值波形图;
根据正常运行工况下的所述特征值波形图和异常运行工况下的所述特征值波形图,确定故障预测模型。
特征值波形图能够直观地展示出数据的特性和区别,通过比较正常运行工况下的特征值波形图和异常运行工况下的特征值波形图,可以确定出故障预测的相关特征值以及权重,以及确定故障预测模型,进而得到更加准确的预测结果。
在上述的电机传动故障预测装置中,所述模型确定模块中确定的故障预测模型为:
Y=0.01*(A*X1+B*X2)/N
其中,Y为故障预测输出的电机故障概率,A和B为常数,X1为所述特征值波形图中扭矩曲线的标准差,X2为所述特征值波形图中负载率曲线的标准差。
经过大量的试验数据验证,通过该故障预测模型进行计算得出的电机故障概率,具有较高准确性,故障预测效果较好。
在上述的电机传动故障预测装置的预测模块中,当所述电机故障概率小于或者等于40%,输出的故障预测结果为正常;当所述电机故障概率大于40%且小于60%,输出的故障预测结果为警告;当所述电机故障概率大于或者等于60%,输出的故障预测结果为严重。
根据故障概率的大小,将故障预测结果划分为正常、警告和严重三个级别,正常表示电机没有故障隐患,可以继续运行;警告表示电机存在一定的故障隐患,需要在合适的时机停机进行检修以及维护;严重表示随时可以发生故障,需要及时停机检修或者更换电机。
在上述的电机传动故障预测装置的预测模块中,还包括在显示界面显示所述故障预测结果,并在所述故障预测结果为警告和严重时发出警示信息。
发出警示信息,可以引起值班和巡检人员的注意避免值班和巡检人员没有及时发现而造成财产损失。
在上述的电机传动故障预测装置的预测模块中,每隔第一预设周期对电机的当前运行数据进行一次故障预测。
第三方面,本发明实施例提供一种运行控制装置,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如上第一方面实施例所述的电机传动故障预测方法。
根据本发明实施例提供的运行控制装置,至少具有如下有益效果:通过采集电机的历史运行数据,包括正常运行工况和异常运行工况下的运行数据,进行数据处理,根据处理后的数据确定故障预测模型,进而对电机的当前运行数据进行故障预测;其中,数据处理过程中,通过选取N个运行工况周期的数据一组作为一个预测数据组,并分割成加速段数据、匀速段数据和减速段数据,分别计算各个数据段的特征值标准差,根据特征值标准差来确定故障预测模型,能够提高传动故障预测的准确度,具有较好的故障预测效果,可以根据故障预测结果进行预警、检修等,避免电机在继续运行过程中发送故障导致财产损失。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上第一方面实施例所述的电机传动故障预测方法。
根据本发明实施例提供的计算机可读存储介质,至少具有如下有益效果:通过采集电机的历史运行数据,包括正常运行工况和异常运行工况下的运行数据,进行数据处理,根据处理后的数据确定故障预测模型,进而对电机的当前运行数据进行故障预测;其中,数据处理过程中,通过选取N个运行工况周期的数据一组作为一个预测数据组,并分割成加速段数据、匀速段数据和减速段数据,分别计算各个数据段的特征值标准差,根据特征值标准差来确定故障预测模型,能够提高传动故障预测的准确度,具有较好的故障预测效果,可以根据故障预测结果进行预警、检修等,避免电机在继续运行过程中发送故障导致财产损失。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
下面结合附图和实施例对本发明进一步地说明;
图1是本发明实施例提供的一种电机故障预测系统的整体示意图;
图2是本发明实施例提供的一种电机传动故障预测方法的流程图;
图3是本发明另一实施例提供的一种电机传动故障预测方法的流程图;
图4是本发明实施例提供的一种电机传动故障预测装置的结构示意图;
图5是本发明实施例提供的一种运行控制装置的结构示意图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明实施例提供一种电机传动故障预测方法、电机传动故障预测装置、运行控制装置及计算机可读存储介质,能够提高传动故障预测的准确度,具有较好的故障预测效果。
下面结合附图,对本发明实施例作进一步阐述。
参照图1和图2,本发明的第一方面实施例提供一种电机传动故障预测方法,包括但不限于步骤S210至步骤S260:
步骤S210:获取电机在正常运行工况和异常运行工况下的历史运行数据;
步骤S220:从所述历史运行数据中确定出电机的运行工况周期,并将连续的N个所述运行工况周期的数据作为一个预测数据组;其中N为大于或者等于1的自然数;
步骤S230:根据电机在运行过程中的加速度将所有所述预测数据组分割成加速段数据、匀速段数据和减速段数据;
步骤S240:分别计算所述加速段数据、所述匀速段数据和所述减速段数据的特征值标准差;
步骤S250:根据所述特征值标准差确定故障预测模型;
步骤S260:采用所述故障预测模型对电机的当前运行数据进行故障预测,得到故障预测结果。
根据本发明实施例提供的电机传动故障预测方法,通过采集电机的历史运行数据,包括正常运行工况和异常运行工况下的运行数据,进行数据处理,根据处理后的数据确定故障预测模型,进而对电机的当前运行数据进行故障预测;其中,数据处理过程中,通过选取N个运行工况周期的数据一组作为一个预测数据组,并分割成加速段数据、匀速段数据和减速段数据,分别计算各个数据段的特征值标准差,根据特征值标准差来确定故障预测模型,能够提高传动故障预测的准确度,具有较好的故障预测效果,可以根据故障预测结果进行预警、检修等,避免电机在继续运行过程中发送故障导致财产损失。
可以理解的是,本发明实施例提供的电机传动故障预测方法,尤其适用于电机与丝杆结构传动异常故障检测。
需要说明的是,电机的数据采集方式,可以通过自主开发数据采集软件来完成,以及可以咨询对应的电机供应商了解相关数据如何采集;另外,还可以采用增加外部传感器例如振动传感器,来进行数据采集,传感器可以采集到电机的实时数据。
在上述的电机传动故障预测方法中,步骤S210中的历史运行数据和步骤S260中的当前运行数据包括以下至少之一:
电机扭矩、电机运行电流、电机运行电压、电机转速、电机转轴行程、加速度、平均负载率。
通过采集多种不同类型的运行数据,应用到故障预测中,能够提高预测的准确性。
可以理解的是,电机的运行数据的采集频率一般设置为10ms,采集到的数据可以先存储在数据库中,在需要使用时进行调用。
参照图3,在上述的电机传动故障预测方法中,步骤S250中的所述根据所述特征值标准差确定故障预测模型,包括但不限于步骤S310至步骤S320:
步骤S310:将所述特征值标准差进行时间序列图形化,得到所述预测数据组的特征值波形图;
步骤S320:根据正常运行工况下的所述特征值波形图和异常运行工况下的所述特征值波形图,确定故障预测模型。
特征值波形图能够直观地展示出数据的特性和区别,通过比较正常运行工况下的特征值波形图和异常运行工况下的特征值波形图,可以确定出故障预测的相关特征值以及权重,以及确定故障预测模型,进而得到更加准确的预测结果。
在上述的电机传动故障预测方法中,步骤S250中确定的故障预测模型为:
Y=0.01*(A*X1+B*X2)/N
其中,Y为故障预测输出的电机故障概率,A和B为常数,X1为所述特征值波形图中扭矩曲线的标准差,X2为所述特征值波形图中负载率曲线的标准差。
经过大量的试验数据验证,通过该故障预测模型进行计算得出的电机故障概率,具有较高准确性,故障预测效果较好。
在上述的电机传动故障预测方法中,当所述电机故障概率小于或者等于40%,输出的故障预测结果为正常;当所述电机故障概率大于40%且小于60%,输出的故障预测结果为警告;当所述电机故障概率大于或者等于60%,输出的故障预测结果为严重。
根据故障概率的大小,将故障预测结果划分为正常、警告和严重三个级别,正常表示电机没有故障隐患,可以继续运行;警告表示电机存在一定的故障隐患,需要在合适的时机停机进行检修以及维护;严重表示随时可以发生故障,需要及时停机检修或者更换电机。
在上述的电机传动故障预测方法中,在显示界面显示所述故障预测结果,并在所述故障预测结果为警告和严重时发出警示信息。
发出警示信息,可以引起值班和巡检人员的注意避免值班和巡检人员没有及时发现而造成财产损失。
在上述的电机传动故障预测方法中,每隔第一预设周期对电机的当前运行数据进行一次故障预测。
参照图4,本发明的第二方面实施例提供一种电机传动故障预测装置,包括:
获取模块410,用于获取电机在正常运行工况和异常运行工况下的历史运行数据;
数据预处理模块420,用于从所述历史运行数据中确定出电机的运行工况周期,并将连续的N个所述运行工况周期的数据作为一个预测数据组;其中N为大于或者等于1的自然数;
数据分割模块430,用于根据电机在运行过程中的加速度将所有所述预测数据组分割成加速段数据、匀速段数据和减速段数据;
标准差计算模块440,用于分别计算所述加速段数据、所述匀速段数据和所述减速段数据的特征值标准差;
模型确定模块450,用于根据所述特征值标准差确定故障预测模型;
预测模块460,用于采用所述故障预测模型对电机的当前运行数据进行故障预测,得到故障预测结果。
根据本发明实施例提供的电机传动故障预测装置,通过采集电机的历史运行数据,包括正常运行工况和异常运行工况下的运行数据,进行数据处理,根据处理后的数据确定故障预测模型,进而对电机的当前运行数据进行故障预测;其中,数据处理过程中,通过选取N个运行工况周期的数据一组作为一个预测数据组,并分割成加速段数据、匀速段数据和减速段数据,分别计算各个数据段的特征值标准差,根据特征值标准差来确定故障预测模型,能够提高传动故障预测的准确度,具有较好的故障预测效果,可以根据故障预测结果进行预警、检修等,避免电机在继续运行过程中发送故障导致财产损失。
在上述的电机传动故障预测装置中,所述获取模块410获取的历史运行数据和所述预测模块460获取的当前运行数据包括以下至少之一:
电机扭矩、电机运行电流、电机运行电压、电机转速、电机转轴行程、加速度、平均负载率。
通过采集多种不同类型的运行数据,应用到故障预测中,能够提高预测的准确性。
在上述的电机传动故障预测装置中,所述模型确定模块450中的根据所述特征值标准差确定故障预测模型,包括:
将所述特征值标准差进行时间序列图形化,得到所述预测数据组的特征值波形图;
根据正常运行工况下的所述特征值波形图和异常运行工况下的所述特征值波形图,确定故障预测模型。
特征值波形图能够直观地展示出数据的特性和区别,通过比较正常运行工况下的特征值波形图和异常运行工况下的特征值波形图,可以确定出故障预测的相关特征值以及权重,以及确定故障预测模型,进而得到更加准确的预测结果。
在上述的电机传动故障预测装置中,所述模型确定模块450中确定的故障预测模型为:
Y=0.01*(A*X1+B*X2)/N
其中,Y为故障预测输出的电机故障概率,A和B为常数,X1为所述特征值波形图中扭矩曲线的标准差,X2为所述特征值波形图中负载率曲线的标准差。
经过大量的试验数据验证,通过该故障预测模型进行计算得出的电机故障概率,具有较高准确性,故障预测效果较好。
在上述的电机传动故障预测装置的预测模块中,当所述电机故障概率小于或者等于40%,输出的故障预测结果为正常;当所述电机故障概率大于40%且小于60%,输出的故障预测结果为警告;当所述电机故障概率大于或者等于60%,输出的故障预测结果为严重。
根据故障概率的大小,将故障预测结果划分为正常、警告和严重三个级别,正常表示电机没有故障隐患,可以继续运行;警告表示电机存在一定的故障隐患,需要在合适的时机停机进行检修以及维护;严重表示随时可以发生故障,需要及时停机检修或者更换电机。
在上述的电机传动故障预测装置的预测模块中,还包括在显示界面显示所述故障预测结果,并在所述故障预测结果为警告和严重时发出警示信息。
发出警示信息,可以引起值班和巡检人员的注意避免值班和巡检人员没有及时发现而造成财产损失。
在上述的电机传动故障预测装置的预测模块460中,每隔第一预设周期对电机的当前运行数据进行一次故障预测。
另外,参照图5,本发明的第三方面实施例提供一种运行控制装置500,包括至少一个控制处理器510和用于与所述至少一个控制处理器510通信连接的存储器520;所述存储器520存储有可被所述至少一个控制处理器510执行的指令,所述指令被所述至少一个控制处理器510执行,以使所述至少一个控制处理器510能够执行如上第一方面实施例所述的电机传动故障预测方法,例如,执行执行图2中的方法步骤S210至步骤S260,或者执行图3中的方法步骤S310至步骤S320。
根据本发明实施例提供的运行控制装置500,通过采集电机的历史运行数据,包括正常运行工况和异常运行工况下的运行数据,进行数据处理,根据处理后的数据确定故障预测模型,进而对电机的当前运行数据进行故障预测;其中,数据处理过程中,通过选取N个运行工况周期的数据一组作为一个预测数据组,并分割成加速段数据、匀速段数据和减速段数据,分别计算各个数据段的特征值标准差,根据特征值标准差来确定故障预测模型,能够提高传动故障预测的准确度,具有较好的故障预测效果,可以根据故障预测结果进行预警、检修等,避免电机在继续运行过程中发送故障导致财产损失。
另外,本发明的第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上第一方面实施例所述的电机传动故障预测方法,例如,执行执行图2中的方法步骤S210至步骤S260,或者执行图3中的方法步骤S310至步骤S320。
根据本发明实施例提供的计算机可读存储介质,通过采集电机的历史运行数据,包括正常运行工况和异常运行工况下的运行数据,进行数据处理,根据处理后的数据确定故障预测模型,进而对电机的当前运行数据进行故障预测;其中,数据处理过程中,通过选取N个运行工况周期的数据一组作为一个预测数据组,并分割成加速段数据、匀速段数据和减速段数据,分别计算各个数据段的特征值标准差,根据特征值标准差来确定故障预测模型,能够提高传动故障预测的准确度,具有较好的故障预测效果,可以根据故障预测结果进行预警、检修等,避免电机在继续运行过程中发送故障导致财产损失。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质或非暂时性介质和通信介质或暂时性介质。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息诸如计算机可读指令、数据结构、程序模块或其他数据的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘DVD或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在所述技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
- 风力发电机组快速起动方法、装置及计算机可读存储介质
- 电池管理系统故障预测方法、装置及可读存储介质
- 点击率预测方法、电子装置及计算机可读存储介质
- 预测方法、装置、电子设备及计算机可读存储介质
- 人才数量预测方法和装置、设备、计算机可读存储介质
- 设备故障的预测方法、装置、计算机设备及计算机可读存储介质
- 永磁同步电机的模型预测转矩控制装置及方法、电机控制器及计算机可读存储介质