[发明专利]一种基于支持向量机和数据驱动的旋转电机状态监测方法

权利要求书

1.一种基于支持向量机和数据驱动的旋转电机状态监测方法，其特征在于，该方法包括以下步骤：

步骤1、在旋转电机的外壳安装数据采集装置，所述数据采集装置包括加速度传感器、电源模块和LORA通信模块；通过数据采集装置测量旋转电机在健康状态的加速度、温度值；

步骤2、将步骤1采集的数据通过LORA通信模块发送到服务端；服务端对加速度数据进行卡尔曼滤波、积分处理，得到速度信息和位移信息；

步骤3、使用连续小波分析方法获得加速度数据和速度数据的时频谱图，温度数据的均方差值图；通过图分析数据判断旋转设备是否正常，判断条件如下：

a)速度与加速度在时域幅值超过阈值，速度均方根值明显偏大；

b)温度值超过阈值；

c)除旋转电机主频外有其他明显主要频率成分存在；

d)除旋转电机主频外有高频信号存在超过一定时间周期，或存在周期性信号；

若以上任意一个特征出现则判断旋转电机出现问题，发出警报，否则初步判断旋转电机正常，执行步骤4；

步骤4、采用大量历史加速度、速度数据代入自回归滑动平均模型或者使用支持向量回归模型训练预测模型，利用前一至两个星期的数据，预测旋转电机当天速度运行曲线，由于旋转电机信号为非平稳信号，存在误差，故采用历史误差矩阵对测量值补偿，补偿后的测量值再与真值比较，得到平均误差；

所述的历史误差矩阵在每一次计算后迭代更新，再利用误差对原始测量值X_t补偿得到新的测量值

Erorr_t＝Erorr_t-1+e_t

Error表示误差值，即每一时刻真实值与预测值的差，初始值为零，和测量值的维数相同；t表示时刻，e_t表示在t时刻的测量误差值；在t时刻，预测值则会加上从0，…，t-1时刻的该位置误差值的平均值；采用与真值比较，得到平均误差；

步骤5、将步骤4得到的平均误差值作为主要特征，再根据旋转电机的辅助特征，利用支持向量机对旋转电机当前情况进行分类；辅助特征包括：温度、电机当前转速、电机当前功率、电机当前转速与额定转速之比、当前功率输出与额定功率之比、电机转子电流大小、电机目前负载等级；支持向量机的输出可分为多种故障情况，若直接考虑振动三轴误差，可判断电机目前安装状态是否正常；若振动误差过大且出现功率比过低，则考虑轴承是否连接正常；若出现误差产生周期性突然增大，即误差出现脉冲现象，则判断轴承某处出现裂痕问题；若误差周期性增大且电机功率突然下降，则判断电机抱轴问题；若出现温度过高，转子电流过大，则判断出现电压过高、轴承过热问题，支持向量机以振动误差作为主要参数，参考辅助特征给出故障情况。

2.根据权利要求1所述的一种基于支持向量机和数据驱动的旋转电机状态监测方法，其特征在于，所述数据采集装置还包括湿度传感器，通过湿度值辅助工人检查电机运行状况；湿度值在步骤3中可作为判断条件辅助监测旋转电机健康状况。

3.根据权利要求1所述的一种基于支持向量机和数据驱动的旋转电机状态监测方法，其特征在于，所述步骤3中，利用Morlet小波对原始加速度和速度数据进行小波变换得到时频谱图，公式为：

F_d＝F_a·f_s/a

式中，ω(t)表示小波函数，i表示复数，t表示时间，a表示小波变换尺度，σ表示小波平移系数；表示原数据与固定尺度a下的小波函数卷积后得到的系数，x(t)表示t时刻采集的加速度值或速度值；F_d表示实际频率，F_a表示小波中心频率，f_s表示采样频率；更改小波变换尺度即可匹配原信号的不同频率值。