[发明专利]电机故障诊断方法及系统

权利要求书

1.一种电机故障诊断方法，其特征在于，包括以下步骤：

S1：选取待测电机的正常运行数据作为正常训练数据集，根据所述正常训练数据集计算第一检测统计量，并根据所述第一检测统计量计算检测阈值；

S2：从历史故障运行数据中选取不同类型的故障数据作为故障训练数据集，根据所述故障训练数据集计算第二检测统计量，采用核密度估计法计算所述第二检测统计量的故障概率密度函数，并构建所有类型故障样本的概率密度函数集；

S3：选取待测电机的实时运行数据作为测试数据集，根据所述测试数据集计算第三检测统计量，将所述第三检测统计量与所述检测阈值进行比较，若所述第三检测统计量的值大于所述检测阈值，则判定发生故障，进入S4；反之，重新选取测试数据集，直至检测到电机发生故障；

S4：采用核密度估计法计算所述第三检测统计量的概率密度函数，并构建测试数据集的概率密度函数集，根据所述测试数据集的概率密度函数集和所述S2中所述所有类型故障样本的概率密度函数集的距离诊断故障类型。

2.根据权利要求1所述的电机故障诊断方法，其特征在于，所述S1具体包括以下步骤：

S11：将正常训练数据集X表示为：

式中，m为电机传感器个数，N为采样点数，x为根据时间序列采集到的电机运行数据样本，为实数集；

S12：对数据集X进行归一化预处理，得到数据集为：

计算数据集的均值矩阵μ，计算公式为：

式中，

计算数据集的协方差矩阵S，计算公式为：

采用滑窗法计算第一检测统计量，计算公式为：

式中，l(k)为第k个正常训练样本集的第一检测统计量，为第k个正常训练样本集的均值矩阵，z为第k个正常训练样本集的样本个数，为第k个正常训练样本集的协方差矩阵，S^-1为正常训练数据集的协方差矩阵的逆矩阵，||为二范数，tr()为矩阵的迹；

经过h次滑窗后，得到正常训练数据集的h个第一检测统计量为：l(1),…,l(h)；

S13：从正常训练数据集的h个第一检测统计量中随机抽取B个统计量，构成集合{l₁,…,l_B}，其中B＜h，对B个抽样样本按从小到大顺序重新排序为：l₍₁₎＜l₍₂₎＜…＜l_(w)，令其中第w个最大的统计量值l_(w)＝λ×α，其中α为允许的误报警率，λ为随机抽样次数，重复λ次抽样结束后，得到：计算检测阈值J_th，计算公式为：