[发明专利]一种用于驱动系统的异常预测的方法及设备

说明书

本申请的目的是提供一种用于驱动系统的异常预测的方法及设备，本申请通过获取驱动系统的当前响应参数以及获取驱动系统的历史状态参数；根据所述当前响应参数及所述历史状态参数确定对应的第一特征及第二特征；根据所述第一特征及所述第二特征建立所述驱动系统的状态分布图；根据所述状态分布图确定异常风险所在区域，将所述异常风险区域进行量化，根据量化的结果预测所述驱动系统的异常信息。从而能够预测驱动系统在未来可能发生的异常，以及预测时不需要追加额外的传感器。

技术领域

本申请涉及机械设备数据分析领域，尤其涉及一种用于驱动系统的异常预测的方法及设备。

背景技术

在输送设备(比如汽车)的生产制造中，各种电机驱动系统广泛应用于生产钱，而驱动系统是否正常工作，对生产线的可靠生产影响重大。因此，对驱动系统的异常诊断以及预测尤为重要。

现有的一些追加额外的传感器的技术，比如振动、温度传感器，可以一定程度实现异常诊断功能，但是安装传感器的成本以及现场的空间限制和后期改造可能带来的新的问题隐患，导致追加新的硬件且不能对未来趋势进行预测。在工厂的实际生产中，人工标记数据的正常或异常是比较困难的，通常异常的数据记录也是比较少，所以需要使用无监督学习来得到一个模型。另外，变频器和PLC等控制器的通讯资源通常是有限的，应该尽量少的占用通道。

发明内容

本申请的一个目的是提供一种用于驱动系统的异常预测的方法及设备，解决现有技术中诊断驱动系统异常时需要追加额外的传感器以及不能进行预测驱动系统可能发生异常的问题。

根据本申请的一个方面，提供了一种用于驱动系统的异常预测的方法，该方法包括：

获取驱动系统的当前响应参数以及获取驱动系统的历史状态参数；

根据所述当前响应参数及所述历史状态参数确定对应的第一特征及第二特征；

根据所述第一特征及所述第二特征建立所述驱动系统的状态分布图；

根据所述状态分布图确定异常风险所在区域，将所述异常风险所在区域进行量化，根据量化的结果预测所述驱动系统的异常信息。

进一步地，获取驱动系统的当前响应参数，包括：

根据驱动系统的运动控制和程序启动的信息确定基准程序；

获取所述基准程序运行时的所述驱动系统的当前响应参数。

进一步地，获取驱动系统的历史状态参数，包括：

获取多个时间段内获取的驱动系统的响应参数；

根据每一时段内的响应参数判断所述驱动系统的状态，得到多次判断结果，获取该多次判断结果作为历史状态参数。

进一步地，所述基准程序包括所述驱动系统的运动控制的位置变化信息以及标志位。

进一步地，所述方法包括：

获取所述基准程序运行时的所述位置变化信息对应的所述驱动系统的响应参数；

根据所述基准程序的标志位计算节拍时间；

利用分位数及所述节拍时间标记所述响应参数，根据标记后的响应参数确定数据采集项特征值范围。

进一步地，获取所述基准程序运行时的所述驱动系统的当前响应参数之后，包括：

根据所述数据采集项特征值范围定位所述当前响应参数中出现异常的参数。

进一步地，所述驱动系统的状态分布图，包括：所述当前状态的分布区域、所述驱动系统的健康状态的分布区域及所述驱动系统的多类异常状态下的分布区域。

进一步地，根据所述状态分布图确定异常风险所在区域，包括：