[发明专利]基于神经网络的三相交流异步电机多参数寿命预测方法

权利要求书

1.基于神经网络的三相交流异步电机多参数寿命预测方法，其特征在于，预测步骤包括：

1)组建神经网络训练集：

a)构建全损耗训练子集：在现有电动机保护器后台管理软件中，针对每台已经出现故障需要更换的电机，提取故障维修时的运行状态参数，将这些数据进行标准化后，构建神经网络输入向量I_k；由于这些电机为已经出现故障/维修时电机，将其已使用寿命标记为100％；

b)构建半数寿命训练子集：在现有电动机保护器后台管理软件中，针对每台已经出现故障需要更换的电机，提取其使用寿命一半时的运行状态参数，将这些数据进行标准化后，并入神经网络输入向量I_k；由于提取的是已故障电机一半使用寿命时的参数，将其已使用寿命标记为50％；

c)构建一成损耗训练子集：在现有电动机保护器后台管理软件中，针对每台已经出现故障需要更换的电机，提取其使用寿命10％时的运行状态参数，将这些数据进行标准化后，并入神经网络输入向量I_k；由于提取的是已故障电机10％使用寿命时的参数，将其已使用寿命标记为10％；

上述各训练集中，k等于2以及8,…,12中的至少两值，运行状态参数包括总运行时间i₂，且包括最大平均工作电流i₈、最大工作电流i₉、平均功率因数i₁₀,最小功率因数i₁₁和平均工作温度i₁₂中的至少两种；

2)将上述训练集送入神经网络进行训练，所述神经网络的输入层有着与k取值个数h相同的输入节点数，并与上述状态参数的各个输入数 据相对应，神经网络获得的输出量描述为电机已使用寿命，是一个0到1的百分比/小数；

3)利用误差反向传播算法修正网络参数，获得网络对电机已使用寿命的参数化描述；上述神经网络结构包括：一个输入层，四个全连接层，一个softmax分类层，四个全连接层每层设定4h个内部节点，h为状态参数种类数；

4)构建电机损耗测试集：在现有电动机保护器后台管理软件中，针对每台已经出现故障、需要更换的电机，提取其任意时刻的上述运行状态参数组成测试集，将测试集的数据输入神经网络，根据网络正向传播过程预测电机使用寿命。

2.根据权利要求1所述的三相交流异步电动机多参数寿命预测方法，其特征在于，参数i_k,k＝8,…,12由以下标准化公式计算：

i₉＝max_t(max(I_A+I_B+I_C))，

其中，I_A，I_B，I_C分别为A、B、C三相电流，max_t表示取历史记录中的最大值，是阻抗角，min_t表示取历史时刻最小值，T表示电机工作温度，t表示电机工作时间。

3.根据权利要求1所述的三相交流异步电动机多参数寿命预测方法，其特征在于，

运行状态参数还包括运行总启动时间i₁、总启停次数i₃、总热过载跳闸时间i₄、总堵转跳闸时间i₅、总三相不平衡跳闸时间i₆、总能耗i₇和电机额定功率i₁₃中的0-7种，k与之对应的还等于1,3,4,5,6,7,13中的0-7种。

4.根据权利要求1所述的三相交流异步电动机多参数寿命预测方法，其特征在于，

步骤3)的分类层中，softmax分类器定义为：将所有类标记的m个值进行累加作为分母，将样本x⁽ⁱ⁾分类到类别j的概率为：

其中，e为自然常数，θ为分类参数，T表示转置,j为故障种类编号。

5.根据权利要求1-4任一项所述的预测方法，其特征在于，选取至少三个典型工作阶段，100％损耗、50％损耗和10％损耗的运行状态参数作为训练样本。