[发明专利]工业电动机的故障诊断及预测性维护方法

权利要求书

1.工业电动机的故障诊断及预测性维护方法，其特征在于，包括以下步骤：

S1、电机数据采集：通过电动机关联的传感器、电动机关联的组件获取电动机相关性能数据；

S2、数据分析：将电动机相关性能数据传输至AI智能机器人，获得电动机的故障诊断及预测性维护结论；

S3、维护：自动生成预测性维护计划，用户基于维护计划开展线下维护工作。

2.根据权利要求1所述的工业电动机的故障诊断及预测性维护方法，其特征在于，所述电动机性能数据包括电动机电压信号数据、电动机电流信号数据、电动机内部湿度数据、电动机内部温度数据、电动机振动数据和电动机其他运行数据。

3.根据权利要求2所述的工业电动机的故障诊断及预测性维护方法，其特征在于，所示电动机关联的传感器包括电压传感器、电流传感器、温度传感器、湿度传感器和振动传感器。

4.根据权利要求3所述的工业电动机的故障诊断及预测性维护方法，其特征在于，所述电压传感器和电流传感器安装与电动机控制柜内，所述电压传感器采集电动机的电压信号，所述电流传感器采集电动机的电流信号，所述温度传感器、湿度传感器和振动传感器安装于电动机的内部，所述温度传感器采集电动机的内部温度数据，所述湿度传感器采集电动机的内部湿度数据，所述振动传感器提供电动机的振动数据，该振动数据包括整体振动数据、振动峰值；该振动传感器所得的整体振动数据频率、波形的变化能够反映轴存在的问题，该问题包括不平衡，不对中或机械松动；该峰值数据提供对机器影响的可靠测量，随着峰值等级的增加，它直接显示要产生的问题，该问题包括润滑不良、轴承故障或齿轮故障，通过增加整体振动和峰值数据来检测过程引起的故障。

5.根据权利要求2所述的工业电动机的故障诊断及预测性维护方法，其特征在于，所述电动机关联的组件包括超声检测仪和热像仪。

6.根据权利要求5所述的工业电动机的故障诊断及预测性维护方法，其特征在于，所述超声检测仪和热像仪安装于电动机内部，所述超声检测仪用于跟踪高频摩擦力，摩擦力监测直接表明设备的相对健康状况，能够及时获知设备的润滑状态和其它机械部件的运行状态信息，轴承状态监测；

所述热像仪用于接收电机任何部分发出的红外线，通过有颜色的图片来显示被测量物表面的温度分布，根据温度的微小差异来找出温度的异常点，从而起到与维护的作用。

7.根据权利要求1所述的工业电动机的故障诊断及预测性维护方法，其特征在于，在步骤S2中，具体的实施方式如下：

S21、AI智能机器人基于云端服务器下载关于电动机的相关数据信息；

S22、AI智能机器人基于回归算法初步学习，建立初步的电动机数据库；

S23、AI智能机器人基于神经网络算法深度学习，建立电动机数据模型库；

S24、将电动机相关性能数据传输至AI智能机器人内；

S25、AI智能机器人将电动机相关性能数据与电动机数据模型库进行数据分析，获得电动机的故障诊断及预测性维护结论，同时自动生成预测性维护计划，同时在分析的过程中AI智能机器人还会基于神经网络算法进行深度学习，不断完善电动机数据模型库。