[发明专利]基于MPU6050和决策树的电机故障诊断方法及系统

说明书

本申请提供了一种基于MPU6050和决策树的电机故障诊断方法及系统，该方法包括：利用MPU6050获取故障模拟模型中电机的振动信号；将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，输入训练好的决策树中；利用决策树对输入的数据样本进行识别，输出电机故障诊断结果。利用训练好的决策树对故障信号进行自动识别，避免人为经验的主观判断，提高了故障识别的准确度。

技术领域

本发明涉及电机故障诊断技术领域，具体涉及一种基于MPU6050和决策树的电机故障诊断方法及系统。

背景技术

电机广泛应用在现代工业生产中，但是目前，电机故障检测的主要方式仍是依靠维修人员经验的检测方法，检测过程中掺杂主观因素，主要依据电机轴承振动以及声音等信号进行判断，不能准确快速识别判断故障类型，为电机维修造成困扰。

发明内容

有鉴于此，本申请实施例致力于提供一种基于MPU6050和决策树的电机故障诊断方法及系统，基于电机故障模拟平台搭建、数据采集、滤波处理、决策树诊断的故障诊断方式，实现快速准确故障类型诊断。

本发明提供一种基于MPU6050和决策树的电机故障诊断方法，包括：

利用MPU6050获取故障模拟模型中电机的振动信号；

将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，输入训练好的决策树中；

利用决策树对输入的数据样本进行识别，输出电机故障诊断结果。

优选的，所述预处理为对采集的振动信号进行算术均值滤波，滤除噪声信号。

在上述任意一项实施例中优选的，在获取振动信号之前，还包括对MPU6050进行校准。

在上述任意一项实施例中优选的，所述决策树在采用如下方法进行训练：步骤1、将处理后的数据样本，形成数据集；步骤2、对数据样本进行快速傅里叶变换，形成一维数组；步骤3、在一维数组中求解最优切分变量和相应切分点(j，s)；步骤4、用最优的(j，s)将数据集划分为两个子域并决定相应的输出值；步骤5、对划分后的子域重复进行步骤3-4，直到叶子节点数目满足预设要求；步骤6、依据上述步骤中的多对(j，s)值，生成决策树，采用后剪枝的方法对得到的决策树进行剪枝，得到最终所需的决策树。

在上述任意一项实施例中优选的，所述故障模拟模型中模拟的故障包括模拟转子不对称故障、不对中故障，轴承松动故障、轴承裂纹故障；通过改变电机转速模拟，模拟不同类型故障以及故障的严重程度。

在上述任意一项实施例中优选的，所述最优切分变量和相应切分点，采用如下公式进行计算：

其中，y_i表示输出的真实值，c₁，c₂分别表示两个不同子区间内输出y_i的平均值，也是该区间内的最优值。

本发明还提供一种基于MPU6050和决策树的电机故障诊断系统，用于实施上述诊断方法，包括MPU6050传感器、电机和偏心块形成的故障模拟模型、单片机和上位机；

所述MPU6050传感器用于获取故障模拟模型中电机的振动信号；

所述电机和偏心块形成的故障模拟模型，利用电机与偏心块配合模拟各种类型下的电机故障；

所述单片机用于将获取的振动信号，进行预处理，将预处理后的数据作为数据样本，发送至上位机，所述上位机用于将数据样本输入训练好的决策树中；利用决策树对输入的数据样本进行识别，输出电机故障诊断结果。

优选的，所述电机外部设有外壳，所述外壳固定电机，所述外壳一侧固定安装偏心块。