[发明专利]电机工况异常检测模型的训练方法及系统

权利要求书

1.一种电机工况异常检测模型的训练方法，其特征在于，包括：

连续采集电机运行数据，以得到电机工况，直到电机运行稳定；

对电机运行稳定之后的电机工况进行切分，以得到稳态工况列表，其中，所述稳态工况列表包括不同稳定转速工况和不同电流工况的若干组合工况；

将所述稳态工况列表中的各组合工况对应的工况序号和十六维特征矩阵文件作为训练数据，输入预设机器学习模型中，其中，所述十六维特征矩阵的每一行表示一个样本，第一列为时间信息，第二列表示转速，第三列表示稳定状态，第四列表示温度，剩余列表示12个时域和频域特征，根据电机工况的切分结果，采用隔离异常点的方法，训练得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型，其中，所述工况异常检测模型的数量与组合工况的数量对应，

所述连续采集电机运行数据，以得到电机工况，直到电机运行稳定，具体包括：

采集电机运行数据，以得到工况文件；

基于所述工况文件中的电机振动原始信号，提取振动特征信号，以得到与所述工况文件对应的特征文件；

将所述工况文件和所述特征文件进行同步化；

根据同步化后的所述工况文件和所述特征文件，得到电机运行稳定状态；

在所述电机运行稳定状态为稳态之后，结束对电机运行数据的采集；

所述对电机运行稳定之后的电机工况进行切分，以得到稳态工况列表，具体包括：

根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组；

对各所述初步分组中的电流数据标记稳态电流标签；

根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果。

2.根据权利要求1所述的电机工况异常检测模型的训练方法，其特征在于，所述根据稳定转速向量对工况文件中的数据进行初步切分，得到若干初步分组，具体包括：

从配置文件中获取若干稳定转速向量；

根据所述稳定转速向量对所述工况文件中的数据进行初步切分，得到若干初步分组，以将不同转速的数据切分开，并将同一转速的数据作为同一个初步分组，其中，所述初步分组的数量与所述稳定转速向量的数量对应，在同一个初步分组中，同一转速工况对应若干种不同电流工况。

3.根据权利要求1所述的电机工况异常检测模型的训练方法，其特征在于，所述根据所述稳态电流标签对各初步分组进行二次切分，得到最终切分结果，具体包括：

在各所述初步分组中，将标记为同一稳态电流标签的数据作为同一个精细分组；

根据各所述初步分组中的各所述精细分组，得到工况列表，其中，所述工况列表包括不同转速和不同电流的组合工况；

将所述工况列表输出为包括转速变量和电流变量的CSV文件，其中，所述CSV文件中包括各个转速所对应的工况，并且每个转速对应若干个电流工况。

4.根据权利要求1所述的电机工况异常检测模型的训练方法，其特征在于，所述采用隔离异常点的方法，利用所述训练数据对所述预设机器学习模型进行训练，得到与所述稳态工况列表中的各组合工况对应的工况异常检测模型，具体包括：

基于所述训练数据，构建由若干个隔离树组成的隔离森林；

将待异常检测的数据对所述隔离森林进行遍历，计算异常得分，以根据所述异常得分判断待异常检测的数据中是否存在异常数据。

5.根据权利要求4所述的电机工况异常检测模型的训练方法，其特征在于，所述基于所述训练数据，构建若干个隔离树，具体包括：

步骤A1：从训练数据中随机选择Ψ个样本，放入一棵隔离树的根节点；

步骤A2：随机指定一个维度，在当前节点数据中随机产生一个切割点p，其中，所述切割点p产生于当前节点数据中指定维度的最大值和最小值之间；

步骤A3：以随机生成的切割点p生成一个超平面，然后将当前节点数据空间划分为2个子空间；

步骤A4：将指定维度中小于p的数据放在当前节点的左子树，将大于等于p的数据放在当前节点的右子树；

步骤A5：在子树分支中递归步骤A2和步骤A3，不断构造新的叶子节点，直到叶子节点中只有一个数据，无法再继续切割或树已到达限定高度。