[发明专利]电机工况异常检测模型的训练方法及系统

说明书

本发明公开了一种电机工况异常检测模型的训练方法及系统，所述方法包括：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，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；根据电机工况的切分结果，采用隔离异常点方法，训练得到与稳态工况列表中的各组合工况对应的工况异常检测模型，工况异常检测模型的数量与组合工况的数量对应。本发明通过对电机工况进行切分，有利于获得有效的电机运行工况，采用隔离异常点的方法训练得到工况异常检测模型，进而利用模型自动直接获得电机状态监测结果，有利于降低误报率和漏报率，提高工况异常检测的准确性。

技术领域

本发明涉及电机诊断技术领域，尤其涉及一种电机工况异常检测模型的训练方法及系统。

背景技术

电机状态监测和故障诊断技术是一种了解和掌握电机在使用过程中的状态，确定其整体或局部正常或异常，发现故障及其原因的技术。现有技术方案一般是基于电气特征分析技术的状态监测诊断装置，通过测量电机负载运行时的电流、电压信号，分析频谱、谐波、电气参数等特征，进一步探测到源于轴承故障、不对中故障、负载故障、机械松动、绝缘和一系列电气和机械故障的状态变化，进而判断整个传动系统的故障所在。

但是，传统技术方案是以设备当下状态为研究重点，无法对设备的未来发展趋势进行预测，更无法对设备健康状态进行系统地管理。如何有效地训练得到电机工况异常检测模型，进而根据电机工况异常检测模型来判定电机是否处于异常状态，是基于电机数据监测电机状态以及诊断电机故障所要解决的一个重要问题。

因此，亟需一种电机工况异常检测模型的训练方法及系统。

发明内容

本发明的目的是提供一种电机工况异常检测模型的训练方法及系统，以解决上述现有技术中的问题，能够降低误报率和漏报率，提高工况异常检测的准确性。

本发明提供了一种电机工况异常检测模型的训练方法，其中，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；

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。

如上所述的电机工况异常检测模型的训练方法，其中，优选的是，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。

如上所述的电机工况异常检测模型的训练方法，其中，优选的是，所述对电机工况进行切分，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。

如上所述的电机工况异常检测模型的训练方法，其中，优选的是，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：