[发明专利]一种基于历史数据的牵引电机温升预测方法

说明书

本发明实施例公开一种基于历史数据的牵引电机温升预测方法，该方法包括以下步骤：获取牵引电机历史数据，牵引电机历史数据是按照同一频率对一段时间内的牵引电机历史数据进行采集获得，牵引电机历史数据按照一类传感数据为一个字段进行存储；根据所需要的字段对牵引电机历史数据进行处理，得到第一温度特征序列数据；根据预先设置的时间间隔阈值，对第一温度特征序列数据进行时间分段处理，得到第二温度特征序列数据；按照设定的时间窗口宽度和滑动步长对第二温升特征序列数据进行采样，得到多组温度特征数据；对多组温度特征数据进行划分，得到训练样本数据和测试样本数据；使用训练数据和测试数据对神经网络模型进行训练测试，生成目标神经网络模型。

技术领域

本发明涉及牵引电机温升预测方法，具体而言，涉及一种基于历史数据的牵引电机温升预测方法。

背景技术

随着社会经济的创新和发展，设备变得更加高效与智能，但设备本身维护工作却面临巨大挑战。传统的设备维护方式有两种，一种是故障后维修的事后维修方式，一种是周期性停机维护的预防性维护方式。这两种传统的设备维护方式不仅会造成生产率的降低，尤其是计划之外的生产中断，会对生产商造成一定的经济损失。

近些年来，预测性维护逐渐受到企业的青睐，预测性维护是从预防性维护发展而来的，是更高层次的维护方式。它以设备状态为基础，以预测设备状态发展趋势为依据，通过信息采集、处理、综合分析后有目的安排维护的周期和维护的项目，“该修则修，修必修好”。它和传统的维护方式相比，具有明显的优势。

电机预测性维护在电机运行时，对它的主要部位进行定期(或连续)的状态监测和故障诊断，判定电机所处的状态，预测电机状态未来的发展趋势，依据电机的状态发展趋势和可能的故障模式，预先制定预测性维修计划，确定电机应该修理的时间、内容、方式和必需的技术和物资支持。电机预测性维护集电机状态监测、故障诊断、状态预测、维修决策支持和维修活动于一体，是一种新兴的维修方式。

目前电机预测性维护中，针对电机温度监测通常通过两类方法，一类是进行物理建模，另外一类是通过数据统计学分析的方法。通过物理建模的方法存在的普遍问题是原理复杂，无法精确建模。通过数据统计学分析的方法，虽然不用对电机的具体原理进行分析，但是依然存在无法得到普适而又精确的结果的问题。

发明内容

本发明提供了一种基于历史数据的牵引电机温升预测方法，有效解决了数据分析难度大和预测精度不够的问题，提升了牵引电机温升预测准确度。

本发明实施例提供了一种基于历史数据的牵引电机温升预测方法，包括以下步骤：

获取牵引电机历史数据，牵引电机历史数据是按照同一频率对一段时间内的牵引电机历史数据进行采集获得，牵引电机历史数据包括：网流、U相电流瞬时值、W相电流瞬时值、U相电流有效值、W相电流有效值、电机速度、电机温度，牵引电机历史数据按照一类传感数据为一个字段进行存储；

根据所需要的字段对牵引电机历史数据进行处理，得到第一温度特征序列数据；

根据预先设置的时间间隔阈值，对第一温度特征序列数据进行时间分段处理，得到第二温度特征序列数据；

按照设定的时间窗口宽度和滑动步长对第二温升特征序列数据进行采样，得到多组温度特征数据；

对多组温度特征数据进行划分，得到训练样本数据和测试样本数据；

使用训练数据和测试数据对神经网络模型进行训练测试，生成目标神经网络模型。

可选的，同一频率是10Hz。

可选的，使用pandas对所述牵引机车历史数据进行处理。

可选的，所需要的字段包括：网流、U相电流瞬时值、W相电流瞬时值、U相电流有效值、W相电流有效值、电机速度、电机温度中至少一种。