本发明涉及一种永磁同步电机技术领域，尤其涉及一种永磁同步电机故障检测方法和系统。
背景技术：
近年来，随着现代科学技术的快速发展，电磁材料特别是稀土电磁材料性能及工艺逐渐得以提高和改善，再加上电力电子与电力传动技术、自动控制技术的高速发展，永磁同步电机的性能越来越好。再者，永磁同步电动机具有质量轻、结构较简单、体积小、特性好、功率密度大等优点，很多科研机构、企业都在努力积极开展永磁同步电机的研发工作，其应用领域将不断扩大。但通常电机的工况恶劣、振动严重、工作环境温度较高等原因使得电机很容易发生故障，因此永磁同步电机电机故障诊断也是一个重要的研究领域。
在电机故障诊断过程中，电机常见故障的特征最明显地表现在振动信号的频率上和定子的电流上，尽管通过频率和电流的故障检测已经达到一定的可靠性，但是这两种方法需要花费高昂的检测设备和大量的时间，同时检测时会打断生产。并且由于目前大都是通过人工经验累积进行判别，主观因素居多容易造成误判，缺少一种全自动科学的诊断判别方法。
因此，如何能够无需直接接触电机的情况下，全自动地、准确地判断连续工作制下的永磁同步电机故障，为本领域技术人员亟需解决的问题。
技术实现要素：
本发明的目的是提供一种永磁同步电机故障检测方法和系统，其能够无需直接接触电机的情况下，全自动地、准确地判断连续工作制下的永磁同步电机故障。
为解决上述技术问题，本发明提供一种永磁同步电机故障检测方法，所述方法包括以下步骤：
步骤s100：采集永磁同步电机的正常及带故障的热变化过程的n个一系列时序原始图像数据，j＝1,j≤n；
步骤s200：将第j次的热变化过程的一系列时序原始图像数据采用图像处理技术分割出永磁同步电机表面温度较高的像素区域；
步骤s300：将经过图像处理的第j次的热变化过程的一系列时序图像数据进行特征提取，其中包括温度变化曲线特征、帧间方差振动特征和电机表面温度较高的像素区直方图相关特征；
步骤s400：根据第j次的热变化过程提取的特征确定电机状态类别；
步骤s500：判断j＞n是否成立，若不成立，j＝j+1，返回步骤s200，若成立进入步骤s600；
步骤s600：通过n次电机的热变化过程提取的特征及其对应的电机状态类别，建立永磁同步电机故障诊断支持向量机模型；
步骤s700：用训练好的模型对现场的永磁同步电机进行故障判别。
优选地，步骤s100中使用红外热像仪采集原始图像数据，且原始图像数据为灰度图像数据。
优选地，步骤s100中所述热变化过程的一系列时序原始图像数据具体是指一般从冷态开始，对永磁同步电机施加额定阶跃负载后永磁同步电机温度上升到建立新的热平衡时的一系列时序原始图像，红外热像仪设定成预设时间间隔采集永磁同步电机热变化过程的一系列时序原始图像数据。
优选地，在所述步骤200中具体为：
步骤s210：将红外热像仪采集到第j次的热变化过程的一系列时序原始灰度图像转换为真实的温度图像；
步骤s220：将第j次的热变化过程的一系列时序温度图像进行高斯核滤波处理；
步骤s230：在经过滤波处理的第j次的热变化过程的一系列时序温度图像中随机抽取热稳态时间段的一帧图像，计算该抽取帧图像分割的阈值，将该抽取帧图像中低于阈值的像素赋值为0，其它像素值保持不变；
步骤s240：计算步骤s230中所述抽取帧图像像素点均值μ1和标准差σ1，将该抽取帧图像中低于μ1-σ1的像素点赋值为0，其它像素保持不变，从而分割出永磁同步电机表面温度较高的像素区域。
优选地，所述步骤s300中具体为：
步骤s310：根据步骤s210所述第j次的热变化过程的一系列时序温度图像确定像素最大温度值的随时间变化的曲线；
步骤s320：根据步骤s240所述永磁同步电机表面温度较高的像素区域确定区域边缘最小值；
步骤s330：将热稳态恒定不变像素最大温度值和区域边缘最小值作为特征直方图的上下区间，将区间平均分割成10等份，统计步骤s240所述永磁同步电机表面温度较高的像素区域温度直方图；
步骤s340：计算永磁同步电机表面温度较高的像素区域温度直方图的均值、标准差、偏态、峰度和熵；
步骤s350：提取步骤s310所述像素最大温度值的随时间变化的曲线特征；
步骤s360：计算步骤s220所述经过滤波处理的第j次的热变化过程的一系列时序温度图像的热稳态帧间方差振动特征。
优选地，所述步骤s400具体为：
步骤s410：将第j次的热变化过程的提取的特征形成特征向量；
步骤s420：根据特征向量确定电机状态类别；
优选地，所述步骤s600具体为：
步骤s610：通过n次电机的热变化过程提取的特征向量及其对应的电机状态类别建立分类器的训练集；
步骤s620：分类器采用支持向量机，核函数采用径向基核函数，分类的训练集以提取的特征向量作为输入，以电机状态类别作为输出，训练支持向量机，得到永磁同步电机故障诊断支持向量机模型。
本发明还提供了一种永磁同步电机故障检测系统，包括图像采集模块，图像预处理模块、特征提取模块、模型建立模块和故障检测模块，其中：
图像采集模块，用于采集永磁同步电机的正常及带故障的热变化过程的n个一系列时序原始图像数据，j＝1,j≤n，发送给图像预处理模块；
图像预处理模块，用于将图像采集模块发送的第j次的热变化过程的一系列时序原始图像数据采用图像处理技术分割出永磁同步电机表面温度较高的像素区域，发送给特征提取模块；
特征提取模块，用于将图像预处理模块发送的经过图像处理的第j次的热变化过程的一系列时序图像数据进行提取特征，其中包括温度变化曲线特征、帧间方差振动特征和电机表面温度较高的像素区直方图相关特征，发送给模型建立模块；
模型建立模块，用于根据特征提取模块发送的提取特征确定电机状态类别；判断j>n是否成立，若不成立，j＝j+1，返回图像预处理模块，若成立，则经过n次电机的热变化过程特征提取及电机状态类别确定，建立永磁同步电机故障诊断支持向量机模型，发送给故障检测模块；
故障检测模块，用于使用模型建立模块训练好的模型对的永磁同步电机进行故障判别。
优选地，所述图像采集模块中使用红外热像仪采集原始图像数据。
优选地，所述红外热像仪采集原始图像数据时，红外热像仪摆放要对准永磁同步电机侧面中心，红外热像仪和永磁同步电机位于同一水平高度，两者之间的水平距离的选取要使红外热像仪采集到的图像包括整个永磁同步电机，每次采集两者相对位置固定不变。
可在无需直接接触电机的情况下，全自动地、准确地判断连续工作制下包括定子匝间故障、轴承故障、散热故障和退磁故障等永磁同步电机故障。
附图说明
图1为第一种实施方式提供的一种永磁同步电机故障检测方法的流程图；
图2为第二种实施方式提供的一种永磁同步电机故障检测方法的流程图；
图3为正常电机和故障电机最大温度变化曲线图；
图4为本发明提供的一种永磁同步电机故障检测系统的结构框图；
图5是本发明提供的永磁同步电机和红外热像仪摆放位置的主视示意图；
图6是本发明提供的永磁同步电机和红外热像仪摆放位置的俯视示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明的技术方案，下面结合附图对本发明作进一步的详细说明。
参见图1，图1为第一种实施方式提供的一种永磁同步电机故障检测方法的流程图。
一种永磁同步电机故障检测方法，所述方法包括以下步骤：
步骤s100：采集永磁同步电机的正常及带故障的热变化过程的n个一系列时序原始图像数据，j＝1,j≤n，n根据实际需要及经验确定；
步骤s200：将第j次的热变化过程的一系列时序原始图像数据采用图像处理技术分割出永磁同步电机表面温度较高的像素区域；
步骤s300：将经过图像处理的第j次的热变化过程的一系列时序图像数据进行特征提取，其中包括温度变化曲线特征、帧间方差振动特征和电机表面温度较高的像素区直方图相关特征；
步骤s400：根据第j次的热变化过程提取的特征确定电机状态类别；
步骤s500：判断j>n是否成立，若不成立，j＝j+1，返回步骤s200，若成立进入步骤s600；
步骤s600：通过n次电机的热变化过程提取的特征及其对应的电机状态类别，建立永磁同步电机故障诊断支持向量机模型；
步骤s700：用训练好的模型对现场的永磁同步电机进行故障判别。
分别采集正常永磁同步电机和若干个带故障的永磁同步电机的热变化过程的一系列时序原始图像数据。优选地，使用红外热像仪分别采集包括永磁同步电机的正常工作以及定子匝间故障、轴承故障、偏心故障、退磁故障等各种故障的永磁同步电机热变化过程的一系列时序原始灰度图像数据。热变化过程的一系列时序原始图像数据具体是指一般从冷态开始，对永磁同步电机施加额定阶跃负载后永磁同步电机温度上升到建立新的热平衡时的一系列时序原始图像。红外热像仪设定成预设时间间隔采集永磁同步电机热变化过程的一系列时序原始图像数据。所述预设时间间隔根据经验设定。
将某一次的热变化过程的一系列时序原始图像数据采用图像处理技术分割出永磁同步电机表面温度较高的像素区域。将经过图像处理的该次的一系列的时序图像数据进行特征提取。提取其中包括温度变化曲线特征、帧间方差振动特征和电机表面温度较高的像素区直方图相关特征。根据该次的热变化过程提取的特征确定电机状态类别。按照步骤s200至步骤s400的方法将所有采集到正常的以及不同故障类型永磁同步电机热变化过程的一系列时序原始图像数据进行图像处理和特征提取，并根据提取的特征确定电机状态类别。通过所有的热变化过程提取的特征及其对应的电机状态类别，建立永磁同步电机故障诊断支持向量机模型。使用训练好的模型对现场采集的永磁同步电机进行故障判别，判断电机的运行状态，如果存在故障，则判断属于哪种永磁同步电机故障，并进行报警。
在更进一步的方案中，可以采集同种型号正常的及不同故障类型的永磁同步电机热变化过程的一系列时序原始图像数据，进而通过图像处理、特征提取，并根据提取特征确定电机状态类别后建立该类型的永磁同步电机的故障诊断支持向量机模型。对不同型号的永磁同步电机分别建立其对应的永磁同步电机的故障诊断支持向量机模型。针对不同类型的永磁同步电机进行故障判断时可以预先输入电机型号后，再采用该型号对应的永磁同步电机的故障诊断支持向量机模型对该永磁同步电机进行故障判别。
利用该方法可在无需直接接触电机的情况下，全自动地、准确地判断连续工作制下包括定子匝间故障、轴承故障、散热故障和退磁故障等永磁同步电机故障。
参见图2至图3，图2为第二种实施方式提供的一种永磁同步电机故障检测方法的流程图，图3为正常电机和故障电机最大温度变化曲线图。
一种永磁同步电机故障检测方法，所述方法包括以下步骤：
步骤s100：红外热像仪采集永磁同步电机的正常及带故障的热变化过程的n个一系列时序原始灰度图像数据，j＝1，j≤n。
步骤s210：将红外热像仪采集到第j次的热变化过程的一系列时序原始灰度图像转换为真实的温度图像。
由于红外热像仪采集的原始图像是灰度图像，灰度图像每一个像素点的值不代表真实温度，需依照如下公式(1)进行换算得到真实的温度图像：
其中，t(x，y)是图像(x，y)处的温度值，wtot(x，y)是红外热像仪采集的图像(x，y)处的总辐射，τatm是室内空气的透过率，σ是斯蒂芬-玻尔兹曼常数，trefl是反射温度，tatm是室内温度，εobj是物体的发射率。
步骤s220：将第j次的热变化过程的一系列时序温度图像进行高斯核滤波处理，用3×3高斯核去除一系列时序温度图像中噪声，其中滤波的公式如下：
其中i(x，y)是高斯滤波后温度图像(x，y)处的像素值，kernel(k，l)是3×3高斯核函数在(k，l)处的像素值。
步骤s230：在经过滤波处理的第j次的热变化过程的一系列时序温度图像中随机抽取热稳态时间段的一帧，用最大类间方差法计算ttreshold作为图像分割的阈值，将该抽取帧图像中低于阈值的像素赋值为0，其它像素值保持不变。
步骤s240：计算步骤s230中所述抽取帧图像像素点均值μ1和标准差σ1，将该抽取帧图像中低于μ1-σ1的像素点赋值为0，其它像素保持不变，从而分割出永磁同步电机表面温度较高的像素区域。均值μ1和标准差σ1由下式所得：
其中，i(c)表示第c个像素的温度值，总计有n个像素。
步骤s310：根据步骤s210所述第j次的热变化过程的一系列时序温度图像确定像素最大温度值tmax的随时间变化的曲线tmax(t)，如图3所示，是相同类型的正常电机和带故障电机tmax随时间变化的温度曲线tmax(t)，以及对应温度上升时间积分的区域。而电机温度上升时间积分的区域的面积可作为故障诊断的特征之一输入到支持向量机当中。
步骤s320：根据步骤s240所述永磁同步电机表面温度较高的像素区域确定区域边缘最小值tmin；
步骤s330：将步骤s310中热稳态恒定不变像素最大温度值tmax和步骤s320确定的区域边缘最小值tmin作为特征直方图的上下区间，将区间平均分割成10等份，统计步骤s240所述永磁同步电机表面温度较高的像素区域温度直方图，具体如下：
其中，s(xi)是xi温度区间的像素个数；h(xi)是xi温度区间温度出现的频率。
步骤s340：计算步骤330得到的永磁同步电机表面温度较高的像素区域温度直方图的均值μ2、标准差σ2、偏态sk、峰度k和熵e：
步骤s350：提取步骤s310所述像素最大温度值tmax的随时间变化的曲线tmax(t)特征：
其中，area是上升时间内上升温度的积分，ts是指达到新的热稳态10％上升到90％所需的上升时间区段，tmax(t)是电机t时刻温度的最大值；tatm是室内环境温度。
步骤s360：计算步骤s220所述经过滤波处理的第j次的热变化过程的一系列时序温度图像的热稳态帧间方差振动特征v：
其中，v是热稳态时序温度图像的帧间方差中的最大值，it(z)是热稳态第t帧的第z个像素的温度值，一帧图像总计有n个像素值；
步骤s410：将第j次的热变化过程的提取的特征形成特征向量，一次热变化过程的一系列时序温度图像可以得到相应的19维特征向量x＝[area，v，tmax，tmin，μ2，σ2，sk，e，k，h(x1)，...h(xi)，...h(x10)，其中h(xi)是最热区第xi温度区间的频率，tmax是热稳态的恒定值。
步骤s420：根据特征向量x确定电机状态类别y。类别y的确定由试验电机状态类别决定，如可检测的永磁同步电机的故障类型有定子匝间故障y1、轴承故障y2、散热故障y3、退磁故障y4，还有正常电机的类别y0。
步骤s500：判断j＞n是否成立，若不成立，j＝j+1，返回步骤s200，若成立进入步骤s610；
步骤s610：通过n次电机的热变化过程提取的特征向量及其对应的电机状态类别建立分类器的训练集；
步骤s620：分类器采用支持向量机，核函数采用径向基核函数，分类的训练集以提取的特征向量x作为输入，以电机状态类别y作为输出，训练支持向量机，得到永磁同步电机故障诊断支持向量机模型。
步骤s700：用训练好的模型对现场永磁同步电机进行故障判别。红外热像仪采集现场永磁同步电机一系列时序原始灰度图像数据，然后采用步骤s210至步骤s360获得现场永磁同步电机的特征，现场故障判断时，用训练好的模型根据永磁同步电机的特征判断电机的运行状态，如果存在故障，则判断属于哪种永磁电机故障，并进行报警。
参见图4至图6，图4为本发明提供的一种永磁同步电机故障检测系统的结构框图，图5是本发明提供的永磁同步电机和红外热像仪摆放位置的主视示意图，图6是本发明提供的永磁同步电机和红外热像仪摆放位置的俯视示意图。
本发明还提供了一种永磁同步电机故障检测系统，包括图像采集模块1，图像预处理模块2、特征提取模块3、模型建立模块4和故障检测模块5，其中：
图像采集模块1，用于采集正常的永磁同步电机及带故障的永磁同步电机热变化过程的n个一系列时序原始图像数据，j＝1，j≤n，n根据实际需要及经验确定，发送给图像预处理模块2；
图像预处理模块2，用于将图像采集模块1发送的第j次的热变化过程的一系列时序原始图像数据采用图像处理技术分割出永磁同步电机表面温度较高的像素区域，发送给特征提取模块3；
特征提取模块3，用于将图像预处理模块2发送的经过图像处理的第j次的热变化过程的一系列时序图像数据进行提取特征，其中包括温度变化曲线特征、帧间方差振动特征和电机表面温度较高的像素区直方图相关特征，发送给模型建立模块4；
模型建立模块4，用于根据特征提取模块3发送的提取特征确定电机状态类别；判断j>n是否成立，若不成立，j＝j+1，返回图像预处理模块，若成立，则经过n次电机的热变化过程特征提取及电机状态类别确定，建立永磁同步电机故障诊断支持向量机模型，发送给故障检测模块5；
故障检测模块5，用于使用模型建立模块4训练好的模型对现场永磁同步电机进行故障判别。
图像采集模块1分别采集永磁同步电机的正常及若干个带故障的热变化过程的一系列时序原始图像数据。优选地，使用红外热像仪采集包括永磁同步电机的正常工作以及定子匝间故障、轴承故障、偏心故障、退磁故障等各种故障的永磁同步电机热变化过程的一系列时序原始图像数据。热变化过程的一系列时序原始图像数据具体是指一般从冷态开始，对永磁同步电机施加额定阶跃负载后永磁同步电机温度上升到建立新的热平衡时的一系列时序原始图像。红外热像仪设定成预设时间间隔采集永磁同步电机热变化过程的一系列时序原始图像数据。
图像预处理模块2将某一次的热变化过程的一系列时序原始图像数据采用图像处理技术分割出永磁同步电机表面温度较高的像素区域。特征提取模块3将经过图像处理的该次的一系列的时序图像数据进行特征提取。提取其中包括温度变化曲线特征、帧间方差振动特征和电机表面温度较高的像素区直方图相关特征。模型建立模块4根据该次的热变化过程提取的特征确定电机状态类别。按照步骤图像预处理模块2和特征提取模块3的方法将所有采集到不同故障类型永磁同步电机热变化过程的一系列时序原始图像数据进行图像处理和特征提取，并根据提取的特征确定电机状态类别。通过所有的热变化过程提取的特征及其对应的电机状态类别，建立永磁同步电机故障诊断支持向量机模型。故障检测模块5使用训练好的模型对现场永磁同步电机进行故障判别，判断电机的运行状态，如果存在故障，则判断属于哪种永磁同步电机故障，并进行报警。
在更进一步的方案中，可以采集同种型号不同故障类型永磁同步电机热变化过程的一系列时序原始图像数据，进而通过图像预处理、特征提取，并根据提取特征确定电机状态类别后建立该类型的永磁同步电机的故障诊断支持向量机模型。对不同型号的永磁同步电机分别建立其对应的永磁同步电机的故障诊断支持向量机模型后，针对不同类型的永磁同步电机进行故障判断时可以预先输入电机型号后，然后采用该型号对应的永磁同步电机的故障诊断支持向量机模型对该永磁同步电机进行故障判别。
可在无需直接接触电机的情况下，全自动地、准确地判断连续工作制下包括定子匝间故障、轴承故障、散热故障和退磁故障等永磁同步电机故障。
如图5和图6所示，所述红外热像仪采集原始图像数据时，在被测永磁同步电机目标前方安装一台红外热像仪，红外热像仪具有定时捕捉热图像并传输到计算机中心的功能，测温范围在-20℃-300℃,温度分辨率小于0.1℃。红外热像仪摆放要对准永磁同步电机侧面中心，红外热像仪和永磁同步电机位于同一水平高度，两者之间的水平距离的选取要使红外热像仪采集到的图像包括整个永磁同步电机，每次采集两者相对位置固定不变。数据传输电缆做好电磁屏蔽，优化传输电缆的长度降低信号衰减量，调整红外热像仪的视觉传感器光圈和焦距保证采集到的热分布图像清晰准确。
以上对本发明所提供的一种永磁同步电机故障检测方法和系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。