利用间隙检测技术判断磁轴承机组故障的方法和装置

本技术涉及电磁轴承，尤其涉及一种利用间隙检测技术判断磁轴承机组故障的方法和装置。

背景技术：

1、电磁轴承是依靠电磁力支承转子的机电一体化设备，其中，定转子之间需要保持间隙如图1所示。间隙检测是测量辅助轴承与转子之间的间隙，是电磁轴承能够正常工作的重要测试项目。使用塞尺和百分表需要打开主氦风机的端盖，耗时耗力，在压力壳内有压力时不能测试。在自动测试时，需要测量电流与转子偏心位置之间的关系。由于转子与辅助轴承之间存在挤压变形，在辅助轴承材质偏软的条件下，很难精确测量转子与辅助轴承刚刚接触的第一接触点。

2、自动间隙检测技术可以通过调整控制方案，利用电磁力不断移动转子位置，测量出转子位置与控制电流的关系，如图2所示，借助于特定的判定机制，确定辅助轴承与转子的第一接触点，从而判断出定转子之间的间隙大小。

3、安装有电磁轴承的系统设备，在正常状态下完成间隙检测。待需新的检测时，只需要将新的间隙检测结果与正常状态下的间隙值比较，如果差异较大，则判断系统中出现了碰磨或者间隙中落入杂质等问题。然而，如果之前未进行过间隙检测，或者电磁轴承的位移传感器出现了漂移，则间隙检测无法准确地计算实际的间隙值，从而无法判断机组是否出现故障。

技术实现思路

1、本技术旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此，本技术的第一个目的在于提出一种利用间隙检测技术判断磁轴承机组故障的方法，解决了现有方法若未进行过间隙检测或者电磁轴承的位移传感器出现了漂移则无法判断磁轴承机组是否出现故障的技术问题，无需拆检，也无需提前进行间隙测试，在无百分表等机械测量装置的条件下，只需要一次间隙检测即可判断装备有电磁轴承的机组是否存在故障。

3、本技术的第二个目的在于提出一种利用间隙检测技术判断磁轴承机组故障的装置。

4、本技术的第三个目的在于提出一种计算机设备。

5、本技术的第四个目的在于提出一种非临时性计算机可读存储介质。

6、为达上述目的，本技术第一方面实施例提出了一种利用间隙检测技术判断磁轴承机组故障的方法，包括：获取磁轴承机组多次间隙检测的电流-位移曲线，将电流-位移曲线转化为黑白图像，并根据黑白图像构造数据集，其中，数据集包括第一数据集和第二数据集；利用第一数据集和第二数据集对孪生卷积神经网络进行训练，得到异常检测器；获取待检测磁轴承机组一次间隙检测的电流-位移曲线，并将电流-位移曲线转化为待检测黑白图像，将待检测黑白图像输入异常检测器，得到检测结果。

7、可选地，在本技术的一个实施例中，方法，还包括：

8、通过获取待检测磁轴承机组多次间隙检测的电流-位移曲线进行多次检测，得到多次检测结果；

9、通过综合多次检测结果，得到磁轴承机组的故障判断结果。

10、可选地，在本技术的一个实施例中，获取磁轴承机组多次间隙检测的电流-位移曲线，将电流-位移曲线转化为黑白图像，并根据黑白图像构造数据集，包括：

11、获取磁轴承机组多次间隙检测的电流-位移曲线；

12、在多个正常运行的磁轴承机组上测试多组间隙检测的电流-位移曲线，得到正常运行的电流-位移曲线，并将正常运行的电流-位移曲线转化为黑白图像，根据正常运行的电流-位移曲线对应的黑白图像，构建第一数据集；

13、在多个发生故障的磁轴承机组上测试多组间隙检测的电流-位移曲线，得到发生故障的电流-位移曲线，并将发生故障的电流-位移曲线转化为黑白图像，根据发生故障的电流-位移曲线对应的黑白图像，构建第二数据集。

14、可选地，在本技术的一个实施例中，利用第一数据集和第二数据集对孪生卷积神经网络进行训练，得到异常检测器，包括：

15、从第一数据集中抽取样本作为第一输入和第二输入，并将第一输入和第二输入同时输入孪生卷积神经网络进行训练，直至孪生卷积神经网络输出的第一输入和第二输入的相似度为0；

16、分别从第一数据集和第二数据集中抽取样本作为第一输入和第二输入，并将第一输入和第二输入同时输入孪生卷积神经网络进行训练，直至孪生卷积神经网络输出的第一输入和第二输入的相似度为1，得到训练好的孪生卷积神经网络作为异常检测器。

17、可选地，在本技术的一个实施例中，将待检测黑白图像输入异常检测器，得到检测结果，包括：

18、将待检测黑白图像作为第一输入，并从第一数据集中抽取样本作为第二输入，将第一输入和第二输入同时输入异常检测器进行检测，生成第一输入和第二输入的相似度；

19、若相似度小于阈值，则磁轴承机组的检测结果为正常；

20、若相似度不小于阈值，则磁轴承机组检测结果为异常。

21、为达上述目的，本技术第二方面实施例提出了一种利用间隙检测技术判断磁轴承机组故障的装置，包括：

22、获取模块，用于获取磁轴承机组多次间隙检测的电流-位移曲线，将电流-位移曲线转化为黑白图像，并根据黑白图像构造数据集，其中，数据集包括第一数据集和第二数据集；

23、训练模块，用于利用第一数据集和第二数据集对孪生卷积神经网络进行训练，得到异常检测器；

24、检测模块，用于获取待检测磁轴承机组一次间隙检测的电流-位移曲线，并将电流-位移曲线转化为待检测黑白图像，将待检测黑白图像输入异常检测器，得到检测结果。

25、可选地，在本技术的一个实施例中，还包括：

26、判断模块，用于通过获取待检测磁轴承机组多次间隙检测的电流-位移曲线进行多次检测，得到多次检测结果，并通过综合多次检测结果，得到磁轴承机组的故障判断结果。

27、可选地，在本技术的一个实施例中，获取模块，具体用于：

28、获取磁轴承机组多次间隙检测的电流-位移曲线；

29、在多个正常运行的磁轴承机组上测试多组间隙检测的电流-位移曲线，得到正常运行的电流-位移曲线，并将正常运行的电流-位移曲线转化为黑白图像，根据正常运行的电流-位移曲线对应的黑白图像，构建第一数据集；

30、在多个发生故障的磁轴承机组上测试多组间隙检测的电流-位移曲线，得到发生故障的电流-位移曲线，并将发生故障的电流-位移曲线转化为黑白图像，根据发生故障的电流-位移曲线对应的黑白图像，构建第二数据集。

31、为达上述目的，本技术第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述施例所述的利用间隙检测技术判断磁轴承机组故障的方法。

32、为了实现上述目的，本技术第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，能够执行一种利用间隙检测技术判断磁轴承机组故障的方法。

33、本技术实施例的利用间隙检测技术判断磁轴承机组故障的方法、装置、计算机设备和非临时性计算机可读存储介质，解决了现有方法若未进行过间隙检测或者电磁轴承的位移传感器出现了漂移则无法判断磁轴承机组是否出现故障的技术问题，无需拆检，也无需提前进行间隙测试，在无百分表等机械测量装置的条件下，只需要一次间隙检测即可判断装备有电磁轴承的机组是否存在故障。

34、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。