电机运行状态的监测方法、装置、设备及存储介质与流程

本发明涉及电机设备应用，特别涉及一种电机运行状态的监测方法、装置、计算机设备和存储介质。

背景技术：

1、随着工业自动化和智能化的不断发展，电机作为工业系统中的关键部件，其运行状态对整个生产过程的稳定性和安全性具有重要影响。传统的电机监测方法主要依赖于定期检查和人工诊断，这种方式不仅耗时耗力，而且难以实时捕捉到电机运行中的细微异常，存在一定的局限性。

技术实现思路

1、本发明的主要目的为提供一种电机运行状态的监测方法、装置、计算机设备和存储介质，通过传感器实时采集电机运行数据，结合自动编码器和解码器的分析，可以实时监测电机状态，并及时发现潜在故障。

2、为实现上述目的，本发明提供了一种电机运行状态的监测方法，包括以下步骤：

3、接收来自传感器采集的电机运行参数；其中，所述传感器设置在电机内部；

4、通过自动编码器对所述电机运行参数进行特征提取和降维，得到第一运行参数；

5、利用解码器对所述第一运行参数进行特征表达，得到对应的重构参数，基于所述重构参数和电机运行参数，生成电机运行时的重构误差参数；

6、将所述重构误差参数输入预设的平均绝对误差评估模型内进行评估，得到评估结果；

7、若所述评估结果不在电机正常运行状态下的评估结果范围之内，则将重构参数与电机运行参数进行对比，生成电机运行参数对比表；基于所述电机运行参数对比表，得到电机运行时的异常参数；

8、根据电机运行时的异常参数对所述电机运行参数进行调整。

9、作为本发明进一步的方案，所述自动编码器包括卷积层、隐藏层以及编码层；

10、通过自动编码器对所述电机运行参数进行特征提取和降维，得到第一运行参数，包括：

11、将电机运行参数输入卷积层进行特征提取，得到电机权重的运行参数；

12、通过隐藏层中的激活函数对电机权重的运行参数进行非线性变换，得到电机运行的非线性运行参数；

13、基于编码层对电机运行的非线性运行参数进行降维，得到第一运行参数。

14、作为本发明进一步的方案，所述解码器包括物理层、数据链路层以及生成对抗网络；

15、利用解码器对所述第一运行参数进行特征表达，得到对应的重构参数，包括：

16、将所述第一运行参数输入解码器内的物理层进行特征提取，得到第一运行权重特征参数；

17、通过数据链路层对所述第一运行权重特征参数进行编码转化，得到权重特征编码参数；

18、通过生成对抗网络中的生成器对权重特征编码参数进行特征表达，得到对应的重构参数。

19、作为本发明进一步的方案，将所述重构误差参数输入预设的平均绝对误差评估模型内进行评估，得到评估结果的步骤之前，包括：

20、获取标准重构误差参数和训练前的重构误差参数，通过预设训练模型的自注意力机制对所述训练前的重构误差参数进行序列标注，得到序列标注重构误差参数；

21、将所述序列标注重构误差参数输入预设训练模型的卷积层内进行特征提取，得到各个第一序列标注重构误差参数；

22、将所述各个第一序列标注重构误差参数输入预设的决策树模型内进行分类标签处理，得到各个标签分类的第一序列标注重构误差参数；

23、通过损失函数对各个标签分类的第一序列标注重构误差参数进行不断地迭代计算，得到训练后的重构误差参数；

24、基于所述标准重构误差参数，与所述训练后的重构误差参数进行对比分析；

25、若所述训练后的重构误差参数与所述标准重构误差参数的误差在阈值范围内，则平均绝对误差评估模型训练完成；

26、若所述训练后的重构误差参数与所述标准重构误差参数的误差不在阈值范围内，则优化卷积层以及决策树模型的模型参数，直至训练后的重构误差参数与标准重构误差参数的误差满足阈值范围为止。

27、作为本发明进一步的方案，将重构参数与电机运行参数进行对比，生成电机运行参数对比表；基于所述电机运行参数对比表，得到电机运行时的异常参数，包括：

28、将所述重构参数与所述重构参数对应的标签进行字典映射处理，生成重构参数标签数据；

29、将所述电机运行参数与所述电机运行参数对应的标签进行字典映射处理，生成电机运行参数标签数据；其中，所述各个重构参数对应的标签与各个所述电机运行参数对应的标签相互对应；

30、将所述重构参数标签数据和电机运行参数标签数据输入预设的数值分析模型内进行对比分析，得到所述各个重构参数与所述各个电机运行参数对应的差值；

31、基于所述各个重构参数与所述各个电机运行参数对应的差值得到电机运行参数对比表；

32、将所述电机运行参数对比表输入预设的异常分析模型内进行计算，得到电机运行时的异常参数。

33、作为本发明进一步的方案，所述根据电机运行时的异常参数对所述电机运行参数进行调整，包括：

34、将所述电机运行时的异常参数输入预设的概率分析模型内进行概率计算，其中，所述概率分析模型包括两层卷积层、两层池化层、长短记忆网络以及损失函数层；

35、通过两层卷积层对所述电机运行时的异常参数依次进行特征提取，得到异常特征参数；

36、通过两层池化层对所述异常特征参数依次进行降维，得到第一异常参数特征；

37、将所述第一异常参数特征输入损失函数层内不断地收敛，得到异常目标特征参数；

38、通过长短记忆网络对所述异常目标特征参数进行故障诊断分析，生成电机运行时的异常参数对应的故障原因；

39、基于所述异常参数特征对应的故障原因，对所述电机运行相应的参数调整。

40、作为本发明进一步的方案，将所述重构误差参数输入预设的平均绝对误差评估模型内进行评估，得到评估结果的步骤之后还包括：

41、若所述评估结果在电机正常运行状态下的评估结果范围之内，则生成电机正常运行参数表；

42、对所述电机正常运行参数表进行参数特征提取，得到正常运行参数特征；

43、将所述正常运行参数特征输入预设的电机运行概率事故模型内进行分析；其中，预设的电机运行概率事故模型包括全连接层、softmax层；

44、通过全连接层对所述正常运行参数特征进行权重计算，得到各个正常运行参数特征的权重特征；

45、将所述各个正常运行参数特征的权重特征输入softmax层进行转化，得到各个正常运行参数的事故发生概率分布；

46、基于所述各个正常运行参数的事故发生概率分布，得到各个正常运行参数的事故发生的趋势；根据所述各个正常运行参数的事故发生的趋势对所述各个正常运行参数特征生成相应的调整策略。

47、本发明还提供了一种电机运行状态的监测装置，包括：

48、接收模块，用于接收来自传感器采集的电机运行参数；其中，所述传感器设置在电机内部；

49、提取模块，用于通过自动编码器对所述电机运行参数进行特征提取和降维，得到第一运行参数；

50、生成模块，用于利用解码器对所述第一运行参数进行特征表达，得到对应的重构参数，基于所述重构参数和电机运行参数，生成电机运行时的重构误差参数；

51、评估模块，用于将所述重构误差参数输入预设的平均绝对误差评估模型内进行评估，得到评估结果；

52、判断模块，用于若所述评估结果不在电机正常运行状态下的评估结果范围之内，则将重构参数与电机运行参数进行对比，生成电机运行参数对比表；基于所述电机运行参数对比表，得到电机运行时的异常参数；

53、调整模块，用于根据电机运行时的异常参数对所述电机运行参数进行调整。

54、本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

55、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

56、本发明提供的电机运行状态的监测方法、装置、计算机设备和存储介质，包括以下步骤：接收来自传感器采集的电机运行参数；通过自动编码器对电机运行参数进行特征提取和降维，得到第一运行参数；利用解码器对第一运行参数进行特征表达，得到对应的重构参数，基于重构参数和电机运行参数，生成电机运行时的重构误差参数；将重构误差参数输入预设的平均绝对误差评估模型内进行评估，得到评估结果；若评估结果不在电机正常运行状态下的评估结果范围之内，则将重构参数与电机运行参数进行对比，生成电机运行参数对比表；基于所述电机运行参数对比表，得到电机运行时的异常参数；根据电机运行时的异常参数对电机运行参数进行调整，通过传感器实时采集电机运行数据，结合自动编码器和解码器的分析，解决了电机运行状态的实时监测难度大，传统方法难以及时发现和预警潜在的故障的问题，实现了可以实时监测电机状态，并及时发现潜在故障。