基于电流信号的潜水电机复杂噪声环境下的轴承故障诊断方法

本发明涉及电机故障诊断领域，具体涉及一种基于电流信号的潜水电机复杂噪声环境下的轴承故障诊断方法。

背景技术：

1、潜水电机是和水泵连成一体潜入水中运行的装置，目前广泛应用于农田灌溉，矿山排水，湖区水利，以及其他工农业给排水领域。

2、而潜水电机的轴承在其运行寿命中容易受到各种形式的损伤。由于轴承故障的不可观察性和缓慢发生的性质，对这类故障的诊断一直是工业界的重点，以防止电机故障甚至人员伤亡。目前，轴承故障诊断方法严重依赖于振动信号分析，但这种方法存在一些限制，包括造成额外噪声、便携性有限和对传感器昂贵等问题。

技术实现思路

1、针对上述现有技术中存在的缺陷，本发明提出了一种基于电流信号的潜水电机复杂噪声环境下的轴承故障诊断方法，以期能利用一维卷积神经网络对故障进行检测，从而能提高电机故障诊断的准确性和效率。

2、本发明为达到上述发明目的，采用如下技术方案：

3、本发明一种基于电流信号的潜水电机复杂噪声环境下的轴承故障诊断方法的特点在于，是按如下步骤进行：

4、步骤1：利用信号采集模块获取t时刻电机的单相故障电流数据集xt＝{x1t，x2t，...，xkt，...，xkt}，其中，xkt表示t时刻潜水电机的第k条故障单相电流，1≤k≤k，k表示故障单相电流的总数；

5、步骤2：构建单相故障电流数据集xt的标签信息集合yt＝{y1t，y2t，...，ykt，...，ykt}，ykt表示xkt的标签值，且yk∈[1，n]，n表示故障种类数；

6、步骤3：构建一维卷积神经网络，包括：一个输入层、n个隐藏层、一个输出层；其中，每个隐藏层包括：一维卷积单元、压缩单元、relu激活函数和正则化单元；

7、步骤3.1：xkt输入一维卷积神经网络中，并由输入层对xkt进行预处理，得到预处理后的故障特征x′kt；

8、步骤3.2：当n＝1时，第n个隐藏层中的一维卷积单元对x′ktn进行处理，得到第n个故障信息隐藏状态tktn，tktn再经过第n个隐藏层中的压缩单元处理后，得到的第n个故障信息特征vktn，再输入第n个隐藏层中的relu激活函数中进行处理，得到第n个故障修正特征sktn，第n个隐藏层中正则化单元对sktn进行处理，得到第n个故障特征结果zktn；

9、当n＝2，3，…，n时，第n-1个故障特征结果zktn-1输入第n个隐藏层中进行处理后，得到第n个故障特征结果zktn，从而由第n个隐藏层输出第n个故障特征结果zktn；

10、步骤3.3：所述输出层对第n个故障特征结果zktn进行处理，得到xkt的预测标签值y′kt；

11、步骤4：优化一维卷积神经网络：

12、基于ykt和y′kt构建所述一维卷积神经网络模型的交叉熵损失函数，并采用adam算法作为优化器对所述一维卷积神经网络模型进行训练，采用均方误差算法计算所述交叉熵损失以更新网络参数，直到损失函数收敛为止，从而得到训练好的轴承故障诊断模型，用于对输入的单相故障电流数据进行故障预测。

13、本发明一种电子设备，包括存储器以及处理器的特点在于，所述存储器用于存储支持处理器执行所述轴承故障诊断方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

14、本发明一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序的特点在于，所述计算机程序被处理器运行时执行所述轴承故障诊断方法的步骤。

15、与现有技术相比，本发明的有益效果在于：

16、1、本发明采集电机单项电流，为非侵入式采集信号，可避免在潜水电机内部安装昂贵传感器造成其密封性受损，而是通过采集电机电流信号进行分析，更加安全且经济；

17、2、本发明搭建一维卷积神经网络进行故障预测，从更高的视角探索故障特征，而不是频域的特征减少计算时间，诊断更及时，有利于实时、高效的电机故障在线监测。

技术特征：

1.一种基于电流信号的潜水电机复杂噪声环境下的轴承故障诊断方法，其特征在于，是按如下步骤进行：

2.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1所述轴承故障诊断方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

3.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1所述轴承故障诊断方法的步骤。

技术总结
本发明公开了一种基于电流信号的潜水电机复杂噪声环境下的轴承故障诊断方法，包括：基于获取单相电流信号，构建单相故障电流数据集，构建一维卷积神经网络，并通过损失函数进行对该网络的优化。潜水电机的轴承在其运行寿命中容易受到各种形式的损伤，由于轴承故障的不可观察性和缓慢发生的性质，对这类故障的诊断一直是工业界的重点，本发明的目的在于对潜水电机做非侵入式、更高效、更及时的故障诊断。

技术研发人员：鲍晓华,冯睿,关博凯,邱浩天,尹殿凯,甘源
受保护的技术使用者：合肥工业大学
技术研发日：
技术公布日：2024/3/17