具有故障检测功能的交流电机的制作方法

本发明涉及电机控制技术领域，具体涉及具有故障检测功能的交流电机。

背景技术：

在地铁等轨道车辆的空调机组中，室外侧会设置有冷凝风机，冷凝风机一般都是采用交流电机。在实际运行过程中，交流电机可能会因为过载、缺相、短路等原因出现故障，相关技术中，主控板对交流电机的故障是不会进行检测和处理的，交流电机在出现故障后，只要达到热过载保护器的复位条件和复位时间，交流电机即重新开启投入运行，在这种情况下，如果交流电机长时间运行，不仅导致冷凝风机的损坏，影响空调系统的正常运行，还会导致车辆主电源跳闸，影响整个列车的安全稳定运行。

技术实现要素：

为了解决上述问题，本发明旨在提供具有故障检测功能的交流电机。

本发明的目的采用以下技术方案来实现：

具有故障检测功能的交流电机，包括交流电机本体和安装在交流电机本体上的故障检测器，所述故障检测器包括依次连接的热过载保护器、计数器、故障判断用微型处理器和主控板，所述热过载保护器与交流电机本体连接；所述计数器用于对所述热过载保护器的动作次数进行计数；所述故障判断用微型处理器用于判断所述动作次数在预定时间内是否超过预定次数，若超过，向所述主控板发送切断交流电机回路的命令，所述主控板按照所述命令进行相应操作。

本发明的有益效果为：通过设置故障检测器，根据热过载保护器是否动作，向主控板输出交流电机是否故障的结果，主控板按照命令进行相应的操作，在达不到安全运行标准时，主控板即刻切断交流电机的回路，交流电机在修复前无法再投入运行，进而确保交流电机、空调系统和整列车的安全稳定运行，从而解决了上述的技术问题。

附图说明

利用附图对本发明作进一步说明，但附图中的应用场景不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的原理示意图。

图2是本发明健康状态监测器的结构示意图。

附图标记：

交流电机本体1、故障检测器2、热过载保护器3、计数器4、故障判断用微型处理器5、主控板6、健康状态监测器7、状态数据输入单元8、数据归一化单元9、主要构件评估单元10、主要构件健康状态判定单元11、交流电机综合评估单元12。

具体实施方式

结合以下应用场景对本发明作进一步描述。

应用场景1

参见图1、图2，本应用场景的一个实施例中的具有故障检测功能的交流电机，具有故障检测功能的交流电机，包括交流电机本体1和安装在交流电机本体1上的故障检测器2，所述故障检测器2包括依次连接的热过载保护器3、计数器4、故障判断用微型处理器5和主控板6，所述热过载保护器3与交流电机本体1连接；所述计数器4用于对所述热过载保护器3的动作次数进行计数；所述故障判断用微型处理器5用于判断所述动作次数在预定时间内是否超过预定次数，若超过，向所述主控板6发送切断交流电机回路的命令，所述主控板6按照所述命令进行相应操作。

本实施例通过设置故障检测器2，根据热过载保护器3是否动作，向主控板6输出交流电机是否故障的结果，主控板6按照命令进行相应的操作，在达不到安全运行标准时，主控板6即刻切断交流电机的回路，交流电机在修复前无法再投入运行，进而确保交流电机、空调系统和整列车的安全稳定运行，从而解决了上述的技术问题。

优选的，所述预定时间为1小时。

本优选实施例设定1小时为预定时间，有利于故障判断的标准化，提高故障判断的准确性。

优选的，所述预定时间为1小时时，所述预定次数为6次。

本优选实施例在预定时间为1小时的基础上，规定预定次数为6次，进一步利于故障判断的标准化，提高故障判断的准确性。

优选的，所述交流电机本体1上还安装有小型的健康状态监测器7，所述健康状态监测器7包括状态数据输入单元8、数据归一化单元9、主要构件评估单元10、主要构件健康状态判定单元11和交流电机综合评估单元12；所述状态数据输入单元8用于输入根据人为设定的采集指标采集的交流电机的状态监测数据，所述采集指标包括交流电机相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元9用于对所述状态监测数据进行归一化处理；所述主要构件评估单元10用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元11用于所述各主要构件是否处于健康状态；所述交流电机综合评估单元12用于评估所述具有故障检测功能的交流电机的健康状态。

本优选实施例构建了健康状态监测器7的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元9采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元9的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元10采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Ζ_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元11的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设交流电机共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述交流电机综合评估单元12采用的综合状态健康指标B的计算公式如下：

$B=1-{\Σ}_{x=1}^N\left(P_x{W}_x\right),{\Σ}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算交流电机的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取P_Y＝0.1，E＝0.9，对交流电机健康状态的监测分析速度相对提高了10％，监测分析精度相对提高了12％。

应用场景2

参见图1、图2，本应用场景的一个实施例中的具有故障检测功能的交流电机，具有故障检测功能的交流电机，包括交流电机本体1和安装在交流电机本体1上的故障检测器2，所述故障检测器2包括依次连接的热过载保护器3、计数器4、故障判断用微型处理器5和主控板6，所述热过载保护器3与交流电机本体1连接；所述计数器4用于对所述热过载保护器3的动作次数进行计数；所述故障判断用微型处理器5用于判断所述动作次数在预定时间内是否超过预定次数，若超过，向所述主控板6发送切断交流电机回路的命令，所述主控板6按照所述命令进行相应操作。

本实施例通过设置故障检测器2，根据热过载保护器3是否动作，向主控板6输出交流电机是否故障的结果，主控板6按照命令进行相应的操作，在达不到安全运行标准时，主控板6即刻切断交流电机的回路，交流电机在修复前无法再投入运行，进而确保交流电机、空调系统和整列车的安全稳定运行，从而解决了上述的技术问题。

优选的，所述预定时间为1小时。

本优选实施例设定1小时为预定时间，有利于故障判断的标准化，提高故障判断的准确性。

优选的，所述预定时间为1小时时，所述预定次数为6次。

本优选实施例在预定时间为1小时的基础上，规定预定次数为6次，进一步利于故障判断的标准化，提高故障判断的准确性。

优选的，所述交流电机本体1上还安装有小型的健康状态监测器7，所述健康状态监测器7包括状态数据输入单元8、数据归一化单元9、主要构件评估单元10、主要构件健康状态判定单元11和交流电机综合评估单元12；所述状态数据输入单元8用于输入根据人为设定的采集指标采集的交流电机的状态监测数据，所述采集指标包括交流电机相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元9用于对所述状态监测数据进行归一化处理；所述主要构件评估单元10用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元11用于所述各主要构件是否处于健康状态；所述交流电机综合评估单元12用于评估所述具有故障检测功能的交流电机的健康状态。

本优选实施例构建了健康状态监测器7的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元9采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元9的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元10采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Ζ_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元11的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设交流电机共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述交流电机综合评估单元12采用的综合状态健康指标B的计算公式如下：

$B=1-{\Σ}_{x=1}^N\left(P_x{W}_x\right),{\Σ}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算交流电机的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取P_Y＝0.12，E＝0.92，对交流电机健康状态的监测分析速度相对提高了9％，监测分析精度相对提高了13％。

应用场景3

参见图1、图2，本应用场景的一个实施例中的具有故障检测功能的交流电机，具有故障检测功能的交流电机，包括交流电机本体1和安装在交流电机本体1上的故障检测器2，所述故障检测器2包括依次连接的热过载保护器3、计数器4、故障判断用微型处理器5和主控板6，所述热过载保护器3与交流电机本体1连接；所述计数器4用于对所述热过载保护器3的动作次数进行计数；所述故障判断用微型处理器5用于判断所述动作次数在预定时间内是否超过预定次数，若超过，向所述主控板6发送切断交流电机回路的命令，所述主控板6按照所述命令进行相应操作。

本实施例通过设置故障检测器2，根据热过载保护器3是否动作，向主控板6输出交流电机是否故障的结果，主控板6按照命令进行相应的操作，在达不到安全运行标准时，主控板6即刻切断交流电机的回路，交流电机在修复前无法再投入运行，进而确保交流电机、空调系统和整列车的安全稳定运行，从而解决了上述的技术问题。

优选的，所述预定时间为1小时。

本优选实施例设定1小时为预定时间，有利于故障判断的标准化，提高故障判断的准确性。

优选的，所述预定时间为1小时时，所述预定次数为6次。

本优选实施例在预定时间为1小时的基础上，规定预定次数为6次，进一步利于故障判断的标准化，提高故障判断的准确性。

优选的，所述交流电机本体1上还安装有小型的健康状态监测器7，所述健康状态监测器7包括状态数据输入单元8、数据归一化单元9、主要构件评估单元10、主要构件健康状态判定单元11和交流电机综合评估单元12；所述状态数据输入单元8用于输入根据人为设定的采集指标采集的交流电机的状态监测数据，所述采集指标包括交流电机相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元9用于对所述状态监测数据进行归一化处理；所述主要构件评估单元10用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元11用于所述各主要构件是否处于健康状态；所述交流电机综合评估单元12用于评估所述具有故障检测功能的交流电机的健康状态。

本优选实施例构建了健康状态监测器7的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元9采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元9的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元10采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Ζ_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元11的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设交流电机共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述交流电机综合评估单元12采用的综合状态健康指标B的计算公式如下：

$B=1-{\Σ}_{x=1}^N\left(P_x{W}_x\right),{\Σ}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算交流电机的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取T＝0.15，E＝0.94，对交流电机健康状态的监测分析速度相对提高了8％，监测分析精度相对提高了10％。。

应用场景4

参见图1、图2，本应用场景的一个实施例中的具有故障检测功能的交流电机，具有故障检测功能的交流电机，包括交流电机本体1和安装在交流电机本体1上的故障检测器2，所述故障检测器2包括依次连接的热过载保护器3、计数器4、故障判断用微型处理器5和主控板6，所述热过载保护器3与交流电机本体1连接；所述计数器4用于对所述热过载保护器3的动作次数进行计数；所述故障判断用微型处理器5用于判断所述动作次数在预定时间内是否超过预定次数，若超过，向所述主控板6发送切断交流电机回路的命令，所述主控板6按照所述命令进行相应操作。

本实施例通过设置故障检测器2，根据热过载保护器3是否动作，向主控板6输出交流电机是否故障的结果，主控板6按照命令进行相应的操作，在达不到安全运行标准时，主控板6即刻切断交流电机的回路，交流电机在修复前无法再投入运行，进而确保交流电机、空调系统和整列车的安全稳定运行，从而解决了上述的技术问题。

优选的，所述预定时间为1小时。

本优选实施例设定1小时为预定时间，有利于故障判断的标准化，提高故障判断的准确性。

优选的，所述预定时间为1小时时，所述预定次数为6次。

本优选实施例在预定时间为1小时的基础上，规定预定次数为6次，进一步利于故障判断的标准化，提高故障判断的准确性。

优选的，所述交流电机本体1上还安装有小型的健康状态监测器7，所述健康状态监测器7包括状态数据输入单元8、数据归一化单元9、主要构件评估单元10、主要构件健康状态判定单元11和交流电机综合评估单元12；所述状态数据输入单元8用于输入根据人为设定的采集指标采集的交流电机的状态监测数据，所述采集指标包括交流电机相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元9用于对所述状态监测数据进行归一化处理；所述主要构件评估单元10用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元11用于所述各主要构件是否处于健康状态；所述交流电机综合评估单元12用于评估所述具有故障检测功能的交流电机的健康状态。

本优选实施例构建了健康状态监测器7的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元9采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元9的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元10采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Ζ_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元11的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设交流电机共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述交流电机综合评估单元12采用的综合状态健康指标B的计算公式如下：

$B=1-{\Σ}_{x=1}^N\left(P_x{W}_x\right),{\Σ}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算交流电机的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取T＝0.18，E＝0.98，对交流电机健康状态的监测分析速度相对提高了11％，监测分析精度相对提高了9％。

应用场景5

参见图1、图2，本应用场景的一个实施例中的具有故障检测功能的交流电机，具有故障检测功能的交流电机，包括交流电机本体1和安装在交流电机本体1上的故障检测器2，所述故障检测器2包括依次连接的热过载保护器3、计数器4、故障判断用微型处理器5和主控板6，所述热过载保护器3与交流电机本体1连接；所述计数器4用于对所述热过载保护器3的动作次数进行计数；所述故障判断用微型处理器5用于判断所述动作次数在预定时间内是否超过预定次数，若超过，向所述主控板6发送切断交流电机回路的命令，所述主控板6按照所述命令进行相应操作。

本实施例通过设置故障检测器2，根据热过载保护器3是否动作，向主控板6输出交流电机是否故障的结果，主控板6按照命令进行相应的操作，在达不到安全运行标准时，主控板6即刻切断交流电机的回路，交流电机在修复前无法再投入运行，进而确保交流电机、空调系统和整列车的安全稳定运行，从而解决了上述的技术问题。

优选的，所述预定时间为1小时。

本优选实施例设定1小时为预定时间，有利于故障判断的标准化，提高故障判断的准确性。

优选的，所述预定时间为1小时时，所述预定次数为6次。

本优选实施例在预定时间为1小时的基础上，规定预定次数为6次，进一步利于故障判断的标准化，提高故障判断的准确性。

优选的，所述交流电机本体1上还安装有小型的健康状态监测器7，所述健康状态监测器7包括状态数据输入单元8、数据归一化单元9、主要构件评估单元10、主要构件健康状态判定单元11和交流电机综合评估单元12；所述状态数据输入单元8用于输入根据人为设定的采集指标采集的交流电机的状态监测数据，所述采集指标包括交流电机相对应的主要构件、主要构件的监测项目以及各监测项目在重要程度上的权重因子；所述数据归一化单元9用于对所述状态监测数据进行归一化处理；所述主要构件评估单元10用于评估所述主要构件的健康状态，所述主要构件健康状态判定单元11用于所述各主要构件是否处于健康状态；所述交流电机综合评估单元12用于评估所述具有故障检测功能的交流电机的健康状态。

本优选实施例构建了健康状态监测器7的整体架构，完善了系统的健康状态分析功能。

优选的，设主要构件x共有m_x个监测项目，采用监测仪器α对第i个监测项目进行监测时，i＝1,...m_x，由于温度和湿度的影响可能会产生监测量误差，引入温度修正因子ψ_α和湿度修正因子Φ_α，其中T为监测仪器α对监测项目进行监测时的环境温度，T₀和为监测仪器α监测时适用的标准温度，其中H为监测仪器α对监测项目进行监测时的环境湿度，H₀为监测仪器α监测时适用的标准湿度，所述数据归一化单元9采用的归一化处理公式为：

$G_i=1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}\·{\mathrm{\Φ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2}$

其中，G_i表示第i个监测项目被归一化处理后的状态监测量，G_i∈[0,1]，当G_i靠近0时表示状态良好，G_i靠近1时表示状态较差；J_i为第i个监测项目的原状态监测量，δ_bi为第i个监测项目处于正常状态范围且对应于最佳状态时的边界值，δ_ci为第i个监测项目处于正常状态范围但不属于最佳状态时的边界值。

本优选实施例设计了数据归一化单元9的归一化处理公式，将不同的监测量都变换到0到1之间并具有相同的正常与异常的边界，方便状态监测数据的后续处理，并在归一化处理公式中引入温度修正因子和湿度修正因子，简化了归一化处理的过程，提高了归一化处理的精度。

优选的，设影响主要构件x状态的所有归一化后的状态监测量集合为{G_i,i＝1,...,m_x}，主要构件评估单元10采取的主要构件x的健康状态指标Z_x的计算公式设定为：

若所有G_i≤1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_x}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_x}{\Σ}}{Q}_i=1$

若至少有一个G_i>1-e^-0.5时，

$Z_x=\underset{i=1}{\overset{m_c}{\Σ}}(1-e^{-\frac{1}{2}\·{\left|\frac{J_i\·{\mathrm{\ψ}}_{\mathrm{\α}}-{\mathrm{\δ}}_{bi}}{{\mathrm{\δ}}_{bi}-{\mathrm{\δ}}_{ci}}\right|}^2})Q_i,\underset{i=1}{\overset{m_c}{\Σ}}{Q}_i=1$

其中，Ζ_x表示主要构件x的健康状态评估指标，Z_i∈[0,1],1-e^-0.5为归一化后的状态监测量对应于正常的临界值，m_c为归一化后的状态监测量小于临界值1-e^-0.5时的数目，Q_i为第i个监测项目在主要构件x中的重要程度上的权重因子，m_c＜m_x时，权重因子Q_i随m_c的个数不同按比例调整。

本优选实施例提出了主要构件健康状态的评估指标的计算公式，将不同的归一化后的监测量都变换到0到1之间并具有相同的正常与异常的边界，从而可以简单全面地得到主要构件的健康状态，简化了主要构件的健康状态的评估，在保证准确度的同时提高了健康状态评估的速度。

优选的，所述主要构件健康状态判定单元11的判定原则为：若主要构件x状态异常的概率P_x大于设定的阈值P_Y,判定所述主要构件x为异常，若主要构件x状态异常的概率P_x不大于设定的阈值P_Y,P_Y的取值范围是[0.1,0.2],判定所述主要构件x为健康，设有n个样本的主要构件的综合状态指标Z_x1,...,Z_xn取自连续分布H(Z_x)，所述主要构件x处于状态异常的概率P_x的计算公式为：

$P_x=1-\frac{{\∫}_{e^{-1}}^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}{{\∫}_0^1{\hat{H}}_n\left(Z_x\right){\mathrm{dZ}}_x}$

此处

${\hat{H}}_n\left(Z_x\right)=\frac{1}{n}\·\frac{n^{1/5}}{1.6\mathrm{\φ}}\·\underset{k=1}{\overset{n}{\Σ}}\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\frac{1}{2}\·(Z_x-Z_k)\·\frac{n^{1/5}}{1.6\mathrm{\φ}}}$

其中，为任意点Z_x处的核密度，b为样本标准差，J为四分位数间距。

本优选实施例通过对主要构件的异常概率计算结果来判定主要构件的健康状态，分析精度高，且加快了主要构件的健康状态分析的速度。

优选的，设交流电机共有N个主要构件，主要构件x处于状态异常的概率为P_x，其中x＝1,2,…,N，所述交流电机综合评估单元12采用的综合状态健康指标B的计算公式如下：

$B=1-{\Σ}_{x=1}^N\left(P_x{W}_x\right),{\Σ}_{x=1}^N{W}_x=1$

式中，W_x为第x个主要构件在变电站中的重要程度的权重因子，设定阈值E，若B>E，则变电站属于健康状态，E的取值范围是[0.9,0.99]。

本优选实施例利用权重因子计算交流电机的健康状态，计算精度高，进一步提高了系统监测精度。

在此应用场景中，上述实施例取T＝0.2，E＝0.99，对交流电机健康状态的监测分析速度相对提高了12％，监测分析精度相对提高了14％。

最后应当说明的是，以上应用场景仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳应用场景对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。