电机的运行控制方法及系统与流程

本申请涉及人工智能领域，尤其涉及一种电机的运行控制方法及系统。

背景技术：

1、电机在工业和生产中扮演着至关重要的角色，但它们的长期运行容易受到各种内外部因素的影响，导致潜在的故障风险。为了确保电机的可靠运行和延长寿命，电机故障预测和诊断已经成为了一个备受关注的研究领域。研究人员一直在寻找更精确、高效的方法来监测电机的运行状态，以及提前识别和解决潜在的故障问题，这对于减少生产停机时间和维护成本至关重要。

2、然而，传统的电机故障监测方法存在一些问题，如仅仅基于人工经验和阈值的故障检测不够准确，且难以适应不同工况和电机类型。此外，大多数方法通常只关注电流或振动数据的某一方面，而忽略了它们之间的复杂关联。在实际应用中，电机会受到多种故障模式的影响，因此需要综合考虑多种特征和模型，这增加了故障预测和诊断的复杂性。因此，寻找一种综合的、自动化的电机运行控制方法，可以有效解决这些问题，成为当前电机研究领域的重要挑战之一。

技术实现思路

1、本申请提供了一种电机的运行控制方法及系统，用于提高了电机的运行控制准确率。

2、第一方面，本申请提供了一种电机的运行控制方法，所述电机的运行控制方法包括：

3、通过预置的传感器组对目标电机进行运行状态信号采集和经验模态分解，得到测试运行电流数据以及测试电机振动数据；

4、分别对所述测试运行电流数据以及所述测试电机振动数据进行特征提取，得到测试运行电流特征以及测试电机振动特征；

5、将所述测试运行电流特征输入预置的贝叶斯网络进行电机故障预测建模，并将所述测试电机振动特征输入预置的极限学习机进行电机故障预测建模，得到目标电机故障诊断模型集；

6、获取所述目标电机的实时运行电流数据以及实时电机振动数据，并分别对所述实时运行电流数据以及所述实时电机振动数据进行核主元分析，得到异常运行电流数据以及异常电机振动数据；

7、将所述异常运行电流数据以及所述异常电机振动数据输入所述目标电机故障诊断模型集进行电机故障诊断，得到目标电机故障诊断结果；

8、通过预置的自适应控制算法，根据所述目标电机故障诊断结果生成所述目标电机的电机运行参数控制策略。

9、第二方面，本申请提供了一种电机的运行控制系统，所述电机的运行控制系统包括：

10、采集模块，用于通过预置的传感器组对目标电机进行运行状态信号采集和经验模态分解，得到测试运行电流数据以及测试电机振动数据；

11、提取模块，用于分别对所述测试运行电流数据以及所述测试电机振动数据进行特征提取，得到测试运行电流特征以及测试电机振动特征；

12、建模模块，用于将所述测试运行电流特征输入预置的贝叶斯网络进行电机故障预测建模，并将所述测试电机振动特征输入预置的极限学习机进行电机故障预测建模，得到目标电机故障诊断模型集；

13、分析模块，用于获取所述目标电机的实时运行电流数据以及实时电机振动数据，并分别对所述实时运行电流数据以及所述实时电机振动数据进行核主元分析，得到异常运行电流数据以及异常电机振动数据；

14、诊断模块，用于将所述异常运行电流数据以及所述异常电机振动数据输入所述目标电机故障诊断模型集进行电机故障诊断，得到目标电机故障诊断结果；

15、生成模块，用于通过预置的自适应控制算法，根据所述目标电机故障诊断结果生成所述目标电机的电机运行参数控制策略。

16、本申请提供的技术方案中，使用传感器采集的运行状态信号，并通过经验模态分解提取特征，能够对电机的潜在故障进行早期预测和诊断。通过信号分类、数字信号转换、信号分解和多层次的特征提取过程，能够有效地捕捉到电机运行状态的关键特征，从而提高了故障预测和诊断的准确性和可靠性。综合考虑了电机的运行电流和振动数据，通过贝叶斯网络和极限学习机构建了多模型故障诊断系统，提高了故障诊断的全面性和可信度。通过获取实时运行电流和振动数据，能够快速检测到异常情况，并及时生成电机运行参数控制策略，从而实现对电机运行的实时监测和自适应控制，降低了故障对系统的影响。核主元分析和奇异值分解等技术有助于将复杂的高维数据降维到更易于处理的低维空间，提高了数据处理的效率和计算速度。通过模型集成和结果融合，能够综合考虑不同模型的输出，提高了电机故障诊断的可靠性和鲁棒性，进而提高了电机的运行控制准确率。

技术特征：

1.一种电机的运行控制方法，其特征在于，所述电机的运行控制方法包括：

2.根据权利要求1所述的电机的运行控制方法，其特征在于，所述通过预置的传感器组对目标电机进行运行状态信号采集和经验模态分解，得到测试运行电流数据以及测试电机振动数据，包括：

3.根据权利要求1所述的电机的运行控制方法，其特征在于，所述分别对所述测试运行电流数据以及所述测试电机振动数据进行特征提取，得到测试运行电流特征以及测试电机振动特征，包括：

4.根据权利要求1所述的电机的运行控制方法，其特征在于，所述将所述测试运行电流特征输入预置的贝叶斯网络进行电机故障预测建模，并将所述测试电机振动特征输入预置的极限学习机进行电机故障预测建模，得到目标电机故障诊断模型集，包括：

5.根据权利要求1所述的电机的运行控制方法，其特征在于，所述获取所述目标电机的实时运行电流数据以及实时电机振动数据，并分别对所述实时运行电流数据以及所述实时电机振动数据进行核主元分析，得到异常运行电流数据以及异常电机振动数据，包括：

6.根据权利要求4所述的电机的运行控制方法，其特征在于，所述将所述异常运行电流数据以及所述异常电机振动数据输入所述目标电机故障诊断模型集进行电机故障诊断，得到目标电机故障诊断结果，包括：

7.根据权利要求1所述的电机的运行控制方法，其特征在于，所述通过预置的自适应控制算法，根据所述目标电机故障诊断结果生成所述目标电机的电机运行参数控制策略，包括：

8.一种电机的运行控制系统，其特征在于，所述电机的运行控制系统包括：

技术总结
本申请涉及人工智能技术领域，公开了一种电机的运行控制方法及系统。所述方法包括：对目标电机进行运行状态信号采集和经验模态分解，得到测试运行电流数据以及测试电机振动数据；进行特征提取，得到测试运行电流特征以及测试电机振动特征；进行电机故障预测建模，得到目标电机故障诊断模型集；对实时运行电流数据以及实时电机振动数据进行核主元分析，得到异常运行电流数据以及异常电机振动数据；将异常运行电流数据以及异常电机振动数据输入目标电机故障诊断模型集进行电机故障诊断，得到目标电机故障诊断结果；通过自适应控制算法，根据目标电机故障诊断结果生成目标电机的电机运行参数控制策略，本申请提高了电机的运行控制准确率。

技术研发人员：刘洪,杨珍,刘诗敏
受保护的技术使用者：深圳市科沃电气技术有限公司
技术研发日：
技术公布日：2024/2/1