本發(fā)明涉及變頻電機(jī)診斷技術(shù)，更具體地說(shuō)，涉及一種基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法。
背景技術(shù)：
1、變頻電機(jī)就是一種同步電機(jī)或異步電機(jī)，轉(zhuǎn)速與電源頻率有關(guān)。另外配有一個(gè)變頻器，將50hz的工頻交流電，變成輸出頻率可變的交流電，以實(shí)現(xiàn)調(diào)速目的。
2、尤其是鋼鐵行業(yè)各軋線上，使用變頻實(shí)現(xiàn)無(wú)極變速傳動(dòng)已經(jīng)成為主流的調(diào)速方案，目前大多數(shù)的變頻電機(jī)通過(guò)在設(shè)備外部加裝聲音、振動(dòng)、溫度等傳感器來(lái)獲取設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)，利用專家經(jīng)驗(yàn)或者統(tǒng)計(jì)分析[的手段來(lái)判斷設(shè)備是否發(fā)生劣化或者有劣化趨勢(shì)。如建立波形、峰值、峭度等指標(biāo)，配合頻譜、倒頻譜、包絡(luò)譜等信號(hào)分析方法構(gòu)建模型實(shí)現(xiàn)異常預(yù)警。或者是利用統(tǒng)計(jì)分析的方法，把設(shè)備運(yùn)行數(shù)據(jù)用pca投影至高維空間，用特征點(diǎn)的距離作為指標(biāo)進(jìn)行異常監(jiān)測(cè)。這些監(jiān)測(cè)方法由于設(shè)定閾值不夠精準(zhǔn)、參考的數(shù)據(jù)維度過(guò)于單一常常導(dǎo)致響應(yīng)不及時(shí)、判斷準(zhǔn)確率嚴(yán)重依賴人工經(jīng)驗(yàn)的問題。
技術(shù)實(shí)現(xiàn)思路
1、針對(duì)現(xiàn)有技術(shù)中存在的缺陷，本發(fā)明的目的是提供一種基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法，采用dbscan模型結(jié)合mmd函數(shù)建立了一個(gè)適用于變頻變載的變頻電機(jī)的異常檢測(cè)模型，結(jié)合一機(jī)一模型的自動(dòng)學(xué)習(xí)機(jī)制，每臺(tái)變頻電機(jī)都可以訓(xùn)練出其專屬的專用模型。
2、為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
3、一種基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法：
4、采集機(jī)組在不同轉(zhuǎn)速和不同負(fù)載下的正常運(yùn)行狀態(tài)數(shù)據(jù)，對(duì)正常運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行特征化處理，得到多維特征數(shù)據(jù)，觀測(cè)多維特征數(shù)據(jù)分布情況，通過(guò)計(jì)算模型設(shè)計(jì)最大類間最大距離函數(shù)，通過(guò)最大距離函數(shù)來(lái)觀測(cè)變頻變載電機(jī)的運(yùn)行數(shù)據(jù)是否出現(xiàn)異常狀態(tài)。
5、較佳的，所述正常運(yùn)行狀態(tài)數(shù)據(jù)包括運(yùn)行正常、振動(dòng)波形、橫向關(guān)注、低值報(bào)警和高值報(bào)警。
6、較佳的，所述多維特征數(shù)據(jù)包括電機(jī)驅(qū)動(dòng)端/非驅(qū)動(dòng)斷高頻振動(dòng)、電機(jī)運(yùn)行轉(zhuǎn)速和電機(jī)電流。
7、較佳的，所述計(jì)算模型的訓(xùn)練具體包括以下步驟：
8、s1，對(duì)采集的所述多維特征數(shù)據(jù)進(jìn)行數(shù)據(jù)濾波，得到濾波數(shù)據(jù)集；
9、s2，對(duì)所述濾波數(shù)據(jù)集進(jìn)行特征化，得到特征向量集；
10、s3，將所述特征向量集放至dbscan分類器中，得到分類矩陣，計(jì)算所述特征向量集中整體特征分布情況；
11、s4，通過(guò)mk—mmd計(jì)算所述分類矩陣中個(gè)數(shù)組的邊緣分布差異，得到數(shù)據(jù)間距離，設(shè)計(jì)threshold函數(shù)；
12、s5，將所述分類矩陣、所述數(shù)據(jù)間距離和所述特征向量集分布情況一起放至最終的計(jì)算模型。
13、較佳的，采用所述模型的異常檢測(cè)流程具體步驟包括：
14、1)對(duì)采集數(shù)據(jù)進(jìn)行濾波處理；
15、2)對(duì)濾波后的數(shù)據(jù)進(jìn)行特征工程，得到特征向量；
16、3)拉取所述計(jì)算模型中所述分類矩陣，計(jì)算所述特征向量與所述分類矩陣之間的分布差異，得到數(shù)組間的間距distance；
17、4)拉取所述計(jì)算模型中的數(shù)據(jù)間距離threshold，對(duì)比distance和threshold值大小，若distance比threshold大則為異常，反之未發(fā)生異常；
18、5)計(jì)算所述特征向量的特征分布情況，與所述計(jì)算模型特征分布進(jìn)行對(duì)比，得到主要變化特征。
19、較佳的，當(dāng)所述計(jì)算模型結(jié)果異常時(shí)，輸出所述主要變化特征，通過(guò)機(jī)理模型判斷該異常信息。
20、本發(fā)明所提供的一種基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法，具有以下幾點(diǎn)有益效果：
21、1)準(zhǔn)確性高：dbscan模型可以聚類非線性關(guān)系(聚類為任意形狀)，適用于電機(jī)產(chǎn)生的非線性振動(dòng)數(shù)據(jù)，并且可以將高密度數(shù)據(jù)分離成小集群，可以準(zhǔn)確的將電機(jī)的運(yùn)行狀態(tài)進(jìn)行分類；
22、2)靈活性強(qiáng)：本發(fā)明還使用一機(jī)一模型機(jī)制，直接解決集中訓(xùn)練的模型無(wú)法復(fù)用問題，收集電機(jī)運(yùn)行初期(電機(jī)運(yùn)行正常)的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)；
23、3)方案可靠：本發(fā)明結(jié)合統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)的理論，可以通過(guò)有效地利用歷史數(shù)據(jù)來(lái)適應(yīng)新的環(huán)境，具有較高的可靠性。
1.一種基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法，其特征在于：
2.根據(jù)權(quán)利要求1所述的基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法，其特征在于：所述正常運(yùn)行狀態(tài)數(shù)據(jù)包括運(yùn)行正常、振動(dòng)波形、橫向關(guān)注、低值報(bào)警和高值報(bào)警。
3.根據(jù)權(quán)利要求1所述的基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法，其特征在于：所述多維特征數(shù)據(jù)包括電機(jī)驅(qū)動(dòng)端/非驅(qū)動(dòng)斷高頻振動(dòng)、電機(jī)運(yùn)行轉(zhuǎn)速和電機(jī)電流。
4.根據(jù)權(quán)利要求1所述的基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法，其特征在于，所述計(jì)算模型的訓(xùn)練具體包括以下步驟：
5.根據(jù)權(quán)利要求4所述的基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法，其特征在于，采用所述模型的異常檢測(cè)流程具體步驟包括：
6.根據(jù)權(quán)利要求5所述的基于dbscan聚類模型的變頻變載電機(jī)故障預(yù)測(cè)方法，其特征在于：當(dāng)所述計(jì)算模型結(jié)果異常時(shí)，輸出所述主要變化特征，通過(guò)機(jī)理模型判斷該異常信息。