基于数字孪生模型的车载混合励磁电机电气故障诊断方法
摘要文本
本发明属于故障诊断技术领域，公开了基于数字孪生模型的车载混合励磁电机电气故障诊断方法：根据目标设备的状态参数初始数据及响应参数数据构建所目标设备的初始数字孪生模型；利用修正参数的修正值对初始数字孪生模型进行更新处理，更新目标设备的数字孪生模型参数；通过PCA对采集到的信号进行主成分分析特征降维，再通过PSO‑ChOA‑VMD进行特征向量信号生成；通过PSO‑ChOA‑ELM算法进行故障识别。本发明诊断过程计算量小，不要求额外的传感器，可以对实时运行的电机进行故障诊断，并且比起普通的故障诊断算法精度更高，速度更快，可以形成电机诊断一体化系统。
申请人信息
- 申请人:中国矿业大学
- 申请人地址:221116 江苏省徐州市大学路1号中国矿业大学南湖校区
- 发明人: 中国矿业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于数字孪生模型的车载混合励磁电机电气故障诊断方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311363762.3 |
| 申请日 | 2023/10/20 |
| 公告号 | CN117665565A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G01R31/34 |
| 权利人 | 中国矿业大学 |
| 发明人 | 马草原; 郑潞; 苏金华; 关宁; 李宣希; 姚沁成; 曹鑫宇; 徐逸辉; 李俊 |
| 地址 | 江苏省徐州市南郊翟山 |
专利主权项内容
1.基于数字孪生模型的车载混合励磁电机电气故障诊断方法，其特征在于，包括如下步骤：步骤1、测量电机六相电流，根据所述电机六相电流的状态参数初始数据及响应参数构建车载电机的初始数字孪生模型，电机六相电路分别为a、b、c、u、v和w，所述电机六相电流分别表示为i、i、i、i、i和i；abcuvw步骤2、测试所述初始数字孪生模型，并在Simulink中搭建六相矢量控制系统，在所述六相矢量控制系统中进行混合励磁电机电气故障仿真模拟；步骤3、通过所述混合励磁电机电气故障仿真模拟，分别采集混合励磁电机7种状态下的六相电流信号，所述7种状态包括正常、单相接地、过压、欠压、连接故障、两相短路和两相接地；步骤4、将每组电机电流信号切分，使用主成分分析分别对切分后的信号进行降维，获取有效特征信号；步骤5、通过PSO-ChOA算法对VMD参数进行寻优，得到最佳参数组合[K，α]，随后采用所述最佳参数组合分别对提取的所述7种状态的所述有效特征信号进行模态分解，得到每组状态下电机信号的IMF分量，并求取每个所述IMF分量的近似熵以构建故障特征向量，并按照预设比例随机将所述故障特征向量分为训练集、验证集和测试集；步骤6、使用所述PSO-ChOA算法优化ELM模型的输入层权值和隐藏层偏值，随后将所述训练集及所述验证集中的故障特征向量输入到优化后的所述ELM模型中，进行ELM模型参数训练，得到训练好的PSO-ChOA-VMD-ELM诊断模型；步骤7、将所述测试集的故障特征向量输入到所述PSO-ChOA-VMD-ELM诊断模型，检测对电机电气故障的诊断分类效果；步骤8、使用所述PSO-ChOA-VMD-ELM模型对运行中的电机信号进行故障诊断，并根据输出信息判断是否发生电机电气故障。。关注公众号马 克 数 据 网