【技術實現步驟摘要】
本專利技術涉及電機故障診斷領域，特別是應用于車載無刷直流電機(bldc)的故障檢測和診斷。具體地，本專利技術涉及將電機的三相數據映射到rgb色彩空間中的技術，對無刷直流電機的電壓和電流信號進行處理和分析。
技術介紹
1、無刷直流電機(bldc)廣泛應用于各類工業設備和電動工具中，其性能穩定性直接影響設備的運行效率和安全生。傳統的故障診斷方法主要依賴于電氣參數的直接測量和分析，如電壓、電流和溫度。然而，這些方法常常需要復雜的算法和大量的數據處理，導致故障診斷的周期較長且不夠直觀。
技術實現思路
1、近年來，圖像處理技術在各個領域得到了廣泛應用，包括工業設備的故障診斷。rgb色彩模式作為一種標準的顏色表示方法，通過對紅、綠、藍三個顏色通道的變化進行分析，可以獲得豐富的色彩信息。因此，將電機的電氣參數映射到rgb顏色通道中進行處理，可能會為電機故障診斷提供一種新的思路和方法。
2、本專利技術的目的在于提供一種基于圖像融合的無刷直流電機的故障診斷方法，包括：獲取無刷直流電機的電壓和電流數據，將電壓和電流數據轉換為rgb圖像，提取圖像特征信息，構建rgb圖像數據集，將數據集劃分為訓練集和驗證集；
3、構建卷積神經網絡cnn分類模型；
4、通過訓練集對卷積神經網絡模型進行訓練，并通過測試集對訓練后的卷積神經網絡模型進行測試和優化；
5、采集電機的實時三相電壓和電流數據并轉換為實時rgb圖像，通過訓練后的卷積神經網絡模型進行診斷，如果檢測到故障，發
6、進一步地，所述的構建rgb圖像數據集還包括：將采集的電壓及電流數據進行濾波并歸一化，進行位拼接，轉換為rgb值，將rgb值按時間排序為圖像數據的像素，形成rgb模式的圖像并存儲，形成圖像數據集。
7、進一步地，所述的構建rgb圖像數據集還包括：對形成的圖像進行預處理，采用canny邊緣檢測算法提取圖像中的邊緣特征；對圖像進行紋理分析，提取圖像的紋理特征；對圖像進行顏色直方圖分析，提取圖像的顏色直方圖特征；將圖像的紋理特征和顏色直方圖特征融合，形成圖像的特征向量并依據特征向量對故障進行分類。
8、進一步地，所述紋理特征，包括對比度、相關性、能量和同質性；所述顏色直方圖特征包括：rgb通道的均值、標準差、峰值。
9、進一步地，所述故障分類包括：定子或轉子不平衡，電磁干擾，軸承故障，電氣故障包括短路、過載。
10、進一步地，卷積神經網絡cnn的架構，包含3-5個卷積層，卷積層中卷積核大小分別為3x3或5x5，每個卷積層后使用使用relu激活函數；池化層都使用最大池化，池化層的數量選取2-3層，池化核大小為2x2，池化步長為2；選取1-2個全連接層；輸出層為一個全連接層，使用softmax激活函數，輸出每個故障類型的概率分布，輸出神經元的個數與故障分類的類別數相同。
11、進一步地，所述訓練卷積神經網絡模型包括：使用訓練集對卷積神經網絡進行訓練，調整模型的權重參數，在訓練中通過熵損失函數、隨機梯度函數優化算法最小化分類誤差；使用測試集對經過訓練的卷積神經網絡進行評估，在評估中通過計算包括模型的準確率、精確率、召回率和f1分數對經過訓練的卷積神經網絡進行評估，在評估中包括通過混淆矩陣分析模型對各類故障的分類效果進行評估，根據評估結果對模型進行優化。
12、進一步地，將數據集劃分為訓練集和驗證集還包括，將圖像按照不同的故障類型進行標注，構建訓練集和測試集；對圖像進行標準化處理，使其具有相同的尺寸和像素值范圍，進行數據增強操作，包括旋轉、縮放、平移、翻轉，增加訓練數據的多樣性和模型的魯棒性。
13、本專利技術還公開了一種應用上述任一方法的無刷直流電機的故障診斷分析系統，包括數據采集模塊、數據轉換模塊、rgb圖像生成模塊、圖像處理與分析模塊和故障診斷結果輸出模塊；
14、所述數據采集模塊與數據轉換模塊連接，用于實時采集無刷直流電機的電氣參數數據，將電壓和電流數據的模擬信號轉換為數字信號并發送至數據轉換模塊，所述數據采集模塊還用于采集車輛的實況車載電纜信息，用于為模型提供檢測數據；
15、所述數據轉換模塊與rgb圖像生成模塊連接，用于將接收到的電壓和電流數字信號編碼成rgb圖像數據；
16、所述rgb圖像生成模塊與圖像處理與分析模塊相連，用于生成rgb圖像并應用圖像處理算法進行分析，提供電機狀態監控和故障診斷結果，并將電機狀態監控和故障診斷結果發送至圖像處理與分析模塊；
17、所述圖像處理與分析模塊與故障診斷結果輸出模塊相連，用于對生成的rgb圖像進行處理和分析，以實現故障診斷；
18、所述故障診斷結果輸出模塊用以輸出診斷結果，并報警或顯示。
19、進一步地，所述電壓及電流數據包括無刷直流電機各相的電壓及電流u_a、u_b、u_c及i_a、i_b、i_c；對信號采集系統的采樣率至少設置為電機運行信號頻率的2-10倍，分辨率可為12位或16位。
20、采用了上述技術方案后，與現有技術相比，具有以下有益效果：
21、1.將電機的三相電壓(u_a，u_b，u_c)和電流(i_a，i_b，i_c)分別映射到rgb色彩模式中的紅、綠、藍通道。通過將電壓和電流信號的低位數據拼接到rgb通道中，從而得到對應的rgb值。這種方法能夠將電機的多維電氣參數信息壓縮并轉換為彩色圖像中的信息。
22、2.利用圖像處理技術對生成的rgb圖像進行分析，這些技術在處理彩色圖像時能夠提取出豐富的特征信息。通過將電氣參數轉換為圖像數據，可以使用現有的圖像處理算法來分析電機狀態，這種方法能夠利用成熟的圖像處理工具和技術，提高診斷的準確性和效率。
23、3.將電機電氣參數轉換為圖像數據后，可以應用現有的圖像處理工具和算法(如邊緣檢測、特征提取等)來分析電機狀態。這一方法利用了圖像處理技術的成熟度和高效性，能夠快速提取電機故障的特征信息。
24、4.現有的電機故障診斷方法通常需要工程師具備深厚的電機理論和信號處理背景。通過將電機電氣參數轉換為rgb圖像并利用圖像處理技術，本專利技術降低了專業知識門檻，使得診斷過程更為直觀和易于理解。
本文檔來自技高網...【技術保護點】
1.一種無刷直流電機的故障診斷方法，其特征在于，包括：
2.如權利要求所述1的故障診斷方法，其特征在于，所述的構建RGB圖像數據集還包括：將采集的電壓及電流數據進行濾波并歸一化，進行位拼接，轉換為RGB值，將RGB值按時間排序為圖像數據的像素，形成RGB模式的圖像并存儲，形成圖像數據集。
3.如權利要求2所述的故障診斷方法，其特征在于，所述的構建RGB圖像數據集還包括：對形成的圖像進行預處理，采用Canny邊緣檢測算法提取圖像中的邊緣特征；對圖像進行紋理分析，提取圖像的紋理特征；對圖像進行顏色直方圖分析，提取圖像的顏色直方圖特征；將圖像的紋理特征和顏色直方圖特征融合，形成圖像的特征向量并依據特征向量對故障進行分類。
4.如權利要求3所述的故障診斷方法，其特征在于，所述紋理特征，包括對比度、相關性、能量和同質性；所述顏色直方圖特征包括：RGB通道的均值、標準差、峰值。
5.如權利要求1所述的故障診斷方法，其特征在于，所述故障分類包括：定子或轉子不平衡，電磁干擾，軸承故障，電氣故障包括短路、過載。
6.如權利要求1所述的故障
7.如權利要求1所述的故障診斷方法，其特征在于，所述訓練卷積神經網絡模型包括：使用訓練集對卷積神經網絡進行訓練，調整模型的權重參數，在訓練中通過熵損失函數、隨機梯度函數優化算法最小化分類誤差；使用測試集對經過訓練的卷積神經網絡進行評估，在評估中通過計算包括模型的準確率、精確率、召回率和F1分數對經過訓練的卷積神經網絡進行評估，在評估中包括通過混淆矩陣分析模型對各類故障的分類效果進行評估，根據評估結果對模型進行優化。
8.如權利要求1所述的故障診斷方法，其特征在于，將數據集劃分為訓練集和驗證集還包括，將圖像按照不同的故障類型進行標注，構建訓練集和測試集；對圖像進行標準化處理，使其具有相同的尺寸和像素值范圍，進行數據增強操作，包括旋轉、縮放、平移、翻轉，增加訓練數據的多樣性和模型的魯棒性。
9.一種應用如權利要求1-8任一所述方法的無刷直流電機的故障診斷分析系統，其特征在于，包括數據采集模塊、數據轉換模塊、RGB圖像生成模塊、圖像處理與分析模塊和故障診斷結果輸出模塊；
10.如權利要求9所述的故障診斷分析系統，其特征在于，電壓及電流數據包括無刷直流電機各相的電壓及電流U_A、U_B、U_C及I_A、I_B、I_C；對信號采集系統的采樣率至少設置為電機運行信號頻率的2-10倍，分辨率可為12位或16位。
...【技術特征摘要】
1.一種無刷直流電機的故障診斷方法，其特征在于，包括：
2.如權利要求所述1的故障診斷方法，其特征在于，所述的構建rgb圖像數據集還包括：將采集的電壓及電流數據進行濾波并歸一化，進行位拼接，轉換為rgb值，將rgb值按時間排序為圖像數據的像素，形成rgb模式的圖像并存儲，形成圖像數據集。
3.如權利要求2所述的故障診斷方法，其特征在于，所述的構建rgb圖像數據集還包括：對形成的圖像進行預處理，采用canny邊緣檢測算法提取圖像中的邊緣特征；對圖像進行紋理分析，提取圖像的紋理特征；對圖像進行顏色直方圖分析，提取圖像的顏色直方圖特征；將圖像的紋理特征和顏色直方圖特征融合，形成圖像的特征向量并依據特征向量對故障進行分類。
4.如權利要求3所述的故障診斷方法，其特征在于，所述紋理特征，包括對比度、相關性、能量和同質性；所述顏色直方圖特征包括：rgb通道的均值、標準差、峰值。
5.如權利要求1所述的故障診斷方法，其特征在于，所述故障分類包括：定子或轉子不平衡，電磁干擾，軸承故障，電氣故障包括短路、過載。
6.如權利要求1所述的故障診斷方法，其特征在于，卷積神經網絡cnn的架構，包含3-5個卷積層，卷積層中卷積核大小分別為3x3或5x5，每個卷積層后使用使用relu激活函數；池化層都使用最大池化，池化層的數量選取2-3層，池化核大小為2x2，池化步長為2；選取1-2個全連接層；輸出層為一個全連接層...
【專利技術屬性】
技術研發人員：于偉，董輝，夏杰，方朋，陳智宇，
申請(專利權)人：上海海拉電子有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。