专利交易市场

一种基于图卷积的电机故障诊断方法，包括以下步骤：1)划分数据样本：利用傅里叶变换和逆变换将定子电流数据参照单个周期正弦函数划分单位样本的；2)构建电流图网络：在每个单位周期样本中，首先根据电流数值正负以及样本周期将样本划分为两个部分，然后分别确定两个部分中的数据点是否存在联系，并以数据点为节点创建节点关系矩阵，最后根据节点关系矩阵和电流数值波动特征构建电流图网络；3)构建图卷积神经网络并分类：将电流图网络作为模型训练数据，设计图卷积神经网络分类模型，并进行故障分类。本发明大大降低了人的工作量，使用的电流数据获取更为方便。

本发明公开了基于通道注意力多模块LMMD的电信号电机健康预警方法，该方法包括采集电机三相定子电流作为原始数据进行预处理，得到多工况数据决策表，引入基于屏蔽卷积核与通道注意力机制模块（SSPCAB）的异常检测网络进行异常样本初筛；将决策表中的数据送入频谱形态信息识别模块提取频谱分布形态作为第一信息，送入包络谱调幅信息提取模块提取包络谱调幅信息作为第二信息，送入调频序列信息提取模块提取频率时间变化序列即调频信息作为第三信息；根据上述几类信息，构建多元高维融合信息集作为输入，训练多级域对抗LMMD域自适应电机异常状态预警模型，挖掘核特征实现基于电流数据的电机健康状态预警及分类识别。

本发明公开了基于数据模型分析的伺服电机故障诊断方法及系统，包括利用电流重构法分析所述伺服电机的电流性能，并绘制滤波器的电流线性图，根据所述电流线性图构建所述伺服电机的同步旋转坐标系下的电机数学模型；根据牛顿定律和运动学关系基于数据驱动方法构建所述伺服电机的力矩‑速度模型和位置‑速度模型，结合得到位置模型；根据离散多相位电流集对所述伺服电机进行故障诊断。通过对实时电流信号的深入分析，更精确地识别故障特征，建立多维度模型，使故障诊断更全面和系统化，通过对故障特征量的分类和可靠性评估，提高故障识别的可信度，功能面板提供了直观的故障诊断结果展示，便于操作者理解和决策。

本发明公开电机故障诊断领域中的永磁同步电机的退磁、绕组断路与匝间短路故障分类方法，采集其实际运行时位置角和三相电流，根据位置角和三相电流计算出dq坐标系下永磁同步电机实际运行时的电流合成矢量与直轴的夹角，根据一个采集周期中每一相的电流最大值和最小值计算出每相电流不平衡度，根据电流不平衡度的两个经验边界值判断出电机正常、断路故障以及匝间短路故障或是退磁故障，将实际运行时电流合成矢量与直轴的夹角和正常运行时电流合成矢量与直轴的夹角作比较判断出匝间短路故障和退磁故障；本发明实现了多个故障同时辨别的功能。