[发明专利]一种生产线电机故障预测方法及装置

说明书

本发明实施例提供一种生产线电机故障预测方法及装置。所述方法包括获取第一输入集和第二输入集，分别包括第一时刻到当前时刻范围内每个时刻的第一参数值，以及当前时刻的其它参数值；通过神经网络模型得到预测时刻的第一参数预测值；在预测时刻获取所述电机的第一参数实测值，并与第一参数预测值进行比较；若误差超过预设的误差阈值，则采用Adam算法对所述神经网络模型中的各个权值进行校正，本发明实施例通过预设的神经网络模型得到预测时刻的第一参数预测值，再判断第一参数预测值是否会引起故障，从而产生预警，并对神经网络模型中的权值进行实时校正，从而能够快速预测电机故障，保证了预测和诊断的实时性，提高了预测和诊断的精度。

技术领域

本发明实施例涉及机电技术领域，尤其涉及一种生产线电机故障预测方法及装置。

背景技术

近年来我国高速铁路动车组进入大规模建设时期，投入运营的动车组数量不断增加，对于动车组设备的生产需求也不断的增长。自动化生产线(产线)的电机为产线提供动力，在运行过程中承受各种电磁交变应力的作用，易电机出现各种电气故障和机械故障，电机的正常运行对产线的安全起着至关重要的作用。因此利用这些不断积累的产线监测数据，对电机进行故障趋势预测，具有十分重要的意义。

在对产线电机进行故障预测和诊断的过程中，常规的故障预测和诊断方法存在以下缺点：1)故障预测和诊断模型复杂，建立成本太高。依托产线电机领域专家丰富的经验，建立电机的数学模型，然后使用电机的状态特征数据和建立的数学模型做比较，通过大量数学方法验证，达到预测效果。这需要对产线电机的运行机理有深刻的认识，对其故障历史有长时间的研究，还有要严谨科学的方法对电机建立数学模型。而实际中，产线电机作为一个复杂的系统，对其建立数学模型具有很大的挑战，建立了的数学模型也通常会有各种缺陷，并不能精确完整的描述电机，需要长时间的完善，这期间需要耗费巨大的时间和金钱成本。2)故障预测和诊断模型无法满足任务的实时性。复杂的故障预测诊断模型需要很大的计算量和逻辑推理才能完成故障的预测和诊断任务，这就很难保证电机预测诊断的实时性要求。3)故障预测和诊断模型无法做到自我反馈修正。产线电机工作环境的不同，对其进行故障预测和诊断的实际情况也不同，这需要故障预测和诊断模型能够在工作运行中不断进行自我修正，提高预测和诊断精度。

可见由于常规的故障预测和诊断方法存在的缺点，使常规的故障预测速度较慢，无法保证预测和诊断的实时性，且预测和诊断精度不够。

发明内容

本发明实施例提供一种生产线电机故障预测方法及装置，用以解决现有技术中故障预测速度较慢，无法保证预测和诊断的实时性，且预测和诊断精度不够。

第一方面，本发明实施例提供了一种自动化生产线电机故障预测方法，包括：

根据预设的时间步长和预设的神经网络模型，获取第一输入集和第二输入集；其中，所述第一输入集包括从第一时刻开始到当前时刻结束的时间范围内每个时刻电机的第一参数值，所述第二输入集包括当前时刻至少一个所述电机的其它参数值；

根据所述第一输入集和第二输入集，通过所述神经网络模型至少得到预测时刻的第一参数预测值；其中，所述预测时刻晚于当前时刻；

在预测时刻获取所述电机的第一参数实测值，并与所述第一参数预测值进行比较；

若比较的误差超过预设的误差阈值，则根据所述误差采用自适应矩估算Adam算法对所述神经网络模型中的各个权值进行校正。

第二方面，本发明实施例提供了一种自动化生产线电机故障预测装置，其特征在于，包括：

获取模块，用于根据预设的时间步长和预设的神经网络模型，获取第一输入集和第二输入集；其中，所述第一输入集包括从第一时刻开始到当前时刻结束的时间范围内每个时刻电机的第一参数值，所述第二输入集包括当前时刻至少一个所述电机的其它参数值；