本技術(shù)涉及電機(jī)數(shù)據(jù)處理領(lǐng)域，尤其涉及一種電機(jī)電磁故障檢測方法、裝置、終端設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、電磁故障通常是電機(jī)在運(yùn)行過程中，電磁特性發(fā)生異常所導(dǎo)致的問題。電磁故障會導(dǎo)致設(shè)備性能下降、效率降低，甚至可能導(dǎo)致設(shè)備損壞。常見的電磁故障包括繞組短路、電流不平衡、電磁干擾、磁路異常等。這些故障不僅影響設(shè)備的正常運(yùn)行，還可能引發(fā)更嚴(yán)重的次生故障，如機(jī)械損壞和過熱等。

2、現(xiàn)有電磁故障檢測方法，通過接入額外的檢測設(shè)備以獲取電機(jī)運(yùn)行數(shù)據(jù)，如通過監(jiān)測設(shè)備的輸入電流和輸出電流，分析其電流波形；通過接入磁通傳感器，檢測電機(jī)內(nèi)部磁通密度變化。進(jìn)一步通過上述傳感器采集的數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)方法，訓(xùn)練對應(yīng)的故障識別模型或者搭建相應(yīng)的仿真模型進(jìn)行故障判定。然而上述方法需要對電機(jī)結(jié)構(gòu)進(jìn)行更改，造成不必要的停機(jī)操作，且構(gòu)建的模型通常具有較高復(fù)雜度，需要大量前期的特征處理程序，以剔除其他故障產(chǎn)生的噪聲數(shù)據(jù)。

3、因此，如何在不改變電機(jī)結(jié)構(gòu)的情況下，有效消除其他故障對于電磁故障判斷的影響，并保證計(jì)算效率是當(dāng)前電磁故障檢測需要解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供了一種電機(jī)電磁故障檢測方法、裝置、終端設(shè)備及存儲介質(zhì)，以解決技術(shù)問題。

2、為了解決上述技術(shù)問題，第一方面，本技術(shù)實(shí)施例提供了一種電機(jī)電磁故障檢測方法，包括：

3、通過紅外熱成像設(shè)備，實(shí)時(shí)采集電機(jī)的紅熱圖像，通過溫度映射，獲取所述紅熱圖像各個(gè)像素點(diǎn)對應(yīng)的溫度值；

4、當(dāng)預(yù)設(shè)區(qū)域的任意一個(gè)像素點(diǎn)對應(yīng)的溫度值超過第一閾值時(shí)，通過噪音傳感器采集所述電機(jī)運(yùn)行時(shí)產(chǎn)生的第一噪音信號；

5、通過快速傅里葉變換以及特征頻率匹配，根據(jù)所述第一噪音信號，從所有預(yù)設(shè)的第二噪音信號中篩選若干第三噪音信號；所述第二噪音信號，通過采集不同機(jī)械故障場景下電機(jī)運(yùn)行時(shí)產(chǎn)生的噪音而獲??；

6、通過頻譜減法，依次從所述第一噪音信號中剔除各所述第三噪音信號，獲取第四噪音信號；

7、通過預(yù)訓(xùn)練好的決策樹模型，結(jié)合所述第四噪音信號以及所述紅熱圖像，獲取電磁故障檢測結(jié)果；所述決策樹模型，通過電機(jī)在正常運(yùn)行場景以及電磁故障場景下的歷史運(yùn)行數(shù)據(jù)訓(xùn)練獲取。

8、相比于現(xiàn)有技術(shù)，本技術(shù)實(shí)施例具有如下有益效果：由于電磁故障通常由于電流和磁場的相互作用而產(chǎn)生，而機(jī)械故障通常由電機(jī)的硬件設(shè)備出現(xiàn)模型斷裂等機(jī)械損傷而產(chǎn)生，因此兩者對應(yīng)的噪音存在不同的特征，且電磁故障以及機(jī)械故障的出現(xiàn)，均會導(dǎo)致電機(jī)出現(xiàn)異常發(fā)熱，因此通過紅熱成像設(shè)備以及噪音采集設(shè)備，無需對電機(jī)本身的機(jī)械結(jié)構(gòu)進(jìn)行更改，只需要在外部設(shè)立對應(yīng)的傳感器即可實(shí)現(xiàn)電磁故障的檢測；且當(dāng)多種故障同時(shí)在電機(jī)中出現(xiàn)時(shí)，因機(jī)械故障導(dǎo)致的噪音通常使得電磁故障的噪音難以識別，因此通過提前模擬各種類型機(jī)械故障下的第二噪音信號，基于第二噪音信號，對真實(shí)電機(jī)運(yùn)行環(huán)境下產(chǎn)生的噪音進(jìn)行去噪，保留可能由于電磁故障導(dǎo)致的第四噪音信號，從而僅需要使用決策樹便可以實(shí)現(xiàn)故障檢測，避免通過構(gòu)建復(fù)雜的仿真模型或者機(jī)器學(xué)習(xí)模型，從復(fù)雜噪音中提取細(xì)小的有效特征，有效提升了計(jì)算效率，同時(shí)解決了其他故障對于電磁故障檢測的負(fù)面影響。

9、在本技術(shù)第一方面的一些實(shí)施例中，所述通過快速傅里葉變換以及特征頻率匹配，根據(jù)所述第一噪音信號，從所有所述第二噪音信號中篩選若干第三噪音信號，包括：

10、通過獨(dú)立成分分析，從所述第一噪音信號中，提取若干第五噪音信號；

11、通過快速傅里葉變換，將各所述第五噪音信號轉(zhuǎn)換為第一頻譜，將各所述第二噪音信號轉(zhuǎn)換為對應(yīng)的第二頻譜；

12、通過特征頻率匹配，依次計(jì)算各所述第一頻譜與各所述第二頻譜之間的相似度；

13、將所述相似度大于第二閾值的所述第二頻譜對應(yīng)的所述第二噪音信號作為所述第三噪音信號。

14、相比現(xiàn)有技術(shù)，上述實(shí)施例具有以下有益效果：通過獨(dú)立成分分析，可以從第一噪音信號中分離出不同的噪音，并對實(shí)際采集的第五噪音信號與各個(gè)機(jī)械故障場景下的第二噪音信號進(jìn)行匹配，從而準(zhǔn)確判斷當(dāng)前電機(jī)運(yùn)行時(shí)所出現(xiàn)的機(jī)械故障，以使得后續(xù)可以從第一噪音信號中，準(zhǔn)確分離電磁故障導(dǎo)致的噪音信號。

15、在本技術(shù)第一方面的一些實(shí)施例中，所述通過特征頻率匹配，依次計(jì)算各所述第一頻譜與各所述第二頻譜之間的相似度，包括：

16、從所述第一頻譜中提取對應(yīng)的若干第一特征頻率，從所述第二頻譜中提取對應(yīng)的若干第二特征頻率；

17、計(jì)算所有所述第二特征頻率與所有所述第一特征頻率之間的歐氏距離，作為對應(yīng)所述第一頻譜與所述第二頻譜之間的相似度。

18、相比現(xiàn)有技術(shù)，上述實(shí)施例具有以下有益效果：通過從頻譜中提取特征頻率，保證兩個(gè)特征頻率對齊，從而可以通過計(jì)算兩個(gè)特征頻率之間的歐氏距離，準(zhǔn)確評估兩個(gè)頻譜對應(yīng)的噪音信號之間的相似程度，提升機(jī)械故障判斷的準(zhǔn)確性。

19、在本技術(shù)第一方面的一些實(shí)施例中，所述計(jì)算所有所述第二特征頻率與所有所述第一特征頻率之間的歐氏距離，作為對應(yīng)所述第一頻譜與所述第二頻譜之間的相似度，包括：

20、所述歐氏距離的計(jì)算公式，具體為：

21、

22、其中，為歐氏距離；為特征頻率的總數(shù)；為第一頻譜的第個(gè)第一特征頻率；為第二頻譜的第個(gè)第二特征頻率；為第個(gè)第一特征頻率的幅度；為第個(gè)第二特征頻率的幅度。

23、相比現(xiàn)有技術(shù)，上述實(shí)施例具有以下有益效果：通過對特征頻率進(jìn)行歐氏距離計(jì)算，既確保了相似性評估的準(zhǔn)確性，同時(shí)具有計(jì)算復(fù)雜度低的優(yōu)點(diǎn)，提升了電磁故障檢測的實(shí)時(shí)性。

24、在本技術(shù)第一方面的一些實(shí)施例中，所述通過頻譜減法，依次從所述第一噪音信號中剔除各所述第三噪音信號，獲取第四噪音信號，包括：

25、通過快速傅里葉變換，將所述第一噪音信號轉(zhuǎn)換為第三頻譜，將各所述第三噪音信號轉(zhuǎn)換為對應(yīng)的第四頻譜；

26、通過特征頻率匹配，確定所述第三頻譜與各所述第四頻譜的共同頻率點(diǎn)；

27、依次根據(jù)所述共同頻率點(diǎn)，從所述第三頻譜中減去對應(yīng)的第四頻譜，獲取第五頻譜；

28、通過逆快速傅里葉變換，將所述第五頻譜轉(zhuǎn)換為所述第四噪音信號。

29、相比現(xiàn)有技術(shù)，上述實(shí)施例具有以下有益效果：通過頻譜減法，可以高效剔除噪音中的干擾成分，確保提取的第四噪音信號更加純凈，從而提高后續(xù)電磁故障檢測的精度；同時(shí)通過快速傅里葉變換，提高了數(shù)據(jù)處理效率，保證了檢測的實(shí)時(shí)性。

30、在本技術(shù)第一方面的一些實(shí)施例中，所述通過預(yù)訓(xùn)練好的決策樹模型，結(jié)合所述第四噪音信號以及所述紅熱圖像，獲取電磁故障檢測結(jié)果，包括：

31、從所述第四噪音信號中提取時(shí)域特征，并通過快速傅里葉變換，從所述第四噪音信號中提取頻域特征；

32、結(jié)合電機(jī)的結(jié)構(gòu)圖，從所述紅熱圖像中分割電機(jī)的定子和轉(zhuǎn)子對應(yīng)的第一區(qū)域，并提取所述第一區(qū)域中各個(gè)像素點(diǎn)對應(yīng)的溫度值作為熱圖特征；

33、將所述時(shí)域特征、頻域特征以及熱圖特征拼接，輸入至所述決策樹模型中，獲取電磁故障檢測結(jié)果。

34、相比現(xiàn)有技術(shù)，上述實(shí)施例具有以下有益效果：通過結(jié)合時(shí)域和頻域特征的提取，綜合考慮多種信息，提高了決策樹模型在故障檢測中的表現(xiàn)，提升電磁故障檢測的準(zhǔn)確度，同時(shí)通過引入熱圖特征，可以將溫度信息與噪音信號結(jié)合，提供更全面的故障診斷依據(jù)。

35、在本技術(shù)第一方面的一些實(shí)施例中，所述結(jié)合電機(jī)的結(jié)構(gòu)圖，從所述紅熱圖像中分割電機(jī)的定子和轉(zhuǎn)子對應(yīng)的第一區(qū)域，包括：

36、通過圖像分割算法，將所述紅熱圖像劃分為若干子區(qū)域；

37、將劃分后的所述紅熱圖像與電機(jī)的結(jié)構(gòu)圖重疊，從所有所述子區(qū)域中選擇與目標(biāo)區(qū)域重疊面積超過第三閾值的所述子區(qū)域；所述目標(biāo)區(qū)域?yàn)殡姍C(jī)的定子和轉(zhuǎn)子在所述結(jié)構(gòu)圖中對應(yīng)的區(qū)域；

38、拼接所有所述子區(qū)域，作為所述第一區(qū)域。

39、相比現(xiàn)有技術(shù)，上述實(shí)施例具有以下有益效果：通過圖像分割算法與結(jié)構(gòu)圖的結(jié)合，能夠精準(zhǔn)識別電機(jī)的關(guān)鍵部件，確保提取的熱圖特征更加相關(guān)和有效，從而提升后續(xù)檢測結(jié)果的準(zhǔn)確性。

40、第二方面，本技術(shù)實(shí)施例還提供一種電機(jī)電磁故障檢測裝置，包括：紅熱圖像采集模塊、噪音采集模塊、噪音信號篩選模塊、電磁故障噪音信號提取模塊以及電磁故障檢測結(jié)果獲取模塊；

41、其中，所述紅熱圖像采集模塊，用于通過紅外熱成像設(shè)備，實(shí)時(shí)采集電機(jī)的紅熱圖像，通過溫度映射，獲取所述紅熱圖像各個(gè)像素點(diǎn)對應(yīng)的溫度值；

42、所述噪音采集模塊，用于當(dāng)預(yù)設(shè)區(qū)域的任意一個(gè)像素點(diǎn)對應(yīng)的溫度值超過第一閾值時(shí)，通過噪音傳感器采集所述電機(jī)運(yùn)行時(shí)產(chǎn)生的第一噪音信號；

43、所述噪音信號篩選模塊，用于通過快速傅里葉變換以及特征頻率匹配，根據(jù)所述第一噪音信號，從所有預(yù)設(shè)的第二噪音信號中篩選若干第三噪音信號；所述第二噪音信號，通過采集不同機(jī)械故障場景下電機(jī)運(yùn)行時(shí)產(chǎn)生的噪音而獲取；

44、所述電磁故障噪音信號提取模塊，用于通過頻譜減法，依次從所述第一噪音信號中剔除各所述第三噪音信號，獲取第四噪音信號；

45、所述電磁故障檢測結(jié)果獲取模塊，用于通過預(yù)訓(xùn)練好的決策樹模型，結(jié)合所述第四噪音信號以及所述紅熱圖像，獲取電磁故障檢測結(jié)果；所述決策樹模型，通過電機(jī)在正常運(yùn)行場景以及電磁故障場景下的歷史運(yùn)行數(shù)據(jù)訓(xùn)練獲取。

46、第三方面，本技術(shù)還提供一種終端設(shè)備，包括處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執(zhí)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的一種電機(jī)電磁故障檢測方法。

47、第四方面，本技術(shù)還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)包括存儲的計(jì)算機(jī)程序，其中，在所述計(jì)算機(jī)程序運(yùn)行時(shí)控制所述計(jì)算機(jī)可讀存儲介質(zhì)所在設(shè)備執(zhí)行上述的一種電機(jī)電磁故障檢測方法。