CN116466689A - 故障诊断方法及装置 - Google Patents
故障诊断方法及装置 Download PDFInfo
- Publication number
- CN116466689A CN116466689A CN202310723838.2A CN202310723838A CN116466689A CN 116466689 A CN116466689 A CN 116466689A CN 202310723838 A CN202310723838 A CN 202310723838A CN 116466689 A CN116466689 A CN 116466689A
- Authority
- CN
- China
- Prior art keywords
- state data
- fault
- fault diagnosis
- electric drive
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 111
- 238000004590 computer program Methods 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 2
- 239000010705 motor oil Substances 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000003921 oil Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000016507 interphase Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及数据处理技术领域,提供一种故障诊断方法及装置。所述方法包括:根据电力驱动组件的故障数据,确定电力驱动组件的故障标签;根据故障标签,从电力驱动组件的各状态数据中,提取与故障标签对应的各关联状态数据;根据各关联状态数据分别对应的预设条件,对各关联状态数据中的至少一个目标状态数据进行检测,得到各目标状态数据的检测结果;根据各检测结果,得到电力驱动组件的故障诊断结果。本申请实施例提供的故障诊断方法能够提高对电力驱动组件进行故障诊断的准确性。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种故障诊断方法及装置。
背景技术
在新能源汽车中,用于驱动车辆的电力驱动组件,如电机和/或电机控制器是影响新能源汽车的性能以及安全性的重要组件,因此在电力驱动组件出现故障时,需要及时对其进行故障诊断。
目前,对于故障诊断方式,是通过排查整车数据中关于电力驱动组件的故障数据,然后将该故障数据,从记录有各故障数据与各诊断结果的映射关系的数据表中,查找与该故障数据对应的诊断结果,作为故障诊断结果。然而,由于故障可能是由多种情况引起的,因此仅通过故障数据来匹配诊断结果,会导致得到的故障诊断结果与引起故障的实际情况不匹配,影响得到的故障诊断结果的准确性。
发明内容
本申请旨在至少解决相关技术中存在的技术问题之一。为此,本申请提出一种故障诊断方法,能够提高对电力驱动组件进行故障诊断的准确性。
本申请还提出一种故障诊断装置。
本申请还提出一种电子设备。
本申请还提出一种计算机可读存储介质。
本申请还提出一种车辆。
根据本申请第一方面实施例的故障诊断方法,包括:
根据电力驱动组件的故障数据,确定所述电力驱动组件的故障标签;
根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据;
根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果;
根据各所述检测结果,得到所述电力驱动组件的故障诊断结果。
通过电力驱动组件的故障数据,确定电力驱动组件的故障标签后,提取与该故障标签对应的各关联状态数据,根据关联状态数据一一对应的各预设条件,对各关联状态数据中的至少一个目标状态数据进行检测,以根据各目标状态数据的检测结果,来得到电力驱动组件的故障诊断结果,从而可利用电力驱动组件与故障相关联的状态数据,来确定故障是由何种情况引起的,提高故障诊断结果与引起故障的实际情况的匹配度,进而提高对电力驱动组件进行故障诊断的准确性。
根据本申请的一个实施例,根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据,包括:
根据所述故障标签,从所述电力驱动组件的各状态数据中,提取预设时段内的各所述关联状态数据;
其中,所述预设时段包括检测到所述故障数据的故障时刻。
根据本申请的一个实施例,所述预设时段包括所述故障时刻之前的第一目标时段。
根据本申请的一个实施例,所述预设时段包括所述故障时刻之后的第二目标时段。
根据本申请的一个实施例,根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果,包括:
根据各所述预设条件的依赖关系,依次获取对应的所述关联状态数据进行检测,每次检测均将当前检测的关联状态数据标记为所述目标状态数据,以根据所述目标状态数据对应的所述预设条件,对所述目标状态数据进行检测,并在得到所述目标状态数据的检测结果后,获取与所述检测结果关联的下一所述预设条件,以将下一所述预设条件对应的下一所述关联状态数据标记为所述目标状态数据进行检测,直至无法获取与所述检测结果关联的下一所述预设条件,结束所述目标状态数据的检测,得到各所述目标状态数据的检测结果。
根据本申请的一个实施例,各所述预设条件的依赖关系根据历史故障诊断结果对应的各历史检测结果确定。
根据本申请的一个实施例,根据各所述检测结果,得到所述电力驱动组件的故障诊断结果,包括:
根据各所述检测结果,得到表示所述故障数据形成原因的诊断数据;
将所述诊断数据输入训练好的故障诊断模型,得到所述故障诊断结果。
根据本申请第二方面实施例的故障诊断装置,包括:
故障标签确定模块,用于根据电力驱动组件的故障数据,确定所述电力驱动组件的故障标签;
状态数据获取模块,用于根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据;
检测结果获取模块,用于根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果;
诊断结果获取模块,用于根据各所述检测结果,得到所述电力驱动组件的故障诊断结果。
根据本申请第三方面实施例的电子设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述计算机程序时实现上述任一实施例所述的故障诊断方法。
根据本申请第四方面实施例的计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所述的故障诊断方法。
本申请实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:
通过电力驱动组件的故障数据,确定电力驱动组件的故障标签后,提取与该故障标签对应的各关联状态数据,根据关联状态数据一一对应的各预设条件,对各关联状态数据中的至少一个目标状态数据进行检测,以根据各目标状态数据的检测结果,来得到电力驱动组件的故障诊断结果,从而可利用电力驱动组件与故障相关联的状态数据,来确定故障是由何种情况引起的,提高故障诊断结果与引起故障的实际情况的匹配度,进而提高对电力驱动组件进行故障诊断的准确性。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的故障诊断方法的第一流程示意图;
图2是本申请实施例提供的故障诊断树的结构示意图;
图3是本申请实施例提供的故障诊断装置的结构示意图;
图4是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面,将通过几个具体的实施例对本申请实施例提供的故障诊断方法及装置进行详细介绍和说明。
在一实施例中,提供了一种故障诊断方法,该方法应用于终端设备,用于进行电力驱动组件的故障诊断。其中,该终端设备可以是台式终端、便携式终端或服务器,服务器可以是独立的服务器或者是多个服务器组成的服务器集群来实现,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能采样点设备等基础云计算服务的云服务器。
如图1所示,本实施例提供的一种故障诊断方法包括:
步骤101,根据电力驱动组件的故障数据,确定所述电力驱动组件的故障标签;
步骤102,根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据;
步骤103,根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果;
步骤104,根据各所述检测结果,得到所述电力驱动组件的故障诊断结果。
在一些实施例中,电力驱动组件可以包括电机和/或电机控制器。电力驱动组件的故障数据,可以通过搭载该电力驱动组件的车辆上随车挂设的总线采集设备采集。默认总线采集设备获取的故障数据为包含具体信号名的数据格式,如mdf、mf4等。终端设备在运行故障诊断时,通过该总线采集设备来获取电力驱动组件的故障数据。
终端设备可预先记录有与各故障数据一一对应的故障标签,因此在获取到故障数据后,即可根据该故障数据映射的故障标签,来确定该电力驱动组件的故障标签。示例性的,假设通过随车挂设的总线采集设备采集到的故障数据为电驱降功率的数据,则终端设备可根据该电驱降功率的数据,提取映射为电机过温故障的故障标签,作为电力驱动组件的故障标签。
在得到电力驱动组件的故障标签后,即可根据预设的故障标签与状态数据的关联关系,从电力驱动组件的各状态数据中,提取与故障标签对应的各关联状态数据。如电力驱动组件为电机,其故障标签为电机过温故障,则可根据终端设备预先设定的故障标签与状态数据的关联关系,从电机的所有状态数据中,获取与电机过温故障对应的所有状态数据作为各关联状态数据。示例性的,与电机过温故障对应的各关联状态数据可以包括电机温度、油液温度、油泵和水泵转速和状态、油泵和水泵故障标签、控制器电流以及电机转速等。
在得到各关联状态数据后,可将至少一个关联状态数据作为目标状态数据。然后针对任一目标状态数据,可获取与该目标状态数据对应的预设条件,以判断该目标状态数据是否满足其对应的预设条件,从而得到该目标状态数据的检测结果。
示例性的,假设该目标状态数据为电机温度,则可获取其对应的预设条件为“电机温度是否达到阈值”。这样,便可通过检测电机温度是否达到阈值,来获取电机温度达到阈值或未达到阈值的检测结果。
在得到各目标状态数据的检测结果后,即可将各目标状态数据的检测结果进行组合,形成表示故障数据形成原因的诊断数据,以匹配与该诊断数据对应的故障诊断结果作为电力驱动组件的故障诊断结果。
通过电力驱动组件的故障数据,确定电力驱动组件的故障标签后,提取与该故障标签对应的各关联状态数据,根据关联状态数据一一对应的各预设条件,对各关联状态数据中的至少一个目标状态数据进行检测,以根据各目标状态数据的检测结果,来得到电力驱动组件的故障诊断结果,从而可利用电力驱动组件与故障相关联的状态数据,来确定故障是由何种情况引起的,提高故障诊断结果与引起故障的实际情况的匹配度,进而提高对电力驱动组件进行故障诊断的准确性。
为进一步提高故障诊断的准确性,在一些实施例中,根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据,包括:
根据所述故障标签,从所述电力驱动组件的各状态数据中,提取预设时段内的各所述关联状态数据;
其中,所述预设时段包括检测到所述故障数据的故障时刻。
示例性的,以故障标签为电机过温故障为例,设检测到故障数据的故障时刻为t0,即发生故障的时刻为t0,则可生成包括该故障时刻t0的预设时段T0,如根据该故障时刻t0确定预设时段T0,然后根据该电机过温故障的故障标签,可从电力驱动组件的各状态数据中,提取T0时段内的电机温度、油液温度、油泵和水泵转速和状态、油泵和水泵故障标签、控制器电流以及电机转速等关联状态数据。这样,便可确保提取到的任一关联状态数据均包括电机出现故障时的瞬时数据,从而使后续利用各关联状态数据得到的检测结果,更能反映引起故障的原因,进而进一步提高故障诊断的准确性。
为进一步提高故障诊断的准确性,在一些实施例中,所述预设时段包括所述故障时刻之前的第一目标时段。
以故障标签为电机过温故障为例,如果电机过温的原因是水泵的间歇性停转导致累计温升达到故障阈值,如果仅采集故障时刻的瞬时数据,可能正好采集到水泵间歇性停转的未停转工作点,则根据此瞬时数据会发现水泵出于正常工作点但电机过温,进而无法推断出电机过温故障是由于水泵间歇性停转导致的真实原因。因此,可以将预设时段设定为包括故障时刻之前的第一目标时段,如60S,以覆盖大部分的故障检测工况,尤其是相对较慢的温升过温工况,其温度异常为累计产生,需要有一定的故障前的数据支持诊断。这样,便可使提取到的任一关联状态数据均包括电机出现故障时的瞬时数据以及电机出现故障之前的数据,从而使后续利用各关联状态数据得到的检测结果,能反映引起故障的前因,进一步提高故障诊断的准确性。
为进一步提高故障诊断的准确性,在一些实施例中,所述预设时段包括所述故障时刻之后的第二目标时段。
考虑到多个故障同时或依次报出时,很难通过故障时刻的瞬时数据来区分出故障的真因,但是故障发生后进入保护动作时的数据,能给故障诊断提供线索。以故障标签为相间短路故障为例,如果电机相间偶发短路,会报出单相电流过流、多相电流过流、驱动芯片故障等,故障后电机控制器进入主动短路。首先根据故障后进主动短路的相电流波型来判断下管或上管的驱动芯片是否正常,如为正弦波则进短路的驱动芯片为正常;然后再根据故障前后的PWM控制指令和主动短路控制指令,来判断PWM控制软件有无问题;最后根据单相电流过流和多相电流过流以及主动短路后单相电流为正弦波发散波型来判断为相间短路,因为相间短路导致多相电流过流,因为主动短路叠加相间短路导致单相电流正弦波发散。实际上发散的正弦波还有可能进一步导致电机过温。如果没有故障后数据,可能就只能通过数据发现电机过温,而无法推断出是由于相间短路导致的真实原因。因此,可以将预设时段设定为包括故障时刻之后的第二目标时段,如60S,以覆盖大部分的故障检测工况,尤其是故障真实原因会导致温升进而报出过温故障的情况。这样,便可使提取到的任一关联状态数据均包括电机出现故障时的瞬时数据以及电机出现故障之后的数据,从而使后续利用各关联状态数据得到的检测结果包括电力驱动组件故障后的状态表现,以能够通过电力驱动组件故障后的状态表现来反映的故障发生原因,进一步提高故障诊断的准确性。
可以理解的,预设时段可以同时包括第一目标时段和第二目标时段。当预设时段同时包括第一目标时段和第二目标时段时,则关联状态数据包括第一目标时段内的关联状态数据、故障时刻的关联状态数据以及第二目标时段内的关联状态数据。以关联状态数据为电机温度为例,假设故障时刻为t0,第一目标时段和第二目标时段均与t0间隔60s,则此时获取到的电机温度包括t0时刻前60s的电机温度、t0时刻的电机温度以及t0时刻后60s的电机温度。
在得到各关联状态数据后,即可将任一关联状态数据作为目标状态数据,然后利用该目标状态数据对应的预设条件,对该目标状态数据进行检测。若该目标状态数据包括第一目标时段、故障时刻以及第二目标时段的目标状态数据,则可利用该预设条件,分别对第一目标时段、故障时刻以及第二目标时段的目标状态数据进行检测。如假设目标状态数据为电机温度,其对应的预设条件为“电机温度是否达到阈值”,则可根据该预设条件,检测第一目标时段的电机温度是否达到阈值、故障时刻的电机温度是否达到阈值以及第二目标时段的目标状态数据是否达到阈值,以获取对应的检测结果。
为提高后续获取到的故障诊断结果的准确性,可将各关联状态数据,均作为目标状态数据进行检测。然而,这种检测方式需要检测的目标状态数据的数据量较大。同时,由于预设条件之间存在关联关系,如“电机温度是否达到阈值”的预设条件1以及“电机油温平均值是否大于阈值”的预设条件2之间,若不满足预设条件1,则也不必检查预设条件2。因此,若直接将各关联状态数据,均作为目标状态数据进行检测,则可能会出现无效检测的情况,影响检测效率。
为此,在一些实施例中,根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果,包括:
根据各所述预设条件的依赖关系,依次获取对应的所述关联状态数据进行检测,每次检测均将当前检测的关联状态数据标记为所述目标状态数据,以根据所述目标状态数据对应的所述预设条件,对所述目标状态数据进行检测,并在得到所述目标状态数据的检测结果后,获取与所述检测结果关联的下一所述预设条件,以将下一所述预设条件对应的下一所述关联状态数据标记为所述目标状态数据进行检测,直至无法获取与所述检测结果关联的下一所述预设条件,结束所述目标状态数据的检测,得到各所述目标状态数据的检测结果。
在一些实施例中,终端设备可预先存储有根据各预设条件的关联关系形成的故障诊断树。如图2所示,故障诊断树中包括多个节点,每个节点表示一个预设条件,若节点之间存在连接路径,则表示两个节点存在关联关系,该连接路径包括连接属性和方向,其中连接路径的连接属性表示该连接路径的起始节点的检测结果,连接路径的方向表示这两个节点之间的判断顺序。示例性的,节点A表示预设条件“电机温度是否达到阈值1”,节点B表示预设条件“电机油温平均值是否大于阈值2”,节点C表示预设条件“电机油泵平均实际转速和平均请求转速偏差是否大于阈值3”等,节点A与节点B之间存在由节点A指向节点B的连接路径,该连接路径的连接属性为“是”,即表示在节点A的检测结果为“是”时,进入节点B的判断。节点B与节点C之间存在由节点B指向节点C的连接路径,该连接路径的连接属性为“是”,即表示在节点B的检测结果为“是”时,进入节点C的判断。此时,则可根据该故障诊断树,确定各预设条件的依赖关系。
而为使预设条件的依赖关系更为准确,在一些实施例中,各预设条件的依赖关系可根据历史故障诊断结果对应的各历史检测结果确定。
示例性的,假设历史检测结果为电机过温,其对应的各历史检测结果分别为电机温度大于阈值1、电机油温平均值大于阈值2以及电机油泵平均实际转速和平均请求转速的偏差大于阈值3,则可根据各历史检测结果的精细程度,将各历史检测结果的顺序确定为电机温度大于阈值1、电机油温平均值大于阈值2以及电机油泵平均实际转速和平均请求转速的偏差大于阈值3,在确定各历史检测结果的顺序后,即可根据各历史检测结果的顺序,更新各历史检测结果对应的预设条件的依赖关系。这样,通过对各预设条件的依赖关系进行多次更新后,即可得到依赖关系更符合实际情况的各预设条件,提高利用各预设条件的依赖关系确定的检测结果的准确性。
在确定各预设条件的依赖关系后,则可根据该依赖关系,依次从各关联状态数据中获取目标状态数据进行检测。示例性的,假设各预设条件的依赖关系如图2所示,其中节点A表示预设条件“电机温度是否达到阈值1”,节点B表示预设条件“电机油温平均值是否大于阈值2”,节点C表示预设条件“电机油泵平均实际转速和平均请求转速偏差是否大于阈值3”,则可先将电机温度作为目标状态数据,然后输入节点A,判断电机温度是否达到阈值1。若节点A的检测结果为“是”,则表示需要采用节点B的预设条件进行判断,此时则可将节点B的预设条件对应的关联状态数据,即电机油温作为目标状态数据,通过节点B的预设条件进行检测。依次类推,直至无法获取与检测结果关联的下一所述预设条件,结束目标状态数据的检测。
以如图2所示的各预设条件的依赖关系为例,假设节点A的检测结果为“否”,即电机温度未达到阈值1,此时由于不存在与该测试结果对应的连接路径,因此则结束检测,得到的各目标状态数据的检测结果即为电机温度未达到阈值1。这样,便可利用各预设条件的关联关系,来选取目标状态数据进行检测,减少出现无效检测的情况,提高检测效率。
在得到各目标状态数据的检测结果后,即可根据各目标状态数据的检测结果,来匹配与该诊断数据对应的故障诊断结果作为电力驱动组件的故障诊断结果。
为使匹配到的故障诊断结果更为准确,在一些实施例中,根据各所述检测结果,得到所述电力驱动组件的故障诊断结果,包括:
根据各所述检测结果,得到表示所述故障数据形成原因的诊断数据;
将所述诊断数据输入训练好的故障诊断模型,得到所述故障诊断结果。
在一些实施例中,故障诊断模型可以是卷积神经网络模型等。对于故障诊断模型的训练,可以是将表示不同故障数据形成原因的多个诊断数据作为训练样本,并将各训练样本依次输入到故障诊断模型中,每次输入均在获取故障诊断模型输出的故障诊断结果后,将故障诊断结果与本次输入的训练样本对应的预设故障诊断结果进行匹配。在两者不匹配的情况下,采用梯度下降法,通过误差反向传播调整故障诊断模型的网络参数,再进行下一次训练,直至每次输入的训练样本得到的故障诊断结果,与本次输入的训练样本对应的预设故障诊断结果相匹配,则表示完成故障诊断模型的训练,得到训练好的故障诊断模型。
在得到训练好的故障诊断模型后,即可将由各检测结果组成的诊断数据,输入该训练好的故障诊断模型中,从而得到电力驱动组件的故障诊断结果。
下面对本申请提供的故障诊断装置进行描述,下文描述的故障诊断装置与上文描述的故障诊断方法可相互对应参照。
在一实施例中,如图3所示,提供了一种故障诊断装置,包括:
故障标签确定模块210,用于根据电力驱动组件的故障数据,确定所述电力驱动组件的故障标签;
状态数据获取模块220,用于根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据;
检测结果获取模块230,用于根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果;
诊断结果获取模块240,用于根据各所述检测结果,得到所述电力驱动组件的故障诊断结果。
通过电力驱动组件的故障数据,确定电力驱动组件的故障标签后,提取与该故障标签对应的各关联状态数据,根据关联状态数据一一对应的各预设条件,对各关联状态数据中的至少一个目标状态数据进行检测,以根据各目标状态数据的检测结果,来得到电力驱动组件的故障诊断结果,从而可利用电力驱动组件与故障相关联的状态数据,来确定故障是由何种情况引起的,提高故障诊断结果与引起故障的实际情况的匹配度,进而提高对电力驱动组件进行故障诊断的准确性。
在一实施例中,状态数据获取模块220具体用于:
根据所述故障标签,从所述电力驱动组件的各状态数据中,提取预设时段内的各所述关联状态数据;
其中,所述预设时段包括检测到所述故障数据的故障时刻。
在一实施例中,所述预设时段包括所述故障时刻之前的第一目标时段。
在一实施例中,所述预设时段包括所述故障时刻之后的第二目标时段。
在一实施例中,检测结果获取模块230具体用于:
根据各所述预设条件的依赖关系,依次获取对应的所述关联状态数据进行检测,每次检测均将当前检测的关联状态数据标记为所述目标状态数据,以根据所述目标状态数据对应的所述预设条件,对所述目标状态数据进行检测,并在得到所述目标状态数据的检测结果后,获取与所述检测结果关联的下一所述预设条件,以将下一所述预设条件对应的下一所述关联状态数据标记为所述目标状态数据进行检测,直至无法获取与所述检测结果关联的下一所述预设条件,结束所述目标状态数据的检测,得到各所述目标状态数据的检测结果。
在一实施例中,各所述预设条件的依赖关系根据历史故障诊断结果对应的各历史检测结果确定。
在一实施例中,诊断结果获取模块240具体用于:
根据各所述检测结果,得到表示所述故障数据形成原因的诊断数据;
将所述诊断数据输入训练好的故障诊断模型,得到所述故障诊断结果。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)810、通信接口(Communication Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的计算机程序,以执行故障诊断方法,例如包括:
根据电力驱动组件的故障数据,确定所述电力驱动组件的故障标签;
根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据;
根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果;
根据各所述检测结果,得到所述电力驱动组件的故障诊断结果。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请实施例还提供一种存储介质,存储介质包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,计算机程序被处理器执行时,计算机能够执行上述各实施例所提供的故障诊断方法,例如包括:
根据电力驱动组件的故障数据,确定所述电力驱动组件的故障标签;
根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据;
根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果;
根据各所述检测结果,得到所述电力驱动组件的故障诊断结果。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种故障诊断方法,其特征在于,包括:
根据电力驱动组件的故障数据,确定所述电力驱动组件的故障标签;
根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据;
根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果;
根据各所述检测结果,得到所述电力驱动组件的故障诊断结果。
2.根据权利要求1所述的故障诊断方法,其特征在于,根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据,包括:
根据所述故障标签,从所述电力驱动组件的各状态数据中,提取预设时段内的各所述关联状态数据;
其中,所述预设时段包括检测到所述故障数据的故障时刻。
3.根据权利要求2所述的故障诊断方法,其特征在于,所述预设时段包括所述故障时刻之前的第一目标时段。
4.根据权利要求2或3所述的故障诊断方法,其特征在于,所述预设时段包括所述故障时刻之后的第二目标时段。
5.根据权利要求1或2所述的故障诊断方法,其特征在于,根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果,包括:
根据各所述预设条件的依赖关系,依次获取对应的所述关联状态数据进行检测,每次检测均将当前检测的关联状态数据标记为所述目标状态数据,以根据所述目标状态数据对应的所述预设条件,对所述目标状态数据进行检测,并在得到所述目标状态数据的检测结果后,获取与所述检测结果关联的下一所述预设条件,以将下一所述预设条件对应的下一所述关联状态数据标记为所述目标状态数据进行检测,直至无法获取与所述检测结果关联的下一所述预设条件,结束所述目标状态数据的检测,得到各所述目标状态数据的检测结果。
6.根据权利要求5所述的故障诊断方法,其特征在于,各所述预设条件的依赖关系根据历史故障诊断结果对应的各历史检测结果确定。
7.根据权利要求1或2所述的故障诊断方法,其特征在于,根据各所述检测结果,得到所述电力驱动组件的故障诊断结果,包括:
根据各所述检测结果,得到表示所述故障数据形成原因的诊断数据;
将所述诊断数据输入训练好的故障诊断模型,得到所述故障诊断结果。
8.一种故障诊断装置,其特征在于,包括:
故障标签确定模块,用于根据电力驱动组件的故障数据,确定所述电力驱动组件的故障标签;
状态数据获取模块,用于根据所述故障标签,从所述电力驱动组件的各状态数据中,提取与所述故障标签对应的各关联状态数据;
检测结果获取模块,用于根据各所述关联状态数据分别对应的预设条件,对各所述关联状态数据中的至少一个目标状态数据进行检测,得到各所述目标状态数据的检测结果;
诊断结果获取模块,用于根据各所述检测结果,得到所述电力驱动组件的故障诊断结果。
9.一种电子设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的故障诊断方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310723838.2A CN116466689B (zh) | 2023-06-19 | 2023-06-19 | 故障诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310723838.2A CN116466689B (zh) | 2023-06-19 | 2023-06-19 | 故障诊断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116466689A true CN116466689A (zh) | 2023-07-21 |
CN116466689B CN116466689B (zh) | 2023-09-05 |
Family
ID=87179262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310723838.2A Active CN116466689B (zh) | 2023-06-19 | 2023-06-19 | 故障诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116466689B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117723965A (zh) * | 2023-12-13 | 2024-03-19 | 上海正泰自动化软件***有限公司 | 电动机故障检测方法、装置、存储介质及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187672A (zh) * | 2018-02-22 | 2019-08-30 | 发那科株式会社 | 故障诊断装置和机器学习装置 |
CN110943857A (zh) * | 2019-11-20 | 2020-03-31 | 国网湖北省电力有限公司信息通信公司 | 基于卷积神经网络的电力通信网故障分析及定位方法 |
CN112150596A (zh) * | 2020-09-30 | 2020-12-29 | 国网智能科技股份有限公司 | 一种变电站设备故障全息再现方法及*** |
CN112183590A (zh) * | 2020-09-14 | 2021-01-05 | 浙江大学 | 一种基于OneclassSVM算法的变压器故障诊断方法 |
CN115398439A (zh) * | 2021-04-16 | 2022-11-25 | 华为数字能源技术有限公司 | 一种用于电机驱动器的故障预警方法和装置 |
CN115798078A (zh) * | 2022-11-29 | 2023-03-14 | 永安行科技股份有限公司 | 一种车辆精准故障诊断方法和装置 |
CN115952096A (zh) * | 2022-12-30 | 2023-04-11 | 华润数字科技有限公司 | 数据中心软件***的故障检测方法、装置、设备、介质 |
-
2023
- 2023-06-19 CN CN202310723838.2A patent/CN116466689B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110187672A (zh) * | 2018-02-22 | 2019-08-30 | 发那科株式会社 | 故障诊断装置和机器学习装置 |
CN110943857A (zh) * | 2019-11-20 | 2020-03-31 | 国网湖北省电力有限公司信息通信公司 | 基于卷积神经网络的电力通信网故障分析及定位方法 |
CN112183590A (zh) * | 2020-09-14 | 2021-01-05 | 浙江大学 | 一种基于OneclassSVM算法的变压器故障诊断方法 |
CN112150596A (zh) * | 2020-09-30 | 2020-12-29 | 国网智能科技股份有限公司 | 一种变电站设备故障全息再现方法及*** |
CN115398439A (zh) * | 2021-04-16 | 2022-11-25 | 华为数字能源技术有限公司 | 一种用于电机驱动器的故障预警方法和装置 |
CN115798078A (zh) * | 2022-11-29 | 2023-03-14 | 永安行科技股份有限公司 | 一种车辆精准故障诊断方法和装置 |
CN115952096A (zh) * | 2022-12-30 | 2023-04-11 | 华润数字科技有限公司 | 数据中心软件***的故障检测方法、装置、设备、介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117723965A (zh) * | 2023-12-13 | 2024-03-19 | 上海正泰自动化软件***有限公司 | 电动机故障检测方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116466689B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116466689B (zh) | 故障诊断方法及装置 | |
Dos Santos et al. | Stator winding short-circuit fault diagnosis in induction motors using random forest | |
CN108196154B (zh) | 航空三级式同步电机旋转整流器故障检测及故障定位方法 | |
CN104808642A (zh) | 基于物联网的机泵群自动诊断方法 | |
CN109725220B (zh) | 一种变压器油冷却回路的检测方法、***及装置 | |
US20160195583A1 (en) | Fault diagnosing method based on standard deviation of detail coefficients for power converter of switched reluctance motor | |
CN111830409A (zh) | 一种基于深度神经网络的电机热故障诊断方法及装置 | |
CN106526479A (zh) | 基于电网谐波特征的电铲电气***故障诊断方法 | |
CN111582463B (zh) | 伺服电机故障识别及模型训练方法、装置、介质及终端 | |
CN113503289A (zh) | 一种液压马达故障检测方法、装置、***及挖掘机 | |
HS et al. | Electrical fault detection using machine learning algorithm for centrifugal water pumps | |
CN113642123B (zh) | 作业机械散热***的健康评估方法、装置及作业机械 | |
CN116404951A (zh) | 一种基于gp-narx模型的电机温度估算方法及装置 | |
WO2022217597A1 (zh) | 一种用于电机驱动器的故障预警方法和装置 | |
CN109406987A (zh) | 核电站旋转整流桥的故障检测方法、装置及存储介质 | |
KR102247179B1 (ko) | 이상행위탐지모델의 비지도 학습을 위한 xai 기반 정상학습데이터 생성방법 및 장치 | |
CN108266364A (zh) | 电泵负载过低故障诊断方法及装置 | |
CN112034338B (zh) | 一种电动助力转向电机相电流断路诊断方法和装置 | |
CN114384413A (zh) | 一种电机状态感知芯片 | |
Matić et al. | Artificial neural networks eccentricity fault detection of induction motor | |
Tsai et al. | On-line condition monitoring of servo motor drive systems by HHT in Industry 4.0 | |
CN116559655A (zh) | 一种风力发电机定子故障检测方法、装置及故障预警*** | |
CN116559725A (zh) | 双三相永磁同步电机的匝间短路诊断方法、装置、设备 | |
CN114859226B (zh) | 一种海上风电机组转子绕组匝间短路故障识别方法及装置 | |
CN116699390B (zh) | 柴油机组故障检测方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |