CN119397263A 改进经验小波变换的永磁同步电机故障诊断方法及系统 （国网上海市电力公司）

号改进经验小波变换的永磁同步电机故障诊改进经验小波变换的永磁同步电机故障诊间；采用Littlewood_Paley方法和Meyer方法构谱区间内的能量矩构造故障信号的故障特征向障诊断模型根据故障特征矩阵进行电机故障诊2采用Littlewood_Paley方法和Meyer方法构造各功率谱区间的小波滤波器组，利用小波器组的滤波带宽根据各功率谱区间内各个模态分量的频率进采用CatBoost方法建立电机故障诊断模型，以改进后的训练集和改进2.根据权利要求1所述的改进经验小波变换的永磁同步电机故障诊断方法，其特征在i为故障信号的分段数量，M为每段故障信3.根据权利要求2所述的改进经验小波变换的永磁同步电机故障诊断方法，其特征在4.根据权利要求1所述的改进经验小波变换的永磁同步电机故障诊断方法，其特征在经验尺度函数和经验小波函数,o)，分别满足如下关系式：3,,5.根据权利要求4所述的改进经验小波变换的永磁同步电机故障诊断方法，其特征在,式中，u,()为模态分量的全局趋势的时域表达式，u(e)为第k+1个功率谱区态分量的时域表达式，为模态分量的全局趋势的逼近系数的时域表达式，i为埃，为经验尺度函数的时域表达式，为第k+1个功率谱区间的经验小波函数6.根据权利要求1所述的改进经验小波变换的永磁同步电机故障诊断方法，其特征在4,,mlg,)以各个模态分量在各功率谱区间内的能量矩归一化值构造故障信号x(n)的故障特征向7.根据权利要求6所述的改进经验小波变换的永磁同步电机故障诊断方法，其特征在,8.根据权利要求1所述的改进经验小波变换的永磁同步电机故障诊断方法，其特征在定义故障特征矩阵中各行元素对应的标签值；对故障特征矩到簇序列，以簇内各元素对应的标签值的平均值作为簇内所有元设定簇内各元素的新标签值对应的先验概率以及先验概率对应的权5,X为第n个簇o,内第k个元素的数值特征，n为故障信号的j个簇o,内第k个元素和第h个簇o,内第k个元素的故障特9.根据权利要求8所述的改进经验小波变换的永磁同步电机故障诊断方法，其特征在在第次迭代中，对改进后的训练集的数值特征进行随机排序并从排序结果中随机剔除一个数值特征X"后得到新的训练集，利用新的训练集训练电机故障诊断模型以建立欠梯度，根据计算得到的损失函数的一阶梯度训练第r-1次迭代得到的第r-1棵模型树以建立拟合树模型M,，以欠拟合树模型与拟合树模型M,的累加结果作为第r棵模型确定当前最佳方案，基于当前最佳方案更新数学加速器优化函数的值和概率函数的值sop；当时执行探索阶段的运算，包括：若r>0.5则运行除法运算，若法运算，若rs<0.5则运行加法运算；执行完探索阶段的运算或开发阶段的运算后，执行CIter-cIter+1；当cIter>M_Iier时，返回电机故障诊断模型的超参数的最6和Meyer方法构造各功率谱区间的小波滤波器组，利用小波滤波器组从各功率谱区间的功特征提取模块，用于以各个模态分量在各功率Catboost分类器模块，用于采用CatBoost方法建立电机故障所述处理器用于根据所述指令进行操作以执行权利要求1_10任一项所述方78采用Littlewood_Paley方法和Meyer方法构造各功率谱区间的小波滤波器组，利波滤波器组的滤波带宽根据各功率谱区间内各个模态分量的频率进利用原始边界和分割边界得到个连续的功率[0010]优选地，根据Littlewood_Paley方法和Meyer方法构造的各功率谱区间的小波滤,9,,模态分量的时域表达式，m,0.)为模态分量的全局趋势的逼近系数的时域表达式，i为埃，取值为，为第k+1个功率谱区间的模态分量的逼近系数的时域表达式，,对第个模态分量在各功率谱区间内的能量矩进行最值归一化处理，满,式中，为第j个模态分量在各功率谱区间内的能量矩归一化值，minle,)、分别为第个模态分量在各功率谱区间内的能量矩中的最小值和以各个模态分量在各功率谱区间内的能量矩归一化值构造故障信号x0)的故障,定义故障特征矩阵中各行元素对应的标签值；对故障特征矩阵中各元素进行聚,j个簇o,内第k个元素和第个簇内第k个元素的故障特征，,在第次迭代中，对改进后的训练集的数值特征进行随机排序并从排序结果中随机剔除一个数值特征x"后得到新的训练集，利用新的训练集训练电机故障诊断模型以建立欠拟合树模型;x"之前的数值特征在欠拟合树模型M;上的损失函数的一阶梯度，根据计算得到的损失函数的一阶梯度训练第r-1次迭代;与拟合树模型的累加结果作为第r棵模型以确定当前最佳方案，基于当前最佳方案更新数学加速器优化函数的值MO4和概率函数的值；当时执行探索阶段的运算，包括：若则运行除法运算，若rz<0.5则运行乘法运算；当时执行开发阶段的运算，包括：若%>0.5则运行减法r;<0.5则运行加法运算；执行完探索阶段的运算或开发阶段的运算后，执行C_Ier-c__Iier+l；当c_Ier>M_Iter时，返回电机故障诊断模型的超参数的最佳方方法和Meyer方法构造各功率谱区间的小波滤波器组，利用小波滤波器组从各功率谱区间谱分段时边界不清从而影响永磁同步电机故障诊断结果，但是现有的Welch方法由于信号了Welch功率谱曲线的平滑且易于分段的优点，也具备FFT功率谱曲线的多模态区分特性，[0026]经验小波变换的原理是将故障信号的FFT功率谱划分为多个连续的区间，然后在变换无法避免模态混叠的问题，在应用到永磁同步电机故障诊断时会导致诊断结果错误；由于本申请提出的利用改进后的Welch方法确定故障信号的功率谱曲线，不仅较频点按照对应极值点从大至小的顺序排列；[0030]具体地，根据Littlewood_Paley方法和Meyer方法构造的各功率谱区间的小波滤,o)为第k+1个功率谱区间的经验尺度函数，为第,,模态分量的时域表达式，m,(0,0)为第1个功率谱区间的模态分量的逼近系数的时域表达小波变换的频谱分割示意图；图1和图2中均将频谱分割为5个功率谱区间，对应5个模态分导致后续频段的两个特征频点中有一个未被划分。而改进经验小波变换方法在Welch功率求取极值点时，不会被旁瓣值干扰，能够更加准确地定位特征频点，使得频谱分段更加准[0033]步骤4，以各个模态分量在各功率谱区间内的能量矩构造故障信号的故障特征向谱区间内的能量矩去表征故障信号。第个模态分量在各功率谱,对第个模态分量在各功率谱区间内的能量矩进行最值归一化处理，满足如下关,式中，为第j个模态分量在各功率谱区间内的能量矩归一化值，minle,)、分别为第j个模态分量在各功率谱区间内的能量矩中的最小值和最大值；以各个模态分量在各功率谱区间内的能量矩归一化值构造故障信号x(0)的故障,[0035]本发明提出的改进经验小波变换方法在保留信号频域信息的同时精准地分离各定义故障特征矩阵中各行元素对应的标签值；对故障特征矩阵中各元素进行聚,,j个簇o,内第k个元素和第n个簇o,内第k个元素的故障特征，在第次迭代中，对改进后的训练集的数值特征进行随机排序并从排序结果中随机剔除一个数值特征x"后得到新的训练集，利用新的训练集训练电机故障诊断模型以建阶梯度，根据计算得到的损失函数的一阶梯度训练第r-1次迭建立拟合树模型1,，以欠拟合树模型与拟合树模型的累加结果作为第r棵模型树，心策略将类别型特征进行交叉组合以发挥特征以确定当前最佳方案，基于当前最佳方案更新数学加速器优化函数的值Moa和概率函数的值；当时执行探索阶段的运算，包括：若>0.5则运行除法运算，若运算，若3<0.5则运行加法运算；执行完探索阶段的运算或开发阶段的运算后，执行C_ler=c_Iert1l；当c__er>1__l[0047]AOA优化算法选取合适的超参数可以使模型性能更加优秀，以算术运算符的层次结构及从外到内的支配地位为灵感，从一组候选备选方案中确定符合特定标准的最佳元方法和Meyer方法构造各功率谱区间的小波滤波器组，利用小波滤波器组从各功率谱区间[0050]本发明提出的故障诊断系统在电机驱动模块和控制模块的基础上增加信号分析好地反映故障信号的发生的时刻和故障频率的分布，提取每个模态的能量矩表征原始信[0053]基于AOA优化算法，取输入数据集的80%作为训练集对CatBoost进行超参数调折交叉验证的每一轮中验证集分类准确率都得到了提升，AOA调优算法使得CatBoost分类[0059]计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形[0060]这里所描述的计算