基于样本扩充的随钻环境永磁同步电机匝间短路故障诊断方法和系统

本发明涉及永磁同步电机故障诊断，尤其是涉及一种基于样本扩充的随钻环境永磁同步电机匝间短路故障诊断方法和系统。

背景技术：

1、永磁同步电机凭借高功率密度、高效率、调速稳定性佳等优势，广泛应用于石油钻井领域。定子匝间短路为电机易发典型电气故障，故障演化速度快，会直接打破电机三相绕组电磁平衡，诱发电机转速异常波动、输出转矩失稳等工况，故障恶化后极易引发电机骤停、设备损毁，严重时会造成现场作业人员伤亡。且目前行业普遍存在故障样本稀缺、标注成本高昂的小样本难题。因此针对小样本背景下的永磁同步电机匝间短路故障精准诊断技术开展专项研究，具备重要工程价值与学术意义。

2、现阶段行业多采用无监督对抗生成类数据扩充技术构建虚拟故障样本，弥补工业场景真实匝间短路标注样本稀缺的短板，但传统无监督生成模型普遍存在模式坍塌、故障特征失真、模型训练收敛稳定性差等缺陷；除此之外，面向故障诊断算法边缘部署场景，现有嵌入式诊断算法部署固化后迭代优化难度较大，电机适配全新工况运行时，静态模型未学习新型工况故障特征，易出现故障诊断精度下降的问题。

3、综合上述现有小样本下永磁同步电机匝间短路故障诊断技术方案，结合工业现场工况约束条件，现有技术存在以下三大针对性缺陷，具体如下：

4、1、常规无监督对抗生成方法故障特征建模能力有限，生成故障样本保真度较低

5、常规无监督对抗生成方法类数据扩充技术依靠生成器、判别器双向对抗博弈完成迭代训练，训练目标仅为缩小真假样本全域分布差异。对抗训练仅做全局真假二分类判别，最终输出的故障样本工况特征失真、细节偏差大，样本保真度不足，难以支撑高精度故障诊断。

6、缺陷成因：纯对抗式训练模式以全局真伪判别为唯一优化目标，属于数据驱动二分对抗训练范式，生成器特征学习片面化；行业解决难点：仅调节对抗生成网络学习率、迭代轮次等训练参数，无法改变其二分对抗训练底层逻辑，无法保证小样本训练稳定性与故障样本生成保真度，难以满足工业诊断高精度样本使用需求。

7、2、常规无监督对抗生成模型多类别故障同步生成效果差，极易发生模式坍塌现象

8、现有单一生成模型架构偏向单一故障模态拟合，针对轻微匝间短路、中度匝间短路、重度匝间短路多级梯度故障，无法实现多类别、不同损伤程度故障样本同步均衡生成。训练过程中模型会优先拟合特征辨识度高的重度短路样本，忽略微弱早期短路故障特征，梯度故障数据生成数量失衡、特征趋同，最终引发模型模式坍塌，仅能输出单一类型故障样本。

9、如公开号为cn115688553a的发明公开的一种永磁同步电机不平衡样本匝间短路故障诊断方法，结合生成式对抗网络和稀疏表示理论，进行样本扩张和降噪处理，虽然通过使用稀疏理论，提高深度残差收缩网络模型的抗噪声、抗过拟合能力，但样本生成过程仍是仅基于生成式对抗网络，仍存在小样本下多级故障样本失衡、模式坍塌问题，并且训练过程流程长，效率低。

10、缺陷成因：现有对抗训练生成全程未引入多级故障类别约束条件，训练流程无差异化类别调控机制，判别器仅区分真假样本，不区分短路故障轻重类别；模型训练过程自主偏向高辨识度重度短路特征学习，对微弱早期短路特征无强制拟合约束，类别学习权重完全自主化、不可控，最终训练收敛后偏向单一故障生成，诱发模式坍塌。行业解决难点：人工拆分模型分别生成各类故障样本，会大幅提升算力成本与训练时长，难以低成本实现多类匝间短路故障均衡生成。

11、3、工厂边缘端固化诊断模型无自主迭代能力，全新工况适配性差，误诊率攀升

12、当前主流电机故障匝间短路诊断架构为云端离线训练、边缘端固化部署的分离式架构，边缘监测终端搭载的诊断模型参数训练完成后长期固定，不具备对接新增工况数据、新增短路故障数据的学习与更新能力。工业电机长期运行过程中，受负载波动、转速变换等影响，会衍生新工况下的匝间短路故障特征，固化模型未学习新型故障特征，原有判别标准失效，直接造成故障误判、漏判概率大幅升高。

13、缺陷成因：现有云边架构数据交互割裂，缺失云端增量调优、边缘端动态迭代下发的闭环联动机制，架构仅适配静态故障识别任务，未配置适配现场数据流的模型迭代更新接口。行业解决难点：现有云端、边缘端完全离线分离，两端数据无法实时联动交互。传统更新方式必须归集全部历史数据结合新增数据，并于云端全域重训模型后再重新部署至边缘端。模型更新流程繁琐、设备必须停机适配训练，无法实现工业现场边端不停机模型迭代，难以适配电机动态多变的实际运行工况。

14、4、现有电机故障仿真平台难以实现高温-强振动复合工况同步模拟，故障特征复现与算法验证可信度无法保证

15、当前主流随钻永磁同步电机匝间短路故障仿真平台大多仅可独立施加高温环境或单一振动激励，难以复刻石油钻井井下高温、强振动耦合共存的真实工况。在分离式单一环境下采集、验证得到的匝间短路故障特征，与井下复合恶劣工况下的故障表征存在偏差；依托该类试验数据训练的诊断模型，易引发故障误判漏判，最终造成维保决策失效。

16、缺陷成因：故障仿真系统中温控单元与振动激励单元缺少协同联动，不支持温度、振动载荷同步耦合施加，无法再现多物理场耦合下电机故障特征演变机理。

17、行业解决难点：分次开展单一环境试验难以表征高温-振动耦合带来的故障特征偏移；一体化复合环境模拟装置研发门槛高，现有商用维保试验平台普遍不具备该复合工况模拟能力，导致诊断算法缺少贴近井下工况的试验验证条件。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在常规无监督对抗生成方法故障特征建模能力有限，生成故障样本保真度较低，效率低的缺陷而提供一种基于样本扩充的随钻环境永磁同步电机匝间短路故障诊断方法和系统。

2、本发明的目的可以通过以下技术方案来实现：

3、一种基于样本扩充的随钻环境永磁同步电机匝间短路故障诊断方法，包括以下步骤：

4、采集随钻环境下永磁同步电机正常运行以及发生匝间短路故障工况下的真实电流信号样本，并进行预处理；

5、根据预处理后的真实电流信号样本，加入训练用正态分布噪声信号，按照预设的时序衰减系数进行熵增演化，并基于熵增演化后的数据对预先构建的熵减生成网络进行训练；

6、获取熵减用正态分布噪声信号，输入到训练好的熵减生成网络中生成噪声预测值，采用约束调制稀疏泛化生成算法根据所述噪声预测值，并结合所述熵增演化的过程中累积的时序衰减系数进行跨多步逆向熵减推演，输出还原后的虚拟电流信号样本；

7、将所述虚拟电流信号样本与所述真实电流信号样本融合，构建完备故障数据集；采用所述完备故障数据集对预先构建好的故障诊断模型进行迭代更新；

8、采用更新后的故障诊断模型对永磁同步电机的运行数据进行实时诊断，判断是否发生匝间短路故障。

9、进一步的，所述约束调制稀疏泛化生成算法的处理过程包括以下步骤：

10、s101：对跨越步长和目标故障类别进行初始化；

11、s102：将随机生成的熵减用正态分布的噪声信号作为

t时刻对应的高熵扰动状态，其中，时刻

t的初始值为所述熵增演化的时段总数；

12、s103：根据高熵扰动状态和对应的目标故障类别，通过熵减生成网络生成约束噪声预测值；

13、根据高熵扰动状态和空类别标签，通过熵减生成网络生成无约束噪声预测值；

14、对所述约束噪声预测值和无约束噪声预测值进行加权融合，得到当前

t时刻对应的最终网络预测噪声；

15、s104：若，则基于高斯随机噪声采样和跨步逆向熵减推演的状态均值，确定时刻的高熵扰动状态，并返回步骤s103，所述状态均值基于累积的时序衰减系数和当前时刻对应的最终网络预测噪声确定；

16、若，则确定原始状态信号，并将该原始状态信号作为虚拟电流信号样本输出。

17、进一步的，所述跨步逆向熵减推演的状态均值的计算表达式为：

18、

19、式中，为从

t时刻开始跨步逆向熵减推演的状态均值，为从初始时刻到时刻的累积衰减系数，，为

i时刻的时序衰减系数，为从初始时刻到时刻的累积衰减系数，为熵减生成网络输出的最终网络预测噪声，为

t时刻的状态方差的平方；

20、所述时刻的高熵扰动状态的计算表达式为：

21、

22、式中，为

t时刻的状态方差，为高斯随机噪声。

23、进一步的，所述熵减生成网络为对称编解码架构，包括编码卷积模块、解码卷积模块和瓶颈卷积模块，所述编码卷积模块和解码卷积模块为对称结构，所述编码卷积模块接收高熵扰动状态的输入，通过多级编码卷积逐级进行下采样，每级编码卷积通过残差跳跃融合通路连接至解码卷积模块的对应解码卷积中；

24、所述编码卷积模块最终输出的底层编码特征输入瓶颈卷积模块完成深度特征映射，再经过解码卷积模块逐级上采样，并融合对应层级的编码卷积的输出特征，最终输出噪声预测值；

25、所述熵减生成网络还包括时序信息嵌入模块和多梯度匝间短路类别编码模块，所述时序信息嵌入模块用于提取永磁同步电机所处工况的先验知识，形成先验知识限制；所述多梯度匝间短路类别编码模块用于根据输入的目标故障类别生成故障类别调制限制，所述时序信息嵌入模块和多梯度匝间短路类别编码模块先验知识限制和故障类别调制限制分别并行注入编码卷积模块、解码卷积模块和瓶颈卷积模块的全部网络层级。

26、进一步的，所述熵减生成网络的训练过程包括以下步骤：

27、获取用于熵减生成网络训练的熵增演化后的数据，并输入所述熵减生成网络中；

28、由所述熵减生成网络通过多分布式集群进行协同训练，所述多分布式集群采用多个gpu节点的并行架构拆分训练任务；

29、在每轮迭代过程中，根据所述熵减生成网络输出的最终网络预测噪声与所述训练用正态分布噪声信号进行对比，以进行损失函数的计算；根据损失函数的计算值，得到梯度反馈，以更新熵减生成网络的网络参数；

30、构建所述熵减生成网络的影子生成网络，根据熵减生成网络在每轮迭代过程中的网络参数，进行参数更新；采用熵减生成网络迭代完成后，得到的影子生成网络的网络参数作为熵减生成网络训练好的网络参数。

31、进一步的，所述影子生成网络采用指数加权平均的方式进行参数更新，所述影子生成网络的参数更新表达式为：

32、

33、式中，为第k次迭代经过平滑处理的影子生成网络的网络参数，为指数衰减因子，为第k次迭代后熵减生成网络的网络参数；

34、所述多分布式集群通过汇总各个gpu节点的本地梯度，求解全局平均梯度，作为所述熵减生成网络的梯度反馈。

35、进一步的，所述熵减生成网络内的卷积层为一维空间通道分离卷积，该一维空间通道分离卷积先由各通道对空间信息进行融合，再对各个通道输出的信息进行融合。

36、进一步的，所述熵减生成网络采用余弦退火调制策略对学习率进行平滑衰减，所述学习率的平滑衰减表达式为：

37、

38、式中，为第k轮迭代的当前学习率，为初始学习率，为设置的最小学习率，是训练总轮数。

39、本发明还提供一种实现如上所述的一种基于样本扩充的随钻环境永磁同步电机匝间短路故障诊断方法的匝间短路故障诊断系统，包括：

40、数据采集模块，用于采集随钻环境下永磁同步电机正常运行以及发生匝间短路故障工况下的真实电流信号样本，并进行预处理；

41、熵减生成网络训练模块，根据预处理后的真实电流信号样本，加入训练用正态分布噪声信号，按照预设的时序衰减系数进行熵增演化，并基于熵增演化后的数据对预先构建的熵减生成网络进行训练；

42、虚拟电流信号样本生成模块，用于获取熵减用正态分布噪声信号，输入到训练好的熵减生成网络中生成噪声预测值，采用约束调制稀疏泛化生成算法根据所述噪声预测值，并结合所述熵增演化的过程中累积的时序衰减系数进行跨多步逆向熵减推演，输出还原后的虚拟电流信号样本；

43、完备故障数据集生成模块，用于将所述虚拟电流信号样本与所述真实电流信号样本融合，构建完备故障数据集；

44、模型更新模块，用于采用所述完备故障数据集对预先构建好的故障诊断模型进行迭代更新；

45、实时诊断模块，用于采用更新后的故障诊断模型对永磁同步电机的运行数据进行实时诊断，判断是否发生匝间短路故障。

46、进一步的，所述系统为基于边缘端和云端的处理架构，所述数据采集模块和实时诊断模块运行在边缘端，并将采集的真实电流信号样本上传至云端；

47、所述完备故障数据集生成模块和模型更新模块运行在云端，并将更新后的故障诊断模型的模型参数下发至边缘端的故障诊断模型。

48、与现有技术相比，本发明具有以下优点：

49、（1）本发明提出带多梯度故障类别约束调制的稀疏泛化生成网络，采用k步跨步逆向稀疏熵减采样实现多等级永磁同步电机故障均衡高保真样本生成，能大幅缩减迭代步数，提高训练效率；并且通过先基于真实电流信号样本进行熵增演化，以对熵减生成网络的信号还原过程进行训练，实现熵减推演，以实现在实际应用时直接根据噪声信号即可还原为虚拟电流信号样本的方案，大幅提高了样本扩增的丰富性和效率。

50、（2）本发明设计马尔可夫熵增熵减稀疏泛化去噪生成逻辑，依托稀疏泛化机制强化样本类内泛化性能，从底层生成逻辑替代传统全局二分类对抗模式；搭配时序u型残差编解码网络保留多尺度故障细节；采用集群协同退火混合精度训练策略，通过影子权重平滑、分布式梯度聚合、余弦退火学习率、bf16混合精度稳定训练全过程。

51、实现小样本条件下生成与真实电机故障高度契合的虚拟故障时序特征信号，有效提升样本保真度与类内泛化能力，为高精度故障诊断提供可靠数据支撑。

52、（3）现有故障样本扩充方案多采用无监督gan类对抗网络，仅依靠真假样本全局二分类优化，无故障等级差异化约束机制。本发明摒弃传统二分对抗训练底层逻辑，在u型生成网络全层级嵌入工况与故障类别双条件调制支路，采用双分支噪声加权融合算法引入差异化类别约束，配合跨步逆向统一采样机制，单模型统一调控轻/中/重度匝间短路等多梯度故障的生成过程，无需拆分多模型训练。

53、实现单一网络即可均衡稳定生成多等级故障样本，彻底抑制模式坍塌，大幅降低多类别故障扩充的算力与时间成本。

54、（4）本发明搭建云边双向协同闭环架构：边缘端持续回传新增工况故障数据，云端融合真实样本与虚拟扩充样本，依托增量学习持续迭代优化诊断模型；优化后的模型参数可实时下发至边缘终端，实现边缘设备不停机热更新。

55、实现：边缘诊断模型可动态适配多变负载、转速工况以及高温、强振动耦合下的随钻环境，持续降低故障误诊、漏诊率，避免设备停机更新带来的生产损失。

56、（5）现有永磁同步电机匝间短路故障维保试验设备仅支持单一高温环境或单一振动工况独立加载，温控单元与振动激励单元相互独立、无法协同联动，无法复刻石油钻井井下高温-强振动耦合的真实复杂工况，采集的故障特征存在严重失真，算法验证可信度低。本发明创新搭建一体化随钻耦合工况模拟维保平台，实现温度场与振动载荷同步耦合精准加载，可真实复现井下多物理场耦合作用下匝间短路故障演化机理与特征偏移规律，能够精准采集复合恶劣工况下的多级故障样本数据，填补了现有试验设备无法开展随钻耦合工况故障验证的技术缺陷，从设备架构、工况模拟方式、故障数据采集与验证逻辑均与现有单一环境试验平台存在本质区别。