一种基于数据分析的小家电马达寿命预测方法与流程

本发明涉及数据处理，具体涉及一种基于数据分析的小家电马达寿命预测方法。

背景技术：

1、目前，公开的电机寿命预测技术方案普遍依赖在电机上增设专用传感器。例如，通过安装振动传感器采集振动频谱来分析机械磨损，通过安装温度传感器监测绕组温升来评估热老化。这类方法虽能实现有效预测，但每增加一个传感器都会直接带来硬件物料成本的上升和安装工序的复杂化。

2、对于吸尘器、搅拌机等大批量生产的低成本小家电而言，其整机售价和利润空间极为有限。任何新增的传感器成本，对于产品竞争力和商业可行性都是难以承受的负担。因此，依赖振动、温度等新增传感器的预测方案，尽管在技术原理上可行，但在小家电这一特定应用领域因成本约束而无法实际应用。

3、在现有技术中，尚未见有公开方案能够在不增加任何振动、温度或专用传感装置的前提下，仅利用小家电产品电机驱动电路中已有的、必备的电流采样回路，来实现对其马达剩余使用寿命的有效预测。这一技术空白导致小家电行业长期无法在产品中集成真正的预测性维护功能。

4、因此，为解决上述在不增加硬件成本的前提下实现小家电马达寿命预测的技术问题，本发明提出一种基于数据分析的小家电马达寿命预测方法。

技术实现思路

1、本发明的目的在于提供一种基于数据分析的小家电马达寿命预测方法，以解决现有技术中因依赖新增振动、温度传感器而导致成本过高、无法适用于低成本小家电产品的问题。

2、为解决上述技术问题，本发明具体提供下述技术方案：

3、一种基于数据分析的小家电马达寿命预测方法，所述小家电马达仅利用其电机驱动电路中原有的电流采样回路，不增设任何振动、温度或专用传感装置，包括如下步骤：

4、步骤s1：获取电流采样回路输出的工作电流时序信号，并同步获取电机驱动电路的控制信号；

5、步骤s2：对工作电流时序信号进行预处理与特征提取，得到一组多维特征，包括用于表征机械状态的第一类特征子集和用于表征热状态的第二类特征子集；

6、步骤s3：将多维特征输入预训练的健康退化评估模型，得到小家电马达的健康指标；

7、步骤s4：基于健康指标的历史序列，通过寿命预测模型估计小家电马达的剩余使用寿命。

8、本发明与现有技术相比具有如下有益效果：

9、本发明彻底摒弃了依赖新增振动、温度传感器的传统路径，创造性地仅利用电机驱动电路中原本就已存在、用于控制目的的电流采样回路来获取核心信号，能够在不增加一分钱物料成本和任何结构改动的前提下，为低成本小家电产品赋予原本仅存在于高端工业设备上的预测性维护能力，从根本上解决了“预测精度与硬件成本”的核心矛盾，使该技术在消费级产品中大规模普及成为可能。

10、本发明通过特定的信号处理与特征提取步骤，能够从一路工作电流时序信号及其伴随的控制信号中，深度挖掘并分离出分别表征机械状态和热状态 的丰富特征子集，相当于用算法“虚拟”出了振动传感器和温度传感器的功能，以零硬件代价获得了可与多传感器方案媲美的健康状态感知维度。

11、本发明通过引入基于注意力机制的融合网络和跨领域迁移学习训练策略，能够自适应地根据不同运行工况动态融合机械与热退化信息，并克服小家电自身失效数据稀缺的难题，使得所构建的健康指标能够更准确、更鲁棒地反映马达性能的整体退化程度，为后续寿命预测奠定了可靠的基础。

12、本发明通过采用混合预测框架并设计包含保守预警模式的智能决策规则，能够在面对预测不确定性时，输出可靠、保守的寿命估计值，并生成对用户具有直接指导意义的提示信息，不仅提高了预测结果在实际应用中的可信度和安全性，也极大提升了终端用户的使用体验和满意度，将技术预测转化为有价值的用户服务。

13、本发明的整套方法步骤，从高质量信号采集、先进特征提取、智能模型评估到稳健预测决策，均充分考虑了小家电主控制器有限的计算与存储资源，能够作为一个完整的软件算法包，部署于现有产品的小家电主控制器中运行，无需依赖云端算力，确保了方案的实时性、低功耗、数据隐私性和最终产品的可量产性。

1.一种基于数据分析的小家电马达寿命预测方法，其特征在于，所述小家电马达仅利用其电机驱动电路中原有的电流采样回路，不增设任何振动、温度或专用传感装置，包括如下步骤：

2.根据权利要求1所述的基于数据分析的小家电马达寿命预测方法，其特征在于，所述步骤s1中包括：

3.根据权利要求1所述的基于数据分析的小家电马达寿命预测方法，其特征在于，在所述步骤s2中，所述用于表征机械状态的第一类特征子集通过如下步骤获得：

4.根据权利要求3所述的基于数据分析的小家电马达寿命预测方法，其特征在于，所述同步解调处理通过正交解调技术实现，包括以下步骤：

5.根据权利要求1所述的基于数据分析的小家电马达寿命预测方法，其特征在于，在所述步骤s2中，所述用于表征热状态的第二类特征子集通过如下步骤获得：

6.根据权利要求5所述的基于数据分析的小家电马达寿命预测方法，其特征在于：

7.根据权利要求1所述的基于数据分析的小家电马达寿命预测方法，其特征在于，所述步骤s3包括：

8.根据权利要求7所述的基于数据分析的小家电马达寿命预测方法，其特征在于，所述第一编码网络和第二编码网络通过跨领域迁移学习获得，包括：

9.根据权利要求1所述的基于数据分析的小家电马达寿命预测方法，其特征在于，所述步骤s4包括：

10.根据权利要求9所述的基于数据分析的小家电马达寿命预测方法，其特征在于，所述对第一寿命估计值与第二寿命估计值进行选择的步骤包括：