使用机器学习进行的感应电机状况监视的制作方法

技术特征：
1.一种在工业自动化环境中进行状况监视的方法，所述方法包括：获得驱动器中的运行时间信号数据，所述驱动器被配置成至少部分地基于与工业操作相关联的所述运行时间信号数据来控制在所述工业操作中向电机供应的电力；基于特定于所述工业操作的故障状况的设置来从所述运行时间信号数据得出运行时间度量；以及基于包括从所述运行时间信号数据得出的所述运行时间度量和从基线信号数据得出的基线度量的度量来监视所述工业操作的所述故障状况。2.根据权利要求1所述的方法，还包括：识别待被监视的所述故障状况；以及基于所述设置从所述基线信号数据得出所述基线度量。3.根据权利要求2所述的方法，其中，特定于所述故障状况的所述设置包括以下中的一个或更多个：滤波设置、时域参数、频域参数、变换设置、模式识别设置和频率响应设置。4.根据权利要求2所述的方法，还包括：在获得所述运行时间信号数据之前获得所述基线信号数据；将所述基线信号数据存储在与所述工业操作相关联的驱动器中；以及使所述基线信号数据与所述运行时间信号数据同步。5.根据权利要求4所述的方法，还包括：当新的电机替换所述电机时，在获得所述运行时间信号数据之前获得所述基线信号数据；将所述基线信号数据存储在与所述工业操作相关联的所述驱动器中；以及使所述基线信号数据与所述运行时间信号数据同步。6.根据权利要求1所述的方法，还包括：基于所述运行时间度量和所述基线度量来生成差分度量；以及将至少所述差分度量供应至检测引擎以检测所述故障状况的存在。7.一种工业驱动器，包括：驱动器电路，所述驱动器电路被配置成在工业操作中向电机供应电力；控制器，所述控制器与所述驱动器电路耦接并且被配置成至少部分地基于与所述电机相关联的运行时间信号数据来控制向所述电机供应的电力；以及状况监视模块，所述状况监视模块被配置成：从所述控制器获得所述运行时间信号数据；以及基于包括从所述运行时间信号数据得出的运行时间度量和从基线信号数据得出的基线度量的度量来监视所述工业操作的一个或更多个故障状况。8.根据权利要求7所述的工业驱动器，其中，所述状况监视模块还被配置成：识别所述一个或更多个故障状况中的待被监视的故障状况；基于特定于所述故障状况的设置来从所述运行时间信号数据得出所述运行时间度量；以及基于所述设置从所述基线信号数据得出所述基线度量。9.根据权利要求8所述的工业驱动器，其中，所述状况监视模块还被配置成：在获得所述运行时间信号数据之前获得所述基线信号数据；将所述基线信号数据存储在所述工业驱动器中；以及
使所述基线信号数据与所述运行时间信号数据同步。10.根据权利要求7所述的工业驱动器，其中，为了监视所述工业操作的一个或更多个故障状况，所述工业驱动器被配置成：基于所述运行时间度量和所述基线度量来生成差分度量；以及将至少所述差分度量供应至检测引擎以检测所述一个或更多个故障状况的存在。11.根据权利要求10所述的工业驱动器，其中，所述检测引擎包括至少一个机器学习模型，所述至少一个机器学习模型被配置成基于所述差分度量来对所述工业操作的状况进行分类。12.一种在工业自动化环境中监视感应电机的状况的方法，所述方法包括：获得驱动器中的运行时间信号数据，所述驱动器被配置成至少部分地基于与工业操作相关联的所述运行时间信号数据来控制在所述工业操作中向所述感应电机供应的电力；基于感应电机故障状况从所述运行时间信号数据得出运行时间度量；将所述运行时间度量作为输入提供给机器学习模型，所述机器学习模型被构造成基于所述运行时间度量来识别所述感应电机的状态并且输出所述状态；以及基于由所述机器学习模型输出的所述感应电机的所述状态来监视所述感应电机故障状况。13.根据权利要求12所述的方法，其中：所述感应电机故障状况是转子故障；并且从所述运行时间信号数据得出所述运行时间度量包括：得出特定于识别转子故障的运行时间度量。14.根据权利要求13所述的方法，其中，所述机器学习模型被构造成基于所述运行时间度量来识别断裂转子条的数目。15.根据权利要求12所述的方法，其中：所述感应电机故障状况是定子故障；并且从所述运行时间信号数据得出所述运行时间度量包括：得出特定于识别定子故障的运行时间度量。16.根据权利要求15所述的方法，其中，所述机器学习模型被构造成基于所述运行时间度量来识别定子绕组短路匝的数目。17.根据权利要求12所述的方法，还包括：在获得所述运行时间信号数据之前获得基线信号数据，其中，所述基线信号数据表示所述感应电机的健康状况；将所述基线信号数据存储在所述驱动器中；以及从所述基线信号数据得出基线度量。18.根据权利要求12所述的方法，其中，得出所述运行时间度量包括：确定所述运行时间信号数据的频率响应；以及生成包括转矩参考信号、所述频率响应和机器速度的故障特征。19.一种工业驱动器，包括：驱动器电路，所述驱动器电路被配置成在工业操作中向感应电机供应电力；控制器，所述控制器与所述驱动器电路耦接并且被配置成至少部分地基于与所述感应
电机相关联的运行时间信号数据来控制向所述感应电机供应的电力；以及状况监视模块，所述状况监视模块被配置成：从所述控制器获得所述运行时间信号数据；基于感应电机故障状况从所述运行时间信号数据得出运行时间度量；将所述运行时间度量作为输入提供给机器学习模型，所述机器学习模型被构造成基于所述运行时间度量来识别所述感应电机的状态并且输出所述状态；以及基于由所述机器学习模型输出的所述感应电机的所述状态来监视所述感应电机故障状况。20.根据权利要求19所述的工业驱动器，其中：所述感应电机故障状况是转子故障；并且从所述运行时间信号数据得出所述运行时间度量包括：得出特定于识别转子故障的运行时间度量。21.根据权利要求20所述的工业驱动器，其中，所述机器学习模型被构造成基于所述运行时间度量来识别断裂转子条的数目。22.根据权利要求19所述的工业驱动器，其中：所述感应电机故障状况是定子故障；并且从所述运行时间信号数据得出所述运行时间度量包括：得出特定于识别定子故障的运行时间度量。23.根据权利要求22所述的工业驱动器，其中，所述机器学习模型被构造成基于所述运行时间度量来识别定子绕组短路匝的数目。

技术总结
本发明涉及使用机器学习进行的感应电机状况监视。本技术的各种实施方式总体上涉及工业环境中的状况监视。更具体地，一些实施方式涉及用于电机驱动器的嵌入式分析引擎，其监视感应电机状况以检测包括转子故障和定子故障的潜在失效。在一个实施方式中，状况监视模块被配置成：从驱动器内的控制器获得运行时间信号数据；基于感应电机故障状况从运行时间信号数据得出运行时间度量；将运行时间度量作为输入提供给机器学习模型，机器学习模型被构造成基于运行时间度量来识别感应电机的状态并且输出该状态；以及基于由机器学习模型输出的感应电机的状态来监视感应电机故障状况。应电机的状态来监视感应电机故障状况。应电机的状态来监视感应电机故障状况。


技术研发人员：罗伯特
受保护的技术使用者：罗克韦尔自动化技术公司
技术研发日：2021.04.28
技术公布日：2021/11/2