一种电机故障监测方法及电机故障监测系统与流程

1.本发明涉及电机技术领域，尤其涉及一种电机故障监测方法及电机故障监测系统。


背景技术：

2.在现代化建设进程中，工业机器人起到重要的推进作用，被广泛应用于各行各业，有效提高了工作质量和生产效率。驱动工业机器人关节运动的核心是电机，电机平稳正常运行是工业机器人工作的重要保障。
3.在工业机器人作业过程中，电机发生故障会带来一系列问题，其一可能带来巨大生产事故，对生产人员造成人身财产的损失，其二是造成生产线的停滞，给企业造成严重经济的损失。
4.传统情况下，对于工业机器人电机故障问题，只有在故障发生后才能进行处理不能进行预防。工业机器人电机结构复杂，故障问题的排查，既需要专业维修知识，又需要耗费大量时间。与此同时，对于电机的定期维护检查，也需要投入大量人力成本。


技术实现要素：

5.鉴于此，本发明公开了一种电机故障监测方法及电机故障监测系统，用以解决现有的电机存在潜在故障不能提前进行预警，在故障发生后通过人力排查，存在耗费大量人力成本的问题。
6.本发明为实现上述的目标，采用的技术方案是：
7.本发明第一方面公开了一种电机故障监测方法，包括：
8.采集所述电机的实际运行参数，并计算与所述实际运行参数对应的理论运行参数；
9.获取所述电机的历史运行数据；
10.根据所述电机的所述理论运行参数、所述历史运行数据、所述电机的所述实际运行参数，基于预设故障失效模型判断所述电机中零部件是否存在故障或潜在故障。
11.进一步可选的，所述方法还包括：
12.若判断所述电机中零部件存在故障或潜在故障，则对所述电机的故障或潜在故障位置进行提示。
13.进一步可选的，所述对所述电机的故障或潜在故障位置进行提示包括：
14.通过所述电机中零部件的三维模型和/或所述电机的整体三维模型显示所述电机的运行状态，包括以不同色阶或颜色提示所述电机的故障位置或潜在故障位置；其中，
15.所述电机的整体三维模型根据所述电机中零部件的三维模型而构建；
16.所述电机中零部件的三维模型根据所述电机中零部件的结构与尺寸而构建；所述实际运行参数与所述电机中零部件的三维模型之间建立有映射关系。
17.进一步可选的，所述理论运行参数的计算方法包括：
18.根据驱动器的实际控制参数计算所述理论运行参数，所述电机通过所述驱动器驱动。
19.进一步可选的，所述电机故障监测方法还包括：
20.根据所述历史运行数据预测所述电机中零部件的使用寿命，判断所述使用寿命与实际使用时长的差值是否小于预设时长；
21.若小于或等于预设时长，则进行预警提示；
22.若大于预设时长，则不进行预警提示。
23.进一步可选的，所述电机故障监测方法还包括：
24.将所述电机的实际运行参数实时上传至服务器，以便所述服务器对所述服务器中的历史运行数据库进行更新以及根据所述历史运行数据库更新所述服务器中的所述预设故障失效模型。
25.进一步可选的，所述理论运行参数与所述实际运行参数对应，均包括所述电机的运行温度、运行转速、运行电流、运行电压、运行扭矩、运行功率中的任意一种或多种。
26.进一步可选的，所述预设故障失效模型的训练方法包括：
27.所述电机运行到目标运行状态时的理论运行参数数值为a，与理论运行参数同类的实际运行参数为a1，理论运行参数与实际运行参数的差值绝对值为ζ，ζ＝∣a-a1∣，在所述历史运行数据中查找所述电机达到所述目标运行状态时与所述实际运行参数对应的历史运行参数分别为c1、c2
……
cn，n为大于或等于2的整数，取c1、c2
……
cn中的最大值cmax和最小值cmin，故障预警阈值的下限值c
下
＝∣cmin-a∣ b，所述故障预警阈值的上限值c
上
＝∣cmax-a∣ d，其中b、d为大于或等于0的常数，若ζ∈[c
下
，c
上
]，则判断为存在潜在故障并进行预警；若则判断为不存在潜在故障不进行预警；
[0028]
所述电机的不同运行状态对应有不同的理论运行参数和实际运行参数，利用bp神经网络算法进行训练生成所述预设故障失效模型。
[0029]
本发明第二方面公开了一种电机故障监测系统，所述电机故障监测系统包括：
[0030]
控制模块，根据所述电机的理论运行参数、实际运行参数及所述电机的历史运行数据，结合预设故障失效模型判断所述电机中零部件是否存在故障或潜在故障。
[0031]
进一步可选的，所述控制模块包括：
[0032]
数据采集模块，用于采集所述电机运行时的实际运行参数和接收所述控制器发出的实际控制参数；
[0033]
数据处理模块，用于从所述数据采集模块调取所述实际运行参数和所述实际控制参数；
[0034]
存储模块，用于存储所述预设故障失效模型、所述实际运行参数及所述实际控制参数；
[0035]
处理器，用于从所述存储模块调取所述实际运行参数、所述实际控制参数和所述预设故障失效模型，根据所述实际控制参数计算所述电机的所述理论运行参数，根据所述电机的所述理论运行参数、所述历史运行数据、所述电机的所述实际运行参数，基于所述预设故障失效模型判断所述电机中零部件是否存在故障或潜在故障。
[0036]
进一步可选的，所述电机故障监测系统还包括控制器、驱动器和人机交互模块；所述控制器、所述驱动器和所述人机交互模块分别与所述控制模块通讯连接；所述控制模块
用于接收所述控制器发送的所述实际控制参数，并将所述实际控制参数发送给所述驱动器；所述控制模块还用于将电机运行状态信息发送给所述人机交互模块以显示所述电机的运行状态，所述电机运行状态信息包括所述电机中零部件是否存在故障或潜在故障。
[0037]
进一步可选的，所述控制模块还包括网络同步模块，所述存储模块用于将所述实际运行参数通过所述网络同步模块发送给服务器形成历史数据库，所述服务器存储有所述预设故障失效模型，所述服务器根据接收的所述实际运行参数更新所述预设故障失效模型，并将所述预设故障失效模型发送至所述存储模块进行更新。
[0038]
有益效果：本发明通过预设故障失效模型结合电机的理论运行参数、历史运行数据、电机的所述实际运行参数对电机的运行状态进行监测，实现电机的故障预警和故障排查，避免现有电机不能提前进行故障监测，以及发生故障后存在耗费大量人力成本的问题。
附图说明
[0039]
通过参照附图详细描述其示例实施例，本发明公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本发明公开的一些实施例，对于本领域的普通技术人员来讲，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。
[0040]
图1示例性地示出了本发明电机故障监测方法实施例的流程图；
[0041]
图2示例性地示出了本发明电机故障监测方法实施例中电机的故障或潜在故障位置进行提示方法的流程图；
[0042]
图3示例性地示出了本发明电机故障监测系统实施例的逻辑图；
[0043]
图4示例性地示出了本发明电机故障监测系统实施例中控制模块的逻辑图。
[0044]
附图标记：
[0045]
1-控制器；2-控制模块；3-驱动器；4-人机交互模块；21-存储模块；22-处理器；24-数据处理模块；25-数据采集模块；26-网络同步模块。
具体实施方式
[0046]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
[0047]
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
[0048]
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0049]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情
况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
[0050]
为进一步阐述本发明中的技术方案，现结合图1-图4，提供了如下具体实施例。
[0051]
实施例1
[0052]
在本实施例中提供了一种电机故障监测方法，如图1所示，可包括s1-s3步骤，具体为：
[0053]
s1、采集电机的实际运行参数，并计算与实际运行参数对应的理论运行参数。
[0054]
在电机启动运行时，采集电机各个运行时刻的实际运行参数，并针对电机目标运行状态计算理论运行参数。本实施例中理论运行参数与实际运行参数对应，均包括电机的运行温度、运行转速、运行电流、运行电压、运行扭矩、运行功率中的任意一种或多种。本实施例中电机目标运行状态可以是达到目标运行温度、运行转速、运行电流、运行电压、运行扭矩、运行功率中的一者或多者，例如，可以是电机达到设定转速1000r/min时，计算电机的运行电流、运行电压、运行功率等一者或多者，也可以是电机达到设定扭矩时，计算电机的运行电流、运行电压、运行功率等一者或多者。
[0055]
s2、获取所述电机的历史运行数据。
[0056]
记录电机历次的实际运行参数形成历史数据。
[0057]
s3、根据电机的所述理论运行参数、历史运行数据、电机的实际运行参数，基于预设故障失效模型判断电机中零部件是否存在故障或潜在故障。
[0058]
本实施例示例性地列举预设故障失效模型的训练方法，预设故障失效模型的训练方法可包括：
[0059]
电机运行到目标运行状态时的理论运行参数数值为a，与理论运行参数同类的实际运行参数为a1，理论运行参数与实际运行参数的差值绝对值为ζ，ζ＝∣a-a1∣，在历史运行数据中查找电机达到所述目标运行状态时与实际运行参数对应的历史运行参数分别为c1、c2
……
cn，n为大于或等于2的整数，取c1、c2
……
cn中的最大值cmax和最小值cmin，故障预警阈值的下限值c
下
＝∣cmin-a∣ b，故障预警阈值的上限值c
上
＝∣cmax-a∣ d，其中b、d为大于或等于0的常数，若ζ∈[c
下
，c
上
]，则判断为存在潜在故障并进行预警；若则判断为不存在潜在故障不进行预警；电机的不同运行状态对应有不同的理论运行参数和实际运行参数，利用bp神经网络算法进行训练生成所述预设故障失效模型。
[0060]
例如，本实施例中电机目标运行状态可以是电机达到目标运行参数时的状态，可以是转速或目标扭矩数值时，计算理论运行参数如理论电流、理论电压，同时还获取电机的实际运行电流和实际运行电压，也包括历次运行过程中达到对应目标转速或目标扭矩数值时的实际运行电流和实际运行电压，在此不做具体限定。
[0061]
理论运行参数的计算方法可包括：根据驱动器的实际控制参数计算所述理论运行参数，电机通过驱动器驱动。例如，实际控制参数为转速达到1000r/min时，计算相关的理论运行电流、理论运行扭矩等。
[0062]
本实施例的预设故障失效模型不限于上述训练方法，也可以采用其它的训练方法生成预设故障失效模型，可根据电机具体零部件的失效条件进行训练生成相应的预设故障失效模型。
[0063]
本实施例的电机故障监测方法还包括：
[0064]
s4、若判断所述电机中零部件存在故障或潜在故障，则对所述电机的故障或潜在故障位置进行提示。可以为电机上的零部件建立不同的编号，当对应的零部件出现故障或潜在故障时，可以通过语音进行提示，或在显示模块上以文字或图像的方式进行提示。
[0065]
优选的，如图2，上述对所述电机的故障或潜在故障位置进行提示包括：
[0066]
通过电机中零部件的三维模型和/或电机的整体三维模型显示电机的运行状态，包括以不同色阶或颜色提示所述电机的故障位置或潜在故障位置；其中，电机的整体三维模型根据所述电机中零部件的三维模型而构建；电机中零部件的三维模型根据所述电机中零部件的结构与尺寸而构建；实际运行参数与电机中零部件的三维模型之间建立有映射关系。具体的步骤可包括h1-h3：
[0067]
h1、构建电机中各零部件的三维模型，根据各零部件的三维模型构建所述电机的整体三维模型。
[0068]
将电机的各个零部件进行测绘，并通过三维软件对电机的各个零部件按照真实比例1：1进行实体三维建模，最终将各个零部件利用三维软件组装在一起形成一个整体的电机三维模型。三维软件可以采用ug、3dmax软件。并且为每个零部件设置与真实世界电机相同的物理属性(材料、密度、强度、耐受温度、运行的极限条件等)。
[0069]
h2、采集电机的实际运行参数，建立实际运行参数与零部件的三维模型之间的映射关系，模拟电机的真实运行过程，并通过各零部件的三维模型和/或整体三维模型显示电机的运行状态。可通过虚拟仿真软件对绘制的三维模型模拟电机的真是运行状态。
[0070]
h3、电机的整体三维模型中各零部件的三维模型，以不同色阶或颜色提示电机的故障位置或潜在故障位置。
[0071]
步骤h3中可通过显示模块显示由各个零部件构建的电机整体三维模型，在电机运行过程中，可通过显示模块显示出电机的运行状态，当出现潜在故障或故障时，以区别于其它零部件三维模型的颜色所发生零部件的位置信息，即物理世界中某一零部件发生故障或潜在故障，对应地三维模型中的零部件三维模型则以高亮颜色显示，以便于告知操作者或检修人员。例如可以通过零部件的三维模型以绿色高亮显示表示零部件处于正常工作，黄色高亮显示表示存在潜在故障，红色表示当前已出现故障，电机整体三维模型中各零部件通过红、黄、绿三种颜色显示，(如电机转子三维模型、定子三维模型以不同颜色表示工作时是否正常)，表示各零部件所处的工作状态，当然也可以通过颜色渐变的色阶进行显示，在此不再赘述。
[0072]
本实施例电机故障监测方法还包括：
[0073]
根据历史运行数据预测所述电机中零部件的使用寿命，判断使用寿命与实际使用时长的差值是否小于预设时长；
[0074]
若小于或等于预设时长，则进行预警提示；
[0075]
若大于预设时长，则不进行预警提示。
[0076]
例如，电机轴承的使用寿命为20000小时，使用时长为19800小时，预设时长为400小时，此时电机轴承接近寿终，则进行提示更换轴承。
[0077]
例如，可采集实际运行转速，建立实际运行转速与电机轴承之间的映射关系，进而可得出不同转速下对电机轴承磨损的影响，并根据历史运行转速和运行时长，计算出电机轴承的剩余寿命，当剩余寿命接近零时，可进行预警提示；或者电机所承受的载荷超过电机
轴承的载荷，则直接进行预警提示。
[0078]
本实施例的电机故障监测方法还可包括：将所述电机的实际运行参数实时上传至服务器，以便所述服务器对所述服务器中的历史运行数据库进行更新以及根据所述历史运行数据库更新所述服务器中的所述预设故障失效模型。在远程服务器建立不同型号电机运行的大数据库，每种电机具有对应的历史运行数据以及对应的预设故障失效模型，通过历史运行数据库的不断更新，提高预设故障失效模型判断的准确性。电机在运行过程中，可以在本地数据库中通过网络获取远程服务器中最新的预设故障失效模型，以提高判断的准确性。
[0079]
本实施例中上述三维模型的构建，并建立实际运行参数与电机上零部件的三维模型之间的映射关系，以及通过人工智能学习，可通过数字孪生技术实现，应用于工业机器人电机的故障预警和诊断问题中，可实现工业机器人在故障发生前提前预警，节约经济成本，保障生产安全；能够快速定位故障位置，有效促进电机故障问题的分析解决，节约时间成本；并且大大提高工业机器人电机定期维护检查的效率。
[0080]
实施例2
[0081]
本实施例提供了一种电机故障监测系统，如图3所示，电机故障监测系统包括：
[0082]
控制模块2，根据电机的理论运行参数、实际运行参数及电机的历史运行数据，结合预设故障失效模型判断电机中零部件是否存在故障或潜在故障。
[0083]
如图4所示，上述控制模块2具体可包括数据采集模块25、数据处理模块24、存储模块21和处理器22；其中，数据采集模块25用于采集电机运行时的实际运行参数和接收控制器发出的实际控制参数；数据处理模块24用于从所述数据采集模块25调取所述实际运行参数和所述实际控制参数；存储模块21用于存储所述预设故障失效模型、实际运行参数及实际控制参数；；处理器22用于从所述存储模块调取所述实际运行参数、控制参数和预设故障失效模型，根据控制参数计算电机的理论运行参数，根据电机的理论运行参数、历史运行数据、电机的所述实际运行参数，基于预设故障失效模型判断电机中零部件是否存在故障或潜在故障。
[0084]
本实施例所述电机故障监测系统还可包括控制器1、驱动器3和人机交互模块4；控制器1、驱动器3和人机交互模块4分别与所述控制模块2通讯连接，控制模块2用于接收控制器1发送的实际控制参数，并将实际控制参数发送给驱动器3；控制模块2还用于将电机运行状态信息发送给人机交互模块4以显示电机的运行状态，电机运行状态信息包括电机中零部件是否存在故障或潜在故障。
[0085]
电机运行状态信息包括电机中零部件是否存在故障或潜在故障信息。
[0086]
本实施例中电机主要是指通过电机驱动器控制电机，可以是伺服电机、步进电机、变频电机等，也可以是驱动器驱动的风机、泵等。
[0087]
控制器可以是单片机或可编程控制器等控制器件。
[0088]
人机交互模块可以是具有人机交互功能的显示屏，可以通过显示屏对三维模型的参数进行修改。显示屏也可以直观地显示电机的故障位置或可能要出现的故障位置(潜在故障位置)。
[0089]
本实施例中控制器与控制模块之间以及控制模块和电机驱动器之间可通过ethercat总线接口实现数据传输，具体的通过数据线进行数据传输，也可以采用其它工业
接口通过数据线实现通讯连接。
[0090]
控制模块进一步还包括网络同步模块26，存储模块用于将实际运行参数通过网络同步模块发送给服务器形成历史数据库，远程服务器存储有预设故障失效模型，服务器根据实时接收的实际运行参数更新预设故障失效模型，并将所述预设故障失效模型发送至所述存储模块进行更新。通过在服务器建立大数据库，对存储模块中的预设故障失效模型进行更新，提高电机运行过程中故障或潜在故障判断的准确性。
[0091]
服务器中的历史数据库可以是同一型号电机在不同工位上的历史运行参数，并且历史数据库中包含有针对不同电机型号的历史运行参数。
[0092]
上述电机故障监测系统可采用实施例1的故障检测方法执行，但不限于实施例1的故障检测方法。
[0093]
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。