林躍森 吳思瑩 莊佳揚(yáng) 林泰民

摘要：本文對基于多尺度殘差神經(jīng)網(wǎng)絡(luò)的無刷直流電機(jī)故障在線監(jiān)測系統(tǒng)設(shè)計(jì)進(jìn)行了研究，結(jié)合人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)可視化等技術(shù)，將工業(yè)化和信息化進(jìn)行融合，設(shè)計(jì)了一套能夠在線監(jiān)測以及診斷無刷直流電機(jī)故障的系統(tǒng)。

關(guān)鍵詞：電機(jī)故障;深度學(xué)習(xí);在線監(jiān)測

中圖分類號(hào)：TM921.5? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-957X（2021）12-0095-02

0? 引言

近些年，由于無刷直流電機(jī)大規(guī)模的研發(fā)和技術(shù)的逐漸成熟，其驅(qū)動(dòng)系統(tǒng)在工業(yè)生產(chǎn)中的分布范圍也隨之?dāng)U大，已逐步成為工業(yè)自動(dòng)化領(lǐng)域中的發(fā)展主流[1]。各大廠商也提供不同型號(hào)的電機(jī)以滿足不同驅(qū)動(dòng)系統(tǒng)的需求。在國內(nèi)，紡織、冶金、印刷、自動(dòng)化生產(chǎn)流水線、數(shù)控機(jī)床等工業(yè)生產(chǎn)方面，無刷直流電機(jī)都有涉獵。雖然無刷直流電機(jī)應(yīng)用范圍廣，但一般工作環(huán)境惡劣，易引起機(jī)械和電氣故障，進(jìn)而導(dǎo)致財(cái)產(chǎn)損失和安全事故。基于此對基于多尺度殘差神經(jīng)網(wǎng)絡(luò)的無刷直流電機(jī)故障在線監(jiān)測系統(tǒng)設(shè)計(jì)進(jìn)行了研究。

1? 多尺度殘差神經(jīng)網(wǎng)絡(luò)特點(diǎn)

采用人工神經(jīng)網(wǎng)絡(luò)中的多尺度殘差深度神經(jīng)網(wǎng)絡(luò)，此網(wǎng)絡(luò)不僅具有自學(xué)習(xí)、自適應(yīng)、非線性映射及良好的泛化能力，還有以下特點(diǎn)：①相對于VGG神經(jīng)網(wǎng)絡(luò)來說，解決了隨著網(wǎng)絡(luò)深度的增加，準(zhǔn)確率達(dá)到飽和然后迅速退化的問題。②在很大程度上解決了梯度消失和梯度爆炸的問題，它使得數(shù)十層甚至上千層的網(wǎng)絡(luò)在反向傳播的隨機(jī)梯度下降上能夠收斂。③更多尺度的卷積核能夠?qū)π盘?hào)進(jìn)行更加全面的信息提取。此外，采用多尺度卷積核是因?yàn)樵谝粋€(gè)故障發(fā)生的時(shí)候，容易引起其他故障，較小的卷積核能對單一故障進(jìn)行精確識(shí)別，但當(dāng)故障并發(fā)時(shí)，較小的卷積核難以識(shí)別出故障發(fā)生的先后，采用大的卷積核能更有效的分清復(fù)合故障的類型及其先后順序。

經(jīng)過實(shí)驗(yàn)，電機(jī)的不同故障模式將會(huì)發(fā)出不同的振動(dòng)信號(hào)。本方案使用IEPE加速度傳感器[2]通過磁鐵座吸在電機(jī)安裝支架上快速采集電機(jī)運(yùn)轉(zhuǎn)時(shí)產(chǎn)生的振動(dòng)信號(hào)，進(jìn)而進(jìn)行小波變換，制成時(shí)頻圖[3]，將圖片提取，通過由如圖1、圖2所示的人工神經(jīng)網(wǎng)絡(luò)，從而對未知的無刷直流電機(jī)故障進(jìn)行監(jiān)測和分類。根據(jù)故障分類，發(fā)出對應(yīng)的警報(bào)，即可有效降低生產(chǎn)風(fēng)險(xiǎn)并為電機(jī)的維護(hù)帶來極大的便利。

卷積神經(jīng)網(wǎng)絡(luò)（CNNs）在圖像識(shí)別已經(jīng)顯示出了很有前景的結(jié)果。然而，傳統(tǒng)的CNN不能夠充分利用多尺度信息，每層只能提取一種尺度的特征信息，為了得到更多的特征，通常的做法是加深網(wǎng)絡(luò)層數(shù)，但這種做法容易出現(xiàn)過擬合，也會(huì)導(dǎo)致計(jì)算資源的增加。

在本文中，我們提出將多尺度殘差網(wǎng)絡(luò)用于振動(dòng)信號(hào)的識(shí)別，其網(wǎng)絡(luò)結(jié)構(gòu)可表示為圖1和圖2。

2? 系統(tǒng)設(shè)計(jì)思路

圖3給出了系統(tǒng)的總體研究方案，其具體流程步驟如下：①在工作的直流無刷電機(jī)上安裝IEPE加速度傳感器采集振動(dòng)信號(hào)。②將采集的信號(hào)經(jīng)過數(shù)據(jù)采集器進(jìn)行放大、濾波、處理后發(fā)送到服務(wù)器。③云服務(wù)器與上位機(jī)建立通信，上位機(jī)將收到的信號(hào)包進(jìn)行小波變換生成圖像，送入已經(jīng)訓(xùn)練好的CNN模型進(jìn)行故障的診斷分類。④上位機(jī)將分類結(jié)果上次至服務(wù)器，若分類結(jié)果顯示電機(jī)故障，服務(wù)器向機(jī)組管理人員發(fā)送報(bào)警信號(hào)。⑤移動(dòng)端可通過APP實(shí)時(shí)查看電機(jī)的工作狀態(tài)。

3? 軟件設(shè)計(jì)與實(shí)現(xiàn)

通過互聯(lián)網(wǎng)即可隨時(shí)隨地檢測設(shè)備運(yùn)行狀態(tài)，當(dāng)發(fā)生故障時(shí)，系統(tǒng)能夠根據(jù)采集到的頻譜或波形數(shù)據(jù)對故障類型進(jìn)行檢測、識(shí)別和報(bào)警。

模塊主要功能設(shè)計(jì)：①系統(tǒng)模塊中涉及到數(shù)據(jù)采集及數(shù)據(jù)校驗(yàn)兩個(gè)重要步驟，基本流程如圖4所示。②實(shí)時(shí)監(jiān)控在這里要使用EChart[4]等組件進(jìn)行數(shù)據(jù)直觀展示（異常的數(shù)據(jù)通過特殊的標(biāo)簽展示在EChart圖表中），并在Ajax技術(shù)[5]支持下實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)刷新。EChart是一個(gè)輕量級的JavaScript圖形庫，純js實(shí)現(xiàn)，MVC封裝，數(shù)據(jù)驅(qū)動(dòng)。其特點(diǎn)是重要性和優(yōu)先級依次遞減，設(shè)計(jì)效果直觀、生動(dòng)、能夠交互，可個(gè)性化定制，如圖5所示。

可視化功能Echart的基本原理如圖6所示。

4? 結(jié)語

本文對無刷直流電機(jī)故障在線監(jiān)測系統(tǒng)的設(shè)計(jì)進(jìn)行了介紹，根據(jù)采集電機(jī)發(fā)出的振動(dòng)信號(hào)，進(jìn)而進(jìn)行信號(hào)分析，變換，制成時(shí)頻圖，將圖片提取、構(gòu)造訓(xùn)練完善的卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，從而對無刷直流電機(jī)故障進(jìn)行診斷和分類，并運(yùn)用EChart圖表以數(shù)據(jù)可視化的形式展示給用戶，為用戶提供更加直觀的數(shù)據(jù)信息，輔助用戶進(jìn)行決策。

參考文獻(xiàn)：

[1]Lu Siliang and Wang Xiaoxian. A New Methodology to Estimate the Rotating Phase of a BLDC Motor With Its Application in Variable-Speed Bearing Fault Diagnosis[J]. IEEE Transactions on Power Electronics， 2018， 33（4） ： 3399-3410.

[2]宋先進(jìn)，王志.基于IEPE加速度傳感器的振動(dòng)測試系統(tǒng)研究[J].安徽職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2019，18（01）：19-22.

[3]王驍賢，張保華，陸思良.基于連續(xù)小波變換和卷積神經(jīng)網(wǎng)絡(luò)的無刷直流電機(jī)故障診斷[J].機(jī)械與電子，2018，36（06）：29-32.

[4]王子毅，張春海.基于ECharts的數(shù)據(jù)可視化分析組件設(shè)計(jì)實(shí)現(xiàn)[J].微型機(jī)與應(yīng)用，2016，35（14）：46-48，51.

[5]趙海國.Ajax技術(shù)支持下的ECharts動(dòng)態(tài)數(shù)據(jù)實(shí)時(shí)刷新技術(shù)的實(shí)現(xiàn)[J].電子技術(shù)，2018，47（03）：25-27，57.