本技術(shù)涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及基于數(shù)據(jù)分析的電機(jī)性能檢測方法及系統(tǒng)。

背景技術(shù)：

1、電機(jī)作為工業(yè)、農(nóng)業(yè)、民生電器等領(lǐng)域的核心動力部件，其性能直接影響設(shè)備的運(yùn)行效率、可靠性和安全性。對電機(jī)性能進(jìn)行檢測是保障產(chǎn)品質(zhì)量、延長使用壽命及預(yù)防故障的關(guān)鍵環(huán)節(jié)。故障電機(jī)則可能導(dǎo)致能量浪費(fèi)，甚至引發(fā)嚴(yán)重的安全事故。因此，定期對電機(jī)性能進(jìn)行檢測和評估，可以及時發(fā)現(xiàn)潛在問題，避免因突發(fā)故障導(dǎo)致的停機(jī)損失。

2、現(xiàn)有技術(shù)可以通過多種手段對電機(jī)運(yùn)行狀態(tài)進(jìn)行監(jiān)測和故障診斷，其中基于振動信號分析的方法是常用技術(shù)之一。通過在電機(jī)關(guān)鍵部位安裝加速度傳感器或位移傳感器，可以實(shí)時采集電機(jī)運(yùn)行過程中的振動數(shù)據(jù)。這些數(shù)據(jù)能夠反映電機(jī)內(nèi)部零部件（如軸承、轉(zhuǎn)子、定子等）的動態(tài)特性以及可能存在的異常情況。例如，當(dāng)電機(jī)軸承出現(xiàn)磨損或缺陷時，會引發(fā)特定頻率的振動信號；而轉(zhuǎn)子不平衡或?qū)χ胁涣紕t會導(dǎo)致低頻段的周期性振動加劇。

3、但是在電機(jī)故障檢測中，采集的信號中可能存在干擾信號，干擾信號產(chǎn)生的原因主要是外部的電磁干擾、設(shè)備的啟動或停止等。在實(shí)際的電機(jī)運(yùn)行環(huán)境中，干擾信號的存在是不可避免的。這些信號并不是由于電機(jī)本身的問題產(chǎn)生的，干擾信號對故障的檢測精準(zhǔn)度造成了影響。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述干擾信號影響故障檢測精準(zhǔn)度的問題，本技術(shù)提供基于數(shù)據(jù)分析的電機(jī)性能檢測方法及系統(tǒng)。

2、第一方面，本技術(shù)提供基于數(shù)據(jù)分析的電機(jī)性能檢測方法，采用如下的技術(shù)方案：

3、基于數(shù)據(jù)分析的電機(jī)性能檢測方法，包括步驟：根據(jù)設(shè)置的窗口對振動信號進(jìn)行分段，篩選出存在異常信號的窗口得到多個段信號；對段信號進(jìn)行聚類得到多個聚類簇，根據(jù)聚類簇區(qū)分干擾信號和故障信號；其中，聚類的方法為：計(jì)算任一段信號與其他段信號的相似程度，將相似程度大于預(yù)設(shè)閾值的其他段信號作為任一段信號的匹配信號，將匹配信號的個數(shù)與段信號的總數(shù)作為任一段信號的周期強(qiáng)度；獲取任一段信號的頻帶與標(biāo)準(zhǔn)頻帶的并集以及頻帶與標(biāo)準(zhǔn)頻帶的交集，將交集與并集的比值作為頻帶相似度；構(gòu)建各段信號的特征向量，計(jì)算特征向量之間的距離，特征向量的維度包含周期強(qiáng)度及頻帶相似性，根據(jù)特征向量，使用聚類算法進(jìn)行聚類得到多個聚類簇，聚類簇包含了干擾信號聚類簇和/或若干故障聚類簇，每個故障聚類簇表達(dá)了一種故障類型。

4、有益效果為：通過窗口對振動信號進(jìn)行分段，并初步篩除出存在可能故障性的段信號，聚焦于可能包含故障或干擾的關(guān)鍵區(qū)域，減少冗余數(shù)據(jù)的影響。結(jié)合聚類算法對段信號進(jìn)行分類，實(shí)現(xiàn)了對正常信號、干擾信號和故障信號的自動區(qū)分，提高了檢測效率。

5、綜合周期強(qiáng)度與頻帶綜合判定干擾信號與故障信號，干擾信號通常表現(xiàn)為高頻噪聲、隨機(jī)波動或周期性但無規(guī)律的信號且頻譜可能覆蓋較寬的頻率范圍，電機(jī)正常運(yùn)行的特征頻率無關(guān)。故障信號具有特定的頻率特征。

6、通過將頻帶與標(biāo)準(zhǔn)頻帶的交集與并集的比值定義為頻帶相似度，將周期強(qiáng)度與頻帶相似度作為特征向量，進(jìn)行聚類。可以有效解決頻帶范圍形式與周期強(qiáng)度數(shù)值形式不匹配的問題。通過構(gòu)建特征向量并聚類，能夠區(qū)分不同類型的故障（如軸承故障、轉(zhuǎn)子故障等），為后續(xù)故障診斷提供依據(jù)。

7、可選的，相似程度的計(jì)算方法為：通過動態(tài)時間規(guī)整算法計(jì)算兩個窗口中段信號的時間序列距離，將時間序列距離進(jìn)行正相關(guān)歸一化后作為相似程度。

8、有益效果為：動態(tài)時間規(guī)整算法能夠有效處理時間序列長度不一致或存在非線性伸縮的情況，適合電機(jī)振動信號中可能出現(xiàn)的時間偏移或周期性變化。基于信號形狀的相似性進(jìn)行比較，能夠捕捉信號中的周期性或沖擊特征，提高相似程度計(jì)算的準(zhǔn)確性，且對噪聲和小范圍擾動具有一定的容忍度，適用于復(fù)雜工況下的信號分析。

9、可選的，相似程度的計(jì)算方法為：構(gòu)建任一段信號的數(shù)據(jù)點(diǎn)序列計(jì)算兩個窗口中段信號的皮爾遜相關(guān)系數(shù)，將皮爾遜相關(guān)系數(shù)進(jìn)行正相關(guān)歸一化后作為相似程度。

10、有益效果為：皮爾遜相關(guān)系數(shù)的計(jì)算復(fù)雜度低，適合實(shí)時處理或大規(guī)模數(shù)據(jù)集的應(yīng)用。

11、可選的，篩選存在異常信號的窗口得到多個段信號的方法為：計(jì)算段信號的峭度，響應(yīng)于，表示超參數(shù)，該窗口內(nèi)的段信號存在異常信號。

12、有益效果為：峭度能夠有效反映信號分布尾部的厚度，對沖擊信號或異常事件非常敏感，適合檢測電機(jī)運(yùn)行中的突發(fā)性故障。通過調(diào)整超參數(shù) ?，可以靈活控制異常信號的篩選標(biāo)準(zhǔn)，適應(yīng)不同的工況需求。峭度的計(jì)算公式明確，易于實(shí)現(xiàn)，適合在線監(jiān)測系統(tǒng)。

13、可選的，篩選存在異常信號的窗口得到多個段信號的方法為：計(jì)算段信號的峰值因子，當(dāng)峰值因子超過預(yù)設(shè)閾值時，判定該窗口內(nèi)的段信號存在異常信號。

14、有益效果為：提供了另外一種判斷信號是否存在異常沖擊的方法，峰值因子能夠有效反映信號中的尖峰成分，適合檢測電機(jī)運(yùn)行中的沖擊性故障（如軸承故障、齒輪故障），無需復(fù)雜的特征提取或模型訓(xùn)練，計(jì)算簡單且易于實(shí)現(xiàn)。

15、可選的，峰值因子為信號峰值與均方根或平均絕對值的比值。

16、有益效果為：均方根是對信號能量的一種度量，能夠反映信號的整體強(qiáng)度，當(dāng)使用峰值與均方根的比值作為峰值因子時，該方法對信號的能量分布更加敏感，適合用于檢測高能量尖峰信號。

17、平均絕對值是對信號幅值絕對值的平均，能夠直接反映信號的幅值特性；使用峰值與平均絕對值的比值作為峰值因子時，也能檢測到尖峰信號，但該方法對信號幅值的變化更為敏感，適合用于檢測低幅值但尖銳的異常信號。

18、可選的，故障聚類簇包含軸承故障簇、轉(zhuǎn)子故障簇和/或齒輪故障簇。

19、有益效果為：細(xì)化故障類型，通過將故障信號進(jìn)一步劃分為軸承故障、轉(zhuǎn)子故障和齒輪故障等類型，能夠更精確地定位故障來源。

20、可選的，特征向量之間的距離為歐式距離、余弦相似性或曼哈頓距離。

21、可選的，所述聚類算法可以為k-means聚類算法或dbscan聚類算法。

22、第二方面，本技術(shù)提供基于數(shù)據(jù)分析的電機(jī)性能檢測系統(tǒng)，采用如下的技術(shù)方案：

23、基于數(shù)據(jù)分析的電機(jī)性能檢測系統(tǒng)，處理器和存儲器，所述存儲器存儲有計(jì)算機(jī)程序指令，當(dāng)所述計(jì)算機(jī)程序指令被所述處理器執(zhí)行時實(shí)現(xiàn)根據(jù)上述的基于數(shù)據(jù)分析的電機(jī)性能檢測方法。

24、有益效果為：將上述的基于數(shù)據(jù)分析的電機(jī)性能檢測方法生成計(jì)算機(jī)程序，并存儲于存儲器中，以被處理器加載并執(zhí)行，從而，根據(jù)存儲器及處理器制作系統(tǒng)，方便使用。

25、本技術(shù)具有以下技術(shù)效果：

26、過窗口對振動信號進(jìn)行分段，并初步篩除出存在可能故障性的段信號，聚焦于可能包含故障或干擾的關(guān)鍵區(qū)域，減少冗余數(shù)據(jù)的影響。結(jié)合聚類算法對段信號進(jìn)行分類，實(shí)現(xiàn)了對正常信號、干擾信號和故障信號的自動區(qū)分，提高了檢測效率。

27、綜合周期強(qiáng)度與頻帶綜合判定干擾信號與故障信號，干擾信號通常表現(xiàn)為高頻噪聲、隨機(jī)波動或周期性但無規(guī)律的信號且頻譜可能覆蓋較寬的頻率范圍，電機(jī)正常運(yùn)行的特征頻率無關(guān)。故障信號具有特定的頻率特征。

28、通過將頻帶與標(biāo)準(zhǔn)頻帶的交集與并集的比值定義為頻帶相似度，將周期強(qiáng)度與頻帶相似度作為特征向量，進(jìn)行聚類?？梢杂行Ы鉀Q頻帶范圍形式與周期強(qiáng)度數(shù)值形式不匹配的問題。通過構(gòu)建特征向量并聚類，能夠區(qū)分不同類型的故障（如軸承故障、轉(zhuǎn)子故障等），為后續(xù)故障診斷提供依據(jù)。