摘要
本发明提供一种电机运行故障预测方法及系统,方法包括:实时采集运行中的振动信号和温度数据;分别从振动信号和温度数据中提取频域特征、统计特征和时间序列特征,组成特征集;获取训练集,训练集包括多个正样本和多个负样本;基于训练集训练故障预测模型,故障预测模型包括支持向量机SVM子模型和长短期记忆网络LSTM子模型;基于训练后的故障预测模型对电机运行故障进行预测。本发明解决现有技术中电机轴承故障预测性维护存在的滞后性、不准确性以及现有方法未能充分结合频域特征与时间序列分析的优势等问题的问题。
技术关键词
电机运行故障
故障预测模型
长短期记忆网络
时间序列特征
频域特征
统计特征
压电式加速度传感器
训练集
温度传感器
信号
样本
数据随时间
无故障
时间序列分析方法
电机轴承故障
振动传感器
数据处理中心
系统为您推荐了相关专利信息
振动加速度信号
组合特征向量
信号频域特征
监测方法
纹理特征
节能控制策略
联动控制设备
管理装置
水资源需求预测
水资源调控
噪声预测模型
预测分析方法
噪声数据
噪声控制策略
声源特征