(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111523984.8 (22)申请日 2021.12.14 (71)申请人 中国铁道科 学研究院集团有限公司 地址 100081 北京市海淀区大柳树路2号 申请人 北京纵横机电科技有限公司 　 中国铁道科 学研究院集团有限公司 机车车辆研究所　 铁科纵横(天津)科技发展 有限公司 (72)发明人 许文中　李玉山　殷振环　马颖涛　 刘直　杨雪松　王赛　赵雷廷　 唐蕾　杜玉亮　张波　杨伟君　 赵红卫　曹宏发　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 代理人 周永君　崔博(51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/10(2020.01) (54)发明名称 电机系统的故障诊断方法及装置 (57)摘要 本发明提供一种电机系统的故障诊断方法 及装置， 该电机系统的故障诊断方法包括： 采集 待观测电机系统的实际特征数据； 根据所述实际 特征数据及预先建立的电机系统故障诊断模型， 得到所述实际特征数据对应的电机系统故障类 型； 所述电机系统故障诊断模型是基于待观测电 机系统对应的电机驱动系统联合仿真模型生成 的特征数据训练得到的， 所述特征数据与预设故 障类型对应。 本申请利用深度神经网络实现对电 机系统故障的诊断， 具备 实时性好、 成本低、 操作 简便及故障诊断准确率高等优势。 本申请利用仿 真软件进行电机驱动系统建模及利用强化学习 对深度神经网络进行训练， 解决了现有的模型训 练中难以获取大量可靠的可分析的各类型故障 数据的难题。 权利要求书3页 说明书12页 附图8页 CN 114239351 A 2022.03.25 CN 114239351 A 1.一种电机系统的故障诊断方法， 其特 征在于， 包括： 采集待观测电机系统的实际特 征数据； 根据所述实际特征数据及预先建立的电机系统故障诊断模型， 得到所述实际特征数据 对应的电机系统故障类型； 其中， 所述电机系统故障诊断模型是基于待观测电机系统对应的电机驱动系统联合仿 真模型生成的特 征数据训练得到的， 所述特 征数据与预设故障类型对应。 2.根据权利要求1所述的电机系统的故障诊断方法， 其特 征在于， 还 包括： 根据待观测电机系统的额定参数建立电机驱动系统联合仿真模型； 根据预设故障类型及所述电机驱动系统联合仿真模型， 得到所述预设故障类型对应的 特征数据； 使用所述特 征数据对深度神经网络模型进行训练， 得到所述电机系统故障诊断模型。 3.根据权利要求2所述的电机系统 的故障诊断方法， 其特征在于， 所述待观测电机系统 包括电机本体及驱动系统， 所述根据待观测电机系统的额定参数建立电机驱动系统联合仿 真模型， 包括： 将所述待观测电机系统中电机本体的额定参数输入有限元仿真软件， 得到电机本体对 应的电机有限元仿真模型； 根据所述待观测电机系统中驱动系统的额定参数建立电机驱动控制算法模型； 将所述电机有限元仿真模型以及所述电机驱动控制算法模型进行组合， 得到所述电机 驱动系统联合仿真模型。 4.根据权利要求3所述的电机系统 的故障诊断方法， 其特征在于， 所述预设故障类型包 括驱动系统故障； 所述根据 预设故障类型及所述电机驱动系统联合仿真模型， 得到所述预设故障类型对 应的特征数据， 包括： 将所述驱动系统故障输入所述电机驱动系统联合仿真模型中的电机驱动控制算法模 型， 以使所述电机驱动系统联合仿真模型输出 所述驱动系统故障对应的特 征数据。 5.根据权利要求3所述的电机系统 的故障诊断方法， 其特征在于， 所述预设故障类型包 括电机本体故障； 所述根据 预设故障类型及所述电机驱动系统联合仿真模型， 得到所述预设故障类型对 应的特征数据， 包括： 将所述电机本体故障输入所述电机驱动系统联合仿真模型中的电机有限元仿真模型， 以使所述电机驱动系统联合仿真模型输出 所述电机 本体故障对应的特 征数据。 6.根据权利要求4所述的电机系统 的故障诊断方法， 其特征在于， 所述将所述驱动系统 故障输入所述电机驱动系统联合仿真模型中的电机驱动控制算法模型时， 还 包括： 将第一噪声以及所述驱动系统故障一并输入所述电机驱动系统联合仿真模型中的电 机驱动控制算法模型， 得到所述驱动系统故障对应的特 征数据。 7.根据权利要求5所述的电机系统 的故障诊断方法， 其特征在于， 所述将所述电机本体 故障输入所述电机驱动系统联合仿真模型中的电机有限元仿真模型， 还 包括： 将第二噪声以及所述电机本体故障一并输入所述电机驱动系统联合仿真模型中的电 机有限元仿真模型， 得到所述电机 本体故障对应的特 征数据。权　利　要　求　书 1/3 页 2 CN 114239351 A 28.根据权利要求2所述的电机系统 的故障诊断方法， 其特征在于， 所述使用所述特征数 据对深度神经网络模型进行训练， 包括： 步骤1： 将所述特 征数据输入预 先构建的第一深度神经网络模型， 得到第一故障类型； 步骤2： 根据预先建立的奖惩机制对比所述第一故障类型与所述特征数据对应的预设 故障类型， 并根据对比结果指导使用强化学习算法训练所述第一深度神经网络模型； 若所述第一深度神经网络模型不收敛， 更新所述第一深度神经网络模型， 迭代执行步 骤1至步骤2， 直至所述第一深度神经网络模型收敛。 9.根据权利要求8所述的电机系统的故障诊断方法， 其特 征在于， 还 包括： 建立与所述第一深度神经网络模型 结构相同的第二深度神经网络模型； 提取训练好的所述第 一深度神经网络模型的参数， 并将所述参数赋值给所述第 二深度 神经网络模型， 得到所述电机系统故障诊断模型。 10.一种电机系统的故障诊断装置， 其特 征在于， 包括： 特征数据采集模块， 用于采集待观测电机系统的实际特 征数据； 电机系统故障类型确定模块， 用于根据所述实际特征数据及预先建立的电机系统故障 诊断模型， 得到所述实际特 征数据对应的电机系统故障类型； 其中， 所述电机系统故障诊断模型是基于待观测电机系统对应的电机驱动系统联合仿 真模型生成的特 征数据训练得到的， 所述特 征数据与预设故障类型对应。 11.根据权利要求10所述的电机系统的故障诊断装置， 其特 征在于， 还 包括： 联合仿真模型建立模块， 用于根据待观测电机系统 的额定参数建立电机驱动系统联合 仿真模型； 特征数据获取模块， 用于根据预设故障类型及所述电机驱动系统联合仿真模型， 得到 所述预设故障类型对应的特 征数据； 电机系统故障诊断模型训练模块， 用于使用所述特征数据对深度神经网络模型进行训 练， 得到所述电机系统故障诊断模型。 12.根据权利要求11所述的电机系统的故障诊断装置， 其特征在于， 所述待观测电机系 统包括电机 本体及驱动系统， 所述联合仿真模型建立模块包括： 有限元仿真模型建立单元， 用于将所述待观测电机系统中电机本体的额定参数输入有 限元仿真软件， 得到电机 本体对应的电机有限元仿真模型； 电机驱动控制算法模型建立单元， 用于根据 所述待观测电机系统中驱动系统的额定参 数建立电机驱动控制算法模型； 模型组合单元， 用于将所述电机有限元仿真模型以及所述电机驱动控制算法模型进行 组合， 得到所述电机驱动系统联合仿真模型。 13.根据权利要求12所述的电机系统的故障诊断装置， 其特征在于， 所述预设故障类型 包括电机 本体故障及驱动系统故障； 所述特征数据获取模块包括： 驱动系统故障注入单元， 用于将所述驱动系统故障输入所述电机驱动系统联合仿真模 型中的电机驱动控制算法模型， 以使 所述电机驱动系统联合仿 真模型输出所述驱动系统故 障对应的特 征数据； 电机本体故障注入单元， 用于将所述电机本体故障输入所述电机驱动系统联合仿真模权　利　要　求　书 2/3 页 3 CN 114239351 A 3