(19)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 202211100765.3 (22)申请日 2022.09.09 (71)申请人 江苏科力机电科技有限公司 地址 226500 江苏省南 通市如皋市白蒲 镇 前进社区16组 (72)发明人 倪洁　 (74)专利代理 机构 北京汇信合知识产权代理有 限公司 1 1335 专利代理师 金星 (51)Int.Cl. G01R 31/34(2006.01) G01D 21/02(2006.01) (54)发明名称 一种AI技术在特种电机故障检测中的应用 (57)摘要 本发明涉及一种AI技术在特种电机故障检 测中的应用， 构建一AI系统； s1： 采用数据流的模 式， 获取特种电机的监测数据， 包括运行温度、 磁 场数据、 振动数据； s2： 对获取的监测数据进行特 征提取， 生成点阵图数据， 对点阵图数据进行整 合分析成基于的运行时间点的点阵图形和基于 特种电机运行阈值的点阵图形； s3： 对运行时间 点的点阵图形与点阵图训练模型进行AI图像识 别， 构建AI异常判断模型， 判定特种电机是否为 异常故障； s4： 对特种电机运行阈值的点阵图形 与点阵图训练模型进行AI图像识别， 构建AI故障 判断模型， 判定特种电机是否为 运行故障。 权利要求书1页 说明书2页 CN 115421038 A 2022.12.02 CN 115421038 A 1.一种AI技术在特种电机故障检测中的应用， 构建一AI系统； 其特征在于， 所述AI系统 包括检测终端、 服务端， 所述检测终端包括温度获取模块、 磁场参数获取模块、 振动参数获 取模块， 温度获取模块用于获取电机的运行温度， 磁场参数获取模块用于获取电机的磁场 数据， 振动参数获取模块， 用于获取电机的振动数据； s1： 采用数据流的模式， 获取特种电机的监测数据， 包括运行温度、 磁场数据、 振动数 据； s2： 对获取的监测数据进行特征提取， 生成点阵图数据， 对点阵图数据进行整合分析成 基于的运行时间点的点阵 图形和基于特种电机运行阈值的点阵 图形； s3： 对运行时间点的点 阵图形与点 阵图训练模型进行AI 图像识别， 构建AI异常判断模 型， 判定特种电机是否为异常故障； s4： 对特种电机运行阈值的点 阵图形与点阵图训练模型进行AI 图像识别， 构建AI故障 判断模型， 判定特种电机是否为 运行故障。 2.根据权利要求1所述一种AI技术在特种电机故障检测中的应用， 其特征在于， 在s3 中， 未检测到监测数据， 即判定为异常故障， 反 之则判定为设备正常。 3.根据权利要求1所述的一种AI技术在特种电机故障检测中的应用， 其特征在于， 在s4 中， 预设置温度变化最大值  ,预设预设磁场参数阈值、 预设振动参数阈值在第一时间段内 获取温度值集合， 提取第一时间段内的最高温和最低 温并计算两者差的绝对值， 得出第一 温度变化值， 并将所述第一 温度变化值与所述 温度变化最大值比较， 获得比较结果， 当第一 温度变化值大于所述温度变化最大值时， 结合所述第一时间段内获取磁场参数和所述振动 参数， 并判断两者是否有至少一个超过阈值若有超过阈值， 则判定特种电机运行故障， 若均 没有超过阈值， 则判定特种电机正常。权　利　要　求　书 1/1 页 2 CN 115421038 A 2一种AI技术在特种电机故障检测中的应用 技术领域 [0001]本发明涉及特种电机， 具体涉及一种AI 技术在特种电机故障检测中的应用。 背景技术 [0002]随着中小型电机中产品结构的调整和优化， 特种专用电机将成为电机行业发展的   重点， 其市场需求及发展速度将在本行业中处于领先地位。 特种电机是为了满足各类机械   设备对其拖动电机性能要求的不同， 而专门针对某一类型的机械设备特殊需要而单独设 计、 制造的特殊专用电机。  对于特种电机的故障判断， 在现有技术中大多数电机的故障判 断依然传统， 绝大部 分是通过人工定时检修来 实现， 这种方法过于依赖检测人员的经验， 对 人员的技 术要求极高， 当电机突然发生故障时， 也难以保证技 术人员能够 及时发现。 发明内容 [0003]为解决上述问题， 本发明提出了一种AI 技术在特种电机故障检测中的应用。 [0004]本发明的技 术方案： 一种AI技术在特种电机 故障检测中的应用， 构建一AI系统； 其特征在 于， 所述AI系 统包括检测终端、 服务端， 所述检测终端包括温度获取模块、 磁场参数获取模块、 振动参数 获取模块， 温度获取模块用于获取电机的运行温度， 磁场参数获取模块用于获取电机的磁 场数据， 振动参数获取模块， 用于获取电机的振动数据； s1： 采用数据流的模式， 获取特种电机的监测数据， 包括运行温度、 磁场数据、 振动 数据； s2： 对获取的监测数据进行特征提取， 生成点阵图数据， 对点阵图数据进行整合分 析成基于的运行时间点的点阵 图形和基于特种电机运行阈值的点阵 图形； s3： 对运行时间点 的点阵图形与点阵图训练模型进行AI图像识别， 构建AI异常判 断模型， 判定特种电机是否为异常故障； s4： 对特种电机运行阈值 的点阵图形与点阵图训练模型进行AI图像识别， 构建AI 故障判断模型， 判定特种电机是否为 运行故障。 [0005]在s3中， 未检测到监测数据， 即判定为异常故障， 反 之则判定为设备正常。 [0006]在s4中， 预设置温度变化最大值  ,预设预设磁场参数阈值、 预设振动参数阈值在 第一时间段内获取温度值集合， 提取第一时间段内的最高温和最低温并计算两者差的绝对 值， 得出第一温度变化值， 并将所述第一温度变化值与所述温度变化最大值比较， 获得比较 结果， 当第一温度变化值大于所述温度变化最大值时， 结合所述第一时间段内获取磁场参 数和所述振动参数， 并判断两者是否有至少一个超过阈值若有超过阈值， 则判定特种电机 运行故障， 若均没有超过阈值， 则判定特种电机正常。 [0007]本发明设计合理， 构思巧妙， 具备如下有益效果， 运用AI技术， 通过AI建模实施监 控特种电机的运行状态， 有利于及时发现和消除设备隐患而影响设备安全稳定运行的技术 需求； 增加磁场数据、 振动数据作为辅助判定参数， 有效减少由于瞬时高温或环境温度影响说　明　书 1/2 页 3 CN 115421038 A 3