(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 202111582144.9 (22)申请日 2021.12.2 2 (71)申请人 中译语通科技 （青岛） 有限公司 地址 266000 山东省青岛市高新区广盛路 69号西楼二、 三、 四层及北楼 三层部分 区域 (72)发明人 周喜　张慧　宫鹏飞　 (74)专利代理 机构 北京和联顺知识产权代理有 限公司 1 1621 专利代理师 卢太龙 (51)Int.Cl. G06F 30/27(2020.01) G01R 31/34(2006.01) (54)发明名称 一种用于 变频器电机的故障诊断方法 (57)摘要 本发明公开了一种用于变频器电机的故障 诊断方法， 该方法包括如下步骤： 步骤一， 对采集 的数据进行清洗和预处理； 步骤二， 对数据进行 筛选； 步骤三， 预测模型构建； 步骤四， 对模型进 行评估； 步骤五， 避免模 型过拟合。 本发 明的有益 效果是， 可以实现变频器电机故障实时报警的效 果。 权利要求书2页 说明书9页 附图3页 CN 114492158 A 2022.05.13 CN 114492158 A 1.一种用于变频器电机的故障诊断方法， 其特 征在于， 该 方法包括如下步骤： 步骤一， 对采集的数据进行清洗和预处理； 采集数据并建立数据集， 在数据清洗前， 要 对数据集进行探索性分析以了解数据的情况， 将数据集中的影响因素作为自变量， 变频器 输出频率或变频器输出功率作为因变量， 了解影响因素间的相互关系以及影响因素与变频 器输出电流和变频器输出功率之间的关系； 步骤二， 对数据进行筛选； 筛选与变频器输出电流或变频器输出功率相关性较强的因 素和与变频器输出电流或变频器输出功 率相关性较高的因素， 将其作为影响变频器输出电 流或变频器输出功率的关键影响维度； 在模型 的构建中， 去除对变频器输出电流或变频器 输出功率相关性 不高的变化因素， 去除影响因素之间强相关的因素并保留其 一； 步骤三， 预测模型构建； 使用线性回归、 树模型、 支持向量回归和神经网络分别建立模 型， 挑选其中最优的模型； 所述挑选模型的方法为： 将数据集分为2部分， 将70％的数据用于模型训练， 其余30％ 用于测试训练结果； 通过K折交叉验证和网格搜索的寻找最优的超参数； K折交叉验证将样 本集分为K份， 其中K ‑1份作为训练数据集， 而另外的1份作为验证数据集， 用验证集来验证 模型的输出结果， 挑选的最有模型为支持向量回归模型， 该模型的表示式为： f(x)＝a1*x 12 +a2*x22+a3*x1*x2+a4*x1+a5*x2+C， 其中其中f(x)代表变频器电流值， ax代表各项系数， x1 代表电机频率， x2 代表母线电压， C代 表常数项； 步骤四， 对模型进行评估； 采用决定系数R2、 平均绝对误差MAE、 均方误差MSE、 均方根误 差RMSE、 平均绝对 百分比误差MAPE作为评估指标， 通过评估最 终确定支持向量回归模型(多 项式核)作为 最终模型使用； 步骤五， 避免模型过拟合； 如果模型在训练集上误差非常低， 在一个全新的测试集上, 模型的误差又非常大， 那么模型很可能会过拟合， 这样的模型泛化能力很差， 最终导致模型 无法投入实际生产使用； 产生过拟合有两种原因： a)训练集和测试集特征分布 不一致； b)模 型过于复杂， 拟合了所有变化特 征； 对于a)在数据集 不变的情况 下， 通过前面所述的K折交叉验证能够最大限度的解决； 对于b)解决方法通常有如下 方式： 方式一， 正则化方式， 这个方法将取决于使用的模型类型； 例如， 在树模型中可以修剪 树， 在神经网络上使用dropout， 在回归中向目标函数 添加惩罚参数； 方式二， 及时终止学习； 当模型迭代至一定次数之前， 新的迭代会不断改进模型； 但是 之后， 模型 的泛化能力会随着训练数据开始过拟合而减弱； 在迭代到一定次数后强行终止 模型学习； 方式三， 使用集成方法， 将多个不同模型的预测 组合在一起， 共 同完成预测任务； 常见 的集成方法有： Bagging和Boosting； Bagging使用复杂的基础模型， Bagging代表算法有随 机森林； 而Bo osting使用简单的基础模型； Bo osting代表算法有Adabo ost、 Xgbo ost。 2.根据权利要求1所述的一种用于变频器电机的故障诊断方法， 其特征在于， 所述步骤 一中数据集的数据包括变频器输出转矩、 变频器母线电压、 变频器输出电压 。 3.根据权利要求1所述的一种用于变频器电机的故障诊断方法， 其特征在于， 所述步骤 三中最优模型选择树类模型， 树类模型 的可解释性与对模型特征 的筛选作用， 使得其在解 释特征在模型中的重要性与工业优化方面更有优势。权　利　要　求　书 1/2 页 2 CN 114492158 A 24.根据权利要求3所述的一种用于变频器电机的故障诊断方法， 其特征在于， 所述步骤 三中挑选过程需要循环K次， 直到所有K份数据全部被选择一遍为止； 对于小数据集增大K 值， 对于大 数据集减小K值。 5.根据权利要求4所述的一种用于变频器电机的故障诊断方法， 其特征在于， 所述步骤 三中挑选过程可结合网络搜索， 网格搜索是一种 执行超参数优化的方法， 网格搜索需要结 合K折交叉验证一 起使用。权　利　要　求　书 2/2 页 3 CN 114492158 A 3