(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 202111668865.1 (22)申请日 2021.12.31 (71)申请人 湖南大学 地址 410082 湖南省长 沙市岳麓区麓山 南 路2号 (72)发明人 张晓飞　谢金平　宋殿义　黄凤琴　 龙卓　周俊鸿　彭鑫　 (74)专利代理 机构 长沙市融智专利事务所(普 通合伙) 43114 代理人 姚瑶 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G01R 31/34(2006.01) (54)发明名称 一种基于视觉图像的永磁驱动电机退磁故 障诊断模型构建方法及故障诊断方法和系统 (57)摘要 本发明公开了一种基于视觉图像的永磁驱 动电机退磁故障诊断模型构建方法及故障诊断 方法和系统， 其中， 本发明所述方法将电机表面 漏磁信号作为故障诊断的原始信号， 并将其转换 为二维傅里叶频谱图， 进而提取全局特征和局部 特征并进行融合。 最后利用融合后的特征构建分 类器， 尤其是优选softmax分类器进行 故障诊断。 本发明采用二维傅里叶变换将一维时域信号转 换为频谱图， 展现了时域信号中隐藏的有效故障 特征； 并通自编码器方法提取图像的视觉特征提 升了特征的有效性， 采用结构简单计算量少的 softmax分类器进行故障诊断， 有效地解决了电 动汽车用永磁驱动电机退磁故障诊断难题。 权利要求书2页 说明书9页 附图3页 CN 114282580 A 2022.04.05 CN 114282580 A 1.一种基于视觉图像的永磁驱动电机退磁故障诊断模型构建方法， 其特征在于： 包括： 信号采集、 对采集的信号进行二维图像转换、 提取二 维图像的全局特征和局部特征并融合、 利用融合特 征构建故障诊断分类 器， 具体如下： 步骤1： 采集故障电机在各类故障下的漏磁信号， 所述漏磁信号 为一维时域信号； 步骤2： 将所述漏磁信号 转换为二维傅里叶频谱图； 步骤3： 提取 所述二维傅里叶频谱图的全局特 征和局部特征， 并进行 特征融合； 步骤4： 将融合后的特征作为故障诊断分类器的输入， 故障类型作为故障诊断分类器的 输出， 利用已知故障类型的各类故障的融合特 征进行网络训练得到故障诊断分类 器； 所述分类 器应用于永磁同步电机的退磁故障诊断。 2.根据权利要求1所述的方法， 其特征在于： 步骤3中分别采用自编码器和尺度不变特 征转换提取 所述二维傅里叶频谱图的全局特 征和局部特征。 3.根据权利要求2所述的方法， 其特征在于： 采用尺度不变特征转换提取所述二维傅里 叶频谱图的局部特 征时， 是在不同的尺度空间上查找特 征点； 其中， 图像的尺度空间L(x,y, σ )为模糊高斯与二维傅里叶频谱图的卷积， 表示 为： L(x,y， σ )＝G(x,y, σ )*I(x,y) 所述特征点表示 为： D(x,y, σ )＝(G(x,y,kσ ) ‑G(x,y, σ ) )*I(x,y) 式中， D(x,y, σ )为二维傅里叶频谱图上的元素I(x,y)对应的特征点， G(x,y, σ )为二维 傅里叶频谱图上的元 素I(x,y)的高斯模糊表示， k 为计算常数， σ 正态分布的标准差； 每一个特 征点分配一个 基准方向， 所述基准方向表示 为： θ(x,y)＝tan‑1((L(x,y+1) ‑L(x,y+1) )/(L(x+1,y) ‑L(x‑1,y))) 式中， θ(x,y)表示基准方向， 函数L()表示尺度空间值。 4.根据权利要求1所述的方法， 其特征在于： 步骤2中将所述漏磁信号转换为二维傅里 叶频谱图时， 先从所述漏磁信号中取大于数据采集时电机运行的2倍的N ×N点构成二维矩 阵f(x,y)， 然后通过二维傅里叶变换转换为二维频谱图H(v,p)， v和p分别是图像二维频谱 图中频域 坐标的横轴和纵轴坐标； 其中， 二维傅里叶转换公式为： 其中， 将频率原点平 移到中心， 平 移公式为： 5.根据权利 要求1所述的方法， 其特征在于： 所述故障诊断分类器为softmax分类器， 将 融合后的特征输入所述softmax分类器得到归类概率值， 各类故障的归类概率值之和为1， 所述归类概 率值表示为： 其中， yi表示sofmax神经网络分类 器输入， n表示 其维数， e为自然底数。权　利　要　求　书 1/2 页 2 CN 114282580 A 26.一种基于权利要求1 ‑5任一项模型构建方法的永磁驱动电机退磁故障诊断方法， 其 特征在于： 包括： 故障诊断分类器的构建以及基于所述 故障诊断分类器的故障诊断， 具体如 下： S1： 采集故障电机在各类故障下的漏磁信号， 所述漏磁信号 为一维时域信号； S2： 将所述漏磁信号 转换为二维傅里叶频谱图； S3： 提取所述二维傅里叶频谱图的全局特 征和局部特征， 并进行 特征融合； S4： 将融合后的特征作为故障诊断分类器的输入， 故障类型作为故障诊断分类器的输 出， 利用已知故障类型的各类故障的融合特 征进行网络训练得到故障诊断分类 器； S5： 获取待诊断的永磁同步电机的漏磁信号， 并按照步骤S2 ‑S3的方式进行特征提取和 融合， 将融合后的特 征输入故障诊断分类 器， 得到故障诊断结果。 7.一种基于权利要求1所述的永磁驱动电机退磁故障诊断模型构建方法或权利要求6 所述的永磁驱动电机退磁故障诊断方法的系统， 其特 征在于： 包括： 信号采集模块， 用于采集/获取故障电机在各类故障下的漏磁信号， 所述漏磁信号为一 维时域信号； 图像转换模块， 用于将所述漏磁信号 转换为二维傅里叶频谱图； 特征提取模块， 用于提取 所述二维傅里叶频谱图的全局特 征和局部特征； 特征融合模块， 用于将全局特 征和局部特征进行特征融合； 故障诊断分类器构建模块， 用于将融合后的特征作为故障诊断分类器的输入， 故障类 型作为故障诊断分类器的输出， 利用已知故障类型的各类故障的融合特征进 行网络训练得 到故障诊断分类 器； 诊断模块， 用于利用故障诊断分类器以及待诊断的永磁同步电机对应的融合特征进行 故障诊断得到故障诊断结果。 8.一种电子终端， 其特征在于， 包括相互连接的处理器和存储器， 所述处理器被编程或 配置以执行权利要求1所述的永磁同步电机退磁故障诊断模型构建方法或权利要求6所述 的永磁同步电机退磁故障诊断方法的步骤。 9.一种基于权利要求1所述的永磁驱动电机退磁故障诊断模型构建方法或权利要求6 所述的永磁驱动电机退磁故障诊断方法的系统， 其特征在于： 所述系统为电动车系统， 包 括： 整车监控系统、 can通讯、 汽车驱动控制系统、 磁通传感器、 驱动电机； 其中， 所述驱动电 机为永磁驱动电机， 所述整 车监控系统通过can通讯下发控制指 令给汽车驱动控制系统， 所 述汽车驱动控制系统控制驱动电机从而 使得电动汽车运行； 其中， 所述磁通传感器测量驱动电机表面的漏磁信号， 并将信号传输至汽车驱动控制 系统， 所述汽车驱动控制系统内载入或调用权利要求 1所述方法生成的故障诊断分类器， 进 而利用故障诊断分类器以及待诊断的永磁同步电机对应的融合特征进行故障诊断得到故 障诊断结果。 10.一种可读存储介质， 其特征在于： 所述可读存储介质中存储有被编 程或配置以执行 权利要求 1所述的一种永磁同步电机退磁故障诊断模型构建方法的计算机程序或权利要求 6所述的一种永磁同步电机退磁故障诊断方法的计算机程序。权　利　要　求　书 2/2 页 3 CN 114282580 A 3