本发明涉及电机监测，具体为一种基于人工智能的电机智能监测系统及方法。
背景技术：
1、随着现代工业技术的不断发展，电机作为动力源，广泛应用于各个领域，电机在运行过程中，由于各种原因可能会出现故障，导致设备性能下降、生产效率降低，甚至可能引发安全事故；
2、现有技术中，缺乏通过芯片的感知能力来监测电机的故障事件的有效机制，使得电机的故障很难得到及时的控制和预判。
技术实现思路
1、本发明的目的在于提供一种基于人工智能的电机智能监测系统及方法，以解决上述背景技术中提出的问题。
2、为了解决上述技术问题，本发明提供如下技术方案：
3、一种基于人工智能的电机智能监测系统，本系统包括：监测日志库模块、测试数据模型模块、评估模块和预判模块；
4、所述监测日志库模块，用于建立监测日志库，分别接入电机端和芯片端，并分别获取电机端的电机运作状态数据，和芯片端的保护机制触发行为数据；
5、所述测试数据模型模块，基于监测日志库，构建测试数据模型，所述测试数据模型用于在电机端和芯片端之间构建数据连接通道，以测试芯片端对电机端发生故障时的故障感知能力；
6、所述评估模块，基于数据连接通道，对故障感知能力进行历史评估；
7、所述预判模块，基于故障感知能力的历史评估结果，对电机端的故障风险进行人工智能预判，并输出预判结果；
8、所述电机运作状态基于电机的转速跨度范围来进行配置，且一个转速跨度范围对应一种电机运作状态，所述转速跨度范围是指电机由一个转速过渡到另一个转速而形成的转速区间范围；初始化k个电机运作状态标签，其中，一个电机运作状态标签对应一种电机运作状态；
9、所述保护机制触发行为数据是指触发保护机制时的条件组，所述条件组中记录有每个电机运作状态下，电机端反馈出的电机运作的参数标校异常度；所述参数标校是指在每个电机运作状态下，芯片端对电机的各个运作性能作出智能调整，所述参数标校异常度是指智能调整的参数与电机使用手册中规定的各个运作性能的标准参数之间的误差度，超出预设的误差度阈值的百分比，其中，当误差度低于预设的误差度阈值时，将参数标校异常度置0。
10、进一步的，所述测试数据模型模块包括数据通道单元和测试单元；
11、所述数据通道单元，用于对每一个电机运作状态标签配置一个电机端接口，则共得到k个电机端接口，将任意一个电机端接口记为，x表示电机运作状态标签的编号，且x≤k；
12、基于芯片端内部的各个保护机制处理单元，构建出w个芯片端接口数据收集簇，其中，一个保护机制处理单元对应一个芯片端接口，则共得到w个芯片端接口，且一个保护机制处理单元构建出一个芯片端接口数据收集簇；将任意一个芯片端接口记为，y表示保护机制处理单元的编号，且y≤w；将芯片端接口对应的芯片端接口数据收集簇记为，其中，表示第a个条件组的标校异常集，a表示条件组的总数量，且，其中，表示第r个运作性能对应的参数标校异常度，r表示运作性能的总数量；
13、则基于电机端接口和芯片端接口，构建数据连接通道，记为；
14、所述测试单元，用于构建标校异常行为图分析模型，所述标校异常行为图为包含r条边的正多边形，且所述正多边形的每条边具备一个运作性能的唯一属性，则所述正多边形的第r条边对应第r个运作性能的唯一属性；以所述正多边形的中心对称点为起点，向每条边作垂直射线，则共得到r条垂直射线，所述垂直射线的长度为边的唯一属性下的运作性能对应的参数标校异常度；按顺序依次连接r条垂直射线的终点，构成测试图，记为rc；
15、将标校异常集对应构成的测试图记为，获取测试图的面积，记为，并将面积作为第a个条件组下，芯片端对电机端发生故障时的故障感知能力。
16、进一步的，所述对故障感知能力进行历史评估包括：
17、在数据连接通道中，基于每个条件组下对应的故障感知能力，评估芯片端对电机端的故障感知稳定性，计算出故障感知稳定值，具体计算公式如下：
18、
19、其中，表示芯片端接口对应的保护机制处理单元，对电机端接口对应的电机运作状态的故障感知稳定值，v表示故障感知稳定性期望值。
20、进一步的，所述对电机端的故障风险进行人工智能预判包括：
21、基于芯片端接口与电机端接口的交互行为，计算人工智能预判值，具体计算公式如下：
22、
23、其中，pv表示人工智能预判值，sv表示故障感知稳定值阈值，if表示判断函数，表示如果故障感知稳定值小于等于故障感知稳定值阈值，则令，否则令。
24、一种基于人工智能的电机智能监测方法，本方法包括以下步骤：
25、建立监测日志库，分别接入电机端和芯片端，并分别获取电机端的电机运作状态数据，和芯片端的保护机制触发行为数据；
26、基于监测日志库，构建测试数据模型，所述测试数据模型用于在电机端和芯片端之间构建数据连接通道，以测试芯片端对电机端发生故障时的故障感知能力；
27、基于数据连接通道，对故障感知能力进行历史评估；
28、基于故障感知能力的历史评估结果，对电机端的故障风险进行人工智能预判，并输出预判结果。
29、进一步的，所述监测日志库的建立过程如下：
30、所述电机运作状态基于电机的转速跨度范围来进行配置，且一个转速跨度范围对应一种电机运作状态，所述转速跨度范围是指电机由一个转速过渡到另一个转速而形成的转速区间范围；初始化k个电机运作状态标签，其中，一个电机运作状态标签对应一种电机运作状态；
31、所述保护机制触发行为数据是指触发保护机制时的条件组，所述条件组中记录有每个电机运作状态下，电机端反馈出的电机运作的参数标校异常度；所述参数标校是指在每个电机运作状态下，芯片端对电机的各个运作性能作出智能调整，所述参数标校异常度是指智能调整的参数与电机使用手册中规定的各个运作性能的标准参数之间的误差度，超出预设的误差度阈值的百分比，其中，当误差度低于预设的误差度阈值时，将参数标校异常度置0。
32、进一步的，所述数据连接通道的构建过程如下：
33、对每一个电机运作状态标签配置一个电机端接口，则共得到k个电机端接口，将任意一个电机端接口记为，x表示电机运作状态标签的编号，且x≤k；
34、基于芯片端内部的各个保护机制处理单元，构建出w个芯片端接口数据收集簇，其中，一个保护机制处理单元对应一个芯片端接口，则共得到w个芯片端接口，且一个保护机制处理单元构建出一个芯片端接口数据收集簇；将任意一个芯片端接口记为，y表示保护机制处理单元的编号，且y≤w；将芯片端接口对应的芯片端接口数据收集簇记为，其中，表示第a个条件组的标校异常集，a表示条件组的总数量，且，其中，表示第r个运作性能对应的参数标校异常度，r表示运作性能的总数量；
35、则基于电机端接口和芯片端接口，构建数据连接通道，记为。
36、进一步的，所述测试芯片端对电机端发生故障时的故障感知能力的具体实施过程包括：
37、构建标校异常行为图分析模型，所述标校异常行为图为包含r条边的正多边形，且所述正多边形的每条边具备一个运作性能的唯一属性，则所述正多边形的第r条边对应第r个运作性能的唯一属性；以所述正多边形的中心对称点为起点，向每条边作垂直射线，则共得到r条垂直射线，所述垂直射线的长度为边的唯一属性下的运作性能对应的参数标校异常度；按顺序依次连接r条垂直射线的终点，构成测试图，记为rc；
38、将标校异常集对应构成的测试图记为，获取测试图的面积，记为，并将面积作为第a个条件组下，芯片端对电机端发生故障时的故障感知能力。
39、根据上述方法，面积越大，表示芯片端对电机端的故障感知能力越弱，因为芯片端往往通过算法控制，来对电机端的运行参数进行调控，当电机端反馈出的电机运作的参数标校异常度过大时，表示芯片端需要更大的控制力度才能作出保护机制的响应，使得保护机制的触发条件精度不够灵敏；
40、进一步的，所述对故障感知能力进行历史评估的具体实施过程包括：
41、在数据连接通道中，基于每个条件组下对应的故障感知能力，评估芯片端对电机端的故障感知稳定性，计算出故障感知稳定值，具体计算公式如下：
42、
43、其中，表示芯片端接口对应的保护机制处理单元，对电机端接口对应的电机运作状态的故障感知稳定值，v表示故障感知稳定性期望值。
44、进一步的，所述对电机端的故障风险进行人工智能预判的具体实施过程包括：
45、基于芯片端接口与电机端接口的交互行为，计算人工智能预判值，具体计算公式如下：
46、
47、其中，pv表示人工智能预判值，sv表示故障感知稳定值阈值，if表示判断函数，表示如果故障感知稳定值小于等于故障感知稳定值阈值，则令，否则令；
48、根据上述方法，面积越小，则芯片端的保护机制的触发精度越灵敏，进而与故障感知稳定性期望值的差距就越小，使得值越大，进而故障感知稳定性越好；而预判值是在芯片端感知电机端故障过程中的稳定性非良好行为的占比概率，概率越大，表示预判越准确。
49、与现有技术相比，本发明所达到的有益效果是：本发明提供的一种基于人工智能的电机智能监测系统及方法中，建立监测日志库，分别接入电机端和芯片端，并分别获取电机端的电机运作状态数据，和芯片端的保护机制触发行为数据；基于监测日志库，构建测试数据模型，所述测试数据模型用于在电机端和芯片端之间构建数据连接通道，以测试芯片端对电机端发生故障时的故障感知能力；基于数据连接通道，对故障感知能力进行历史评估；基于故障感知能力的历史评估结果，对电机端的故障风险进行人工智能预判，并输出预判结果；进而，能够基于芯片内部的保护机制触发行为，来对电机的运作性能进行风险预判，同时，能够自适应感知芯片端对电机端的调控行为，并进行感知能力的评估。
1.一种基于人工智能的电机智能监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的电机智能监测方法，其特征在于，所述监测日志库的建立过程如下：
3.根据权利要求2所述的一种基于人工智能的电机智能监测方法，其特征在于，所述数据连接通道的构建过程如下：
4.根据权利要求3所述的一种基于人工智能的电机智能监测方法，其特征在于，所述测试芯片端对电机端发生故障时的故障感知能力的具体实施过程包括：
5.根据权利要求4所述的一种基于人工智能的电机智能监测方法，其特征在于，所述对故障感知能力进行历史评估的具体实施过程包括：
6.根据权利要求5所述的一种基于人工智能的电机智能监测方法，其特征在于，所述对电机端的故障风险进行人工智能预判的具体实施过程包括：
7.一种基于人工智能的电机智能监测系统，执行如权利要求1-6中任一项所述的一种基于人工智能的电机智能监测方法，其特征在于，所述系统包括：监测日志库模块、测试数据模型模块、评估模块和预判模块；
8.根据权利要求7所述的一种基于人工智能的电机智能监测系统，其特征在于：所述测试数据模型模块包括数据通道单元和测试单元；
9.根据权利要求8所述的一种基于人工智能的电机智能监测系统，其特征在于：所述对故障感知能力进行历史评估包括：
10.根据权利要求9所述的一种基于人工智能的电机智能监测系统，其特征在于：所述对电机端的故障风险进行人工智能预判包括：
