本发明涉及永磁电机领域，特别涉及基于多通道的车用永磁电机早期故障预警方法。
背景技术：
1、车用永磁电机是各类汽车工程领域中应用非常广泛的动力源之一，但由于其工作环境恶劣且长时间运行，易受到热应力、环境变化、电流偏差及外部负载变化等因素的影响，容易出现局部故障。这些故障如果在发生时不能及时且准确地判断处理，容易导致车辆停运的问题，这不仅影响电机的寿命，也可能对汽车的正常运营造成损失，甚至威胁乘客安全。因此，在早期阶段对车用永磁电机所产生的故障进行准确的预测，并减少非计划性停机是非常关键的，它可以避免重大事故的发生，对提升整个汽车系统的可靠性和安全性至关重要。
2、车用永磁电机的早期故障是指设备在运行过程中，通过传感器等设备进行监测和采集数据对关键参数进行分析，通过检测数据的异常进而在故障发生前预测未来可能出现的故障。早期故障因其具有特征微弱，在复杂情况下容易被强噪声干扰且信噪比低的特点，成为故障诊断领域的难点之一。电机早期故障的发展通常有一个明显的异常突变点，其发展大致可分为几个阶段。在第一阶段也就是异常突变点前，系统的信号表现出相对平稳的变化趋势，仅存在少数微小的波动，这暗示了潜在的初始故障可能正在形成但并未有明显的表征，肉眼上难以通过数据发现故障信息。此阶段的关键在于通过监测和分析这些细微的信号变化，尽早地识别出故障相关信息并对异常突变点进行预测，从而实施预警并采取预防措施，避免故障进一步发展的情况。随着故障的进展，系统会进入第二阶段，此时信号的变化趋势急剧增强，表现为更频繁和显著的波动。这一阶段要求对信号进行密集监测，以捕捉这些快速变化的特征。目标是在故障显现出更严重的物理表征之前，快速准确地进行预警，从而提前实施必要的干预措施，限制或避免潜在的损害。而第三阶段系统可能已经出现显著变化并在运行时有明显的故障相关表现，对系统的正常运行造成了严重干扰，在该阶段需要密切关注极短时间内系统的变化趋势，预测其严重程度并在造成更加严重后果前采取相应措施。通过以上三个阶段的详细监控和数据分析，可以实现对电机故障进程的早期识别和有效管理。这种预警方法不仅提高了故障诊断的前瞻性，也为电机的维护提供了科学依据，从而延长其运行寿命并优化维护计划。
3、传统的早期故障诊断系统对外部专家人工分析数据依赖性较高，大多在振动数据幅值或振动已经发生显著变化时进行报警，无法提前对故障进行预测，并且可利用的数据样本体量较小，容易出现错误报警、漏报警等问题。因此，探索早期故障所具有的特点，对于研究设备早期故障预警的方法和实现设备的智能维护具有重要意义。
技术实现思路
1、本发明意在提供基于多通道的车用永磁电机早期故障预警方法，解决了现有的车用永磁电机早期故障预警方法因数据样本体量较小，容易出现错误报警、漏报警等问题。
2、为了达到上述目的，本发明的技术方案如下：基于多通道的车用永磁电机早期故障预警方法，包括如下步骤：
3、s1、利用部署在车用永磁电机不同位置的多个传感器采集在不同工况下的温度、电压、电流、振动信号，通过滑动时间窗口进行多个通道同时切割，获得多段切片作为数据集；
4、s2、对步骤s1的多个通道进行拼接，提取信号的变化趋势后经过线性投影对特征信息进行初步提取；
5、s3、对序列进行内外部位置编码和异常编码结合的特殊位置编码，将时序信息和异常位置附近敏感的信息注入序列中；
6、s4、将编码后的序列输入特殊设计的异常得分transformer编码器，将异常突变信息转化为异常得分注入注意力机制中，提取永磁电机全局状态；
7、s5、将步骤s4中提取的永磁电机全局状态特征输入到异常敏感门控lstm模型as-lstm中，通过对异常突变敏感的门控机制捕捉短期序列依赖关系并进行记忆，自适应预测范围和记忆长度为永磁电机未来时刻状态进行预测；
8、s6、建立具有多阈值的适配机制，结合异常突变点和预测结果变化设计可学习的动态故障等级划分阈值和对应的预警风险评估指标；
9、s7、训练模型并保存，输入实时采集的信号进行早期故障预测。
10、进一步的，步骤s3中，对序列进行特殊位置编码的具体方法为：
11、设计针对序列时序信息的内外部位置编码和对异常突变发生敏感的位置编码，内部编码pie针对切片内部时序信息，外部位置编码poe针对切片间的顺序信息：
12、pie∈rn×d，poe∈rn×d
13、poe＝broadcast(pe)，pe∈rn×1
14、其中n为每个切片的长度，d为每个切片嵌入的投影的维度，
15、异常编码pae则可以调整永磁电机在异常突变发生附近响应的敏感度，基于序贯累计得分确定异常位置ic后设计在异常位置附近敏感的位置编码：
16、
17、其中，和为正向和反向累计和，hd为设定的异常阈值，取hd＝3·σ，σ是序列的标准差，
18、最终将两种编码结合注入到序列xd中
19、pe＝pae+poe+pie
20、xe＝[xd+pe]。
21、进一步的，步骤s4经过异常得分transformer编码器得到永磁电机全局状态特征的具体方法为：
22、引入一个异常得分矩阵在设计的多头异常得分自注意力机制中，平衡内外部位置编码和异常位置编码在注意力机制中的贡献，实现永磁电机能够根据异常发生动态调整注意力关注程度：
23、
24、ah＝δ(pie+poe)+θpae
25、其中attentionh为多头自注意力机制，qh、kh、vh为与头数h匹配的多组查询矩阵、键矩阵、值矩阵，δ、θ为平衡异常得分矩阵内部组成贡献的可学习参数。
26、进一步的，步骤s5利用异常敏感门控lstm模型实现动态范围预测的具体方法为：
27、设计具有异常敏感门控机制的lstm模型，其中遗忘门和输入门的门控机制为：
28、ft＝sigmoid(wfxt+ufht-1+vλλt+bf)
29、it＝sigmoid(wixt+uiht-1+vωωt+bi)
30、其中vω和vλ是针对动态调整参数的动态学习矩阵，ωt和λt为引入的动态预测窗口和记忆参数：
31、ωt＝fω(pe)＝leakyrelu(αωpe+bω)
32、λt＝fλ(pe)＝leakyrelu(αλpe+bλ)
33、其中，pe为具有全部位置信息的位置编码参数，αω、αλ为可学习的权重参数，bλ、bω为对应的偏置项目。
34、进一步的，步骤s6中确定预警故障程度划分等级具体方法为：
35、根据异常突变点的发生位置和动态预测结果设定ζ1和ζ2为二级预警和三级预警的阈值并定义预警级别：
36、
37、
38、
39、其中，和是对于预测值的序贯正向、负向累计和，为异常突变发生位置的对应预测值，μh为待检测时刻前所有数据的平均值，ρ为可学习的敏感参数，调节了预警系统对异常信号变化的响应速度，取λζ＝3σh，σh为待检测时刻前所有数据的标准值。
40、与现有技术相比，本方案的有益效果：
41、本方案通过对多通道采集的数据进行特征提取和预测，旨在实现车用永磁电机早期故障预警。特征提取过程保留了每个通道的关键信息，使得永磁电机能够利用多通道数据的丰富性，并结合内外部位置编码和异常位置编码引入时序信息和异常突变信息，将这些特征应用于后续的全局特征提取。改进的异常得分transformer编码器(adet)凭借多头异常得分自注意力机制，能够捕捉信号长距离的依赖关系，进而提取永磁电机当前的全局状态特征。而异常敏感门控lstm模型则擅长处理信号的短期顺序依赖关系，因此两者结合可为永磁电机的下一个时刻提供合理的预测，为早期故障预警提供了可靠依据。为了对预测结果进行定性判断，引入多阈值适配机制基于异常突变位置等信息为评估故障设置动态阈值，得到预警风险等级实现车用永磁电机早期故障的预测进而用于决策。该机制基于异常突变等信息能够动态划分阈值判断出不同程度的故障等级。这一过程有助于在早期识别潜在故障，并为采取相应的预防措施提供指导。通过以上方法，永磁电机实现了从多通道数据到早期故障预警的完整流程，为车用永磁电机使用领域提供了有效的故障检测和预警手段。
1.基于多通道的车用永磁电机早期故障预警方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于多通道的车用永磁电机早期故障预警方法，其特征在于：步骤s3中，对序列进行特殊位置编码的具体方法为：
3.根据权利要求1所述的基于多通道的车用永磁电机早期故障预警方法，其特征在于：步骤s4经过异常得分transformer编码器得到永磁电机全局状态特征的具体方法为：
4.根据权利要求1所述的基于多通道的车用永磁电机早期故障预警方法，其特征在于：步骤s5利用异常敏感门控lstm模型实现动态范围预测的具体方法为：
5.根据权利要求1所述的基于多通道的车用永磁电机早期故障预警方法，其特征在于：步骤s6中确定预警故障程度划分等级具体方法为：
