|
定子绕组匝间短路是电励磁双凸极电机常见的故障，当匝间短路故障匝数较少时，对电机磁场的影响较小，使得难以通过单一故障特征量精确地识别故障。上海电力大学电气工程学院新能源电力系统与智能配用电研究团队通过分析该电机的本体结构和故障特征的提取机理，提出了一种基于振动和相电流信号的多源机电信号融合的电励磁双凸极电机短路故障综合诊断方法——基于多分类支持向量机及改进卷积神经网络的信号融合故障诊断。 该方法首先分别利用两种算法计算两个单信号特征下的故障诊断概率，再利用D-S证据理论，得出融合后的诊断结果；最后通过样机实验表明所提出的诊断方法可以更有效地识别该电机的不同短路故障，降低了误判率，解决了单一信号源诊断方法精度较低的问题，具有良好的可靠性和互补性。
电励磁双凸极电机（doubly salient electro-magnetic machine, DSEM）是一种典型的磁阻电机，其结构简单，可靠性高，常用于航空领域。但其运行环境较为恶劣，振动强，温度变化较大，且定子槽面积较小，槽满率较高；根据现场经验来看，绕组之间有一定概率因为摩擦或装配而导致匝间短路故障发生。若不能在故障早期检测出故障状态，将对整个电机系统造成巨大威胁。作为航空电力系统中重要的电能转换设备，甚至影响整个飞机的飞行安全。目前大部分诊断方法都使用了先进的智能学习算法，但大都基于单一的故障特征量进行诊断，单一信号源容易受到不确定因素干扰，例如传感器故障以及不确定的环境因素等，影响检测精度。本文设计的多源信号融合故障诊断方法可以将两个单信号故障诊断量进行优势互补，大大提高故障诊断准确率，具有良好的准确性和鲁棒性。
建立了分布励磁DSEM的数学模型，分析了电流和振动信号在健康和故障状态下的变化情况。研究表明，当DSEM发生匝间短路故障时，故障使得电流四相幅值大小不等，导致电机的转矩产生4k次以外的转矩谐波，转矩的变化会直接引起振动的变化。因此，四相电流幅值和电机振动信号将被用作故障诊断特征量。2.基于SVM及改进CNN的机电信号融合故障诊断方法
本文在回顾和总结前人工作的基础上，结合了多分类支持向量机（support vector machine，SVM）以及改进卷积神经网络（convolution neural network，CNN），构建了一个基于机电信号融合的故障诊断网络。整个诊断方法分为SVM和CNN两个部分，SVM用于处理电流信号，CNN用于识别振动信号。在下半部分中，电机电流时域信号被采集后经过快速傅里叶变换转化为频域信号，接着电流基频幅值被送入SVM进行模型分类训练，然后将测试集送入模型中，输出诊断结果。同时，在上半部分CNN中，电机的振动信号被分为训练集和测试集，将训练集送入初始化的三层CNN中，经过卷积层、池化层、和全连接层后，利用反向传播，不断的调整网络训练的权重参数，使得损失函数达到最小，然后利用循环网络逐步减小dropout的大小直到达到最优的训练模型，最后将输出模型用于测试，并输出诊断结果。该方法结合了两种先进诊断方法的优势，其各自的诊断结果最后通过D-S证据理论进行融合计算，使得诊断准确率进一步提升。为了验证本文所提出的融合故障诊断方法的有效性，在实验室的DSEM测试平台上进行实验，平台如图3所示。
实验在共计27种不同工况下运行，保证诊断方法不会因运行状态的变化而导致诊断失效。因此每种工况采集100组数据总计2700组数据，每组数据包含了一条四相电流幅值信息以及10条长度为1000的振动信号，从中抽取100组作为测试集。利用训练好的模型对测试集样本进行故障诊断，总体准确率为95%。本文设计了一种基于机器学习的多源信号融合故障诊断方法。通过建立数学模型分析得出DSEM发生匝间短路故障时，四相电流的基频幅值将不再对称，其差值将变大；而电磁转矩将产生次谐波以外的转矩谐波，进而使得故障的振动信号发生变化。所提方法对多源信号融合诊断方法中的CNN进行改进，可以寻得最优的dropout参数，保证神经网络训练成功率的同时，防止网络过拟合。实验结果表明，所提方法对实测数据的分类准确率达到了95%，具有良好的准确性和鲁棒性。研究人员隶属于上海大学新能源电力系统与智能配用电研究所。该研究所所长为林顺富教授。研究所现有教授3人、副教授2人、讲师5人。主要研究方向包括：智能配电网技术、用户侧灵活性资源调节技术、新能源电力系统规划运行，多年来坚持面向国家双碳战略，坚持以服务国家战略、行业需求和地方社会经济发展为牵引，在基础研究、工程应用和产学研合作等方面开展科学研究和技术攻关，研究特色鲜明、学术优势明显，形成了一支以中青年人才为主，包括上海市各层次人才的创新型研究团队。论文第一作者赵耀系电气工程学院党委委员，研究所第一党支部书记，主要从事电机设计与故障诊断、配电网运行控制等方面的研究，主持了包括主持国家自然科学基金青年基金，上海市自然科学基金，上海市青年科技扬帆计划、启明星计划，上海市教委晨光计划等多项纵向项目。发表学术论文30余篇，其中第一作者或通讯作者SCI或EI收录20篇，授权中国发明专利25项。该论文的通讯作者为电气工程学院院长李东东教授、博士生导师，教育部虚拟教研室负责人，上海市“电力电子化电网先进测控专业技术服务平台”负责人，上海市高校“高效电能应用”工程中心主任。上海市青年科技启明星、曙光学者。主要研究方向为电力系统建模分析与运行控制，智能配用电技术、新能源电力系统等。在国内外学术刊物上发表论文50余篇。主持国家自然科学基金项目2项，企业合作项目15项。本文编自2023年第1期《电工技术学报》，论文标题为“基于机电信号融合的电励磁双凸极电机绕组匝间短路故障诊断”。本课题得到国家自然科学基金、上海市自然科学基金、电力传输与功率变换控制教育部重点实验室开放课题和上海市青年科技启明星计划资助项目。赵耀, 陆佳煜, 李东东,等. 基于机电信号融合的电励磁双凸极电机绕组匝间短路故障诊断[J]. 电工技术学报, 2023, 38(1):16.ZHAO Yao, LU Jiayu, LI Dongdong, YANG Fan, ZHU Miao. A Fault Diagnosis Strategy for Winding Inter-turn Short-circuit Fault in Doubly Salient Electro-magnetic Machine Based on Mechanical and Electrical Signal Fusion. Transactions of China Electrotechnical Society, 2023, 38(1):16.
|
