神經網絡在電動機繞組溫升預測中的應用

摘 要：電動機是以電磁感應和電磁力定律為基本工作原理進行電能的傳遞或機電能量轉換的機械，在工業、農業、國防、交通運輸和家用電器中有著廣泛的應用。文章針對電動機發熱、散熱過程復雜、難于準確計算的問題，基于人工神經網絡（BP網絡），采用Matlab計算軟件，通過對三相異步電動機的溫升實驗，闡述了神經網絡在電動機繞組溫升預測中的應用。

關鍵詞：人工神經網絡；Matlab軟件；溫升預測

中圖分類號：TM303.1 文獻標識碼：A 文章編號：1006-8937（2012）17-0042-02

電動機在國民經濟中起著十分重要的作用，其廣泛應用于工業、農業、冶金、化工、紡織、礦山、交通運輸等國名經濟各部門。據不完全統計，全國使用的中型電機大約有2 000萬臺，然而每年燒毀的電機約為320萬臺，平均每臺的維修費用1 000元，總費用為32億元左右。產生這種現象的原因是多方面的，除了管理措施不完善等因素外，關鍵的問題是電機過熱載保護尚有不盡人意之處，傳統的熱過載保護方案可以分為直接測溫法和間接測溫法，但是直接測溫法需要改變電機生產工藝，而間接測溫法又無法建立數學模型。因此，由于神經網絡理論以其組織結構、高度非線性映射性、高度并行處理的方式等優點，為預測和計算異步電動機的繞組溫度提供了快捷、方便、準確的可能。文章主要通過神經網絡的電動機溫升預測，從而進行了電動機的智能熱過載保護的探討研究。

1 人工神經網絡和BP網絡

概論

1.1 人工神經網絡的概念

人工神經網絡是一個并行，分布處理結構。它由處理單元及稱為聯接的無向信號通道互連而成。這些處理單元（PE-processing element）具有局部內存，并可以完成局部操作。每個處理單元有一個單一的輸出聯接，這個輸出可以根據需要被分支成希望個數的許多并行聯接，且這些并行聯接都輸出相同的信號，即相應處理單元的信號，信號的大小因分支的多少而變化。處理單元的輸出信號可以是任何需要的數學模型，每個處理單元中進行的操作必須是完全局部的。

1.2 BP網絡概念及應用

1986年，由Rumelhart和Hinton 和Williams 完整而簡明地提出一種ANN的誤差反向傳播訓練算法（簡稱BP算法）。當前，在人工神經網絡的實際使用中，絕大部分人工神經網絡模型采用BP網絡，它是前向網絡的核心部分，體現了神經網絡最精華的部分。

目前BP網絡主要應用在函數逼近。即使用輸入矢量和相對應的輸出矢量訓練一個網絡逼近一個函數。其中模式識別，使用一個特定的輸出矢量將它與輸入矢量聯系起來。其算法是多層前饋型網絡。此網絡不但有輸入節點和輸出節點，而且還有一層或多層隱含節點。

2 MATLAB軟件在BP網絡的重要函數應用

MATLAB語言使人們從繁多的程序代碼中解放出來。開發者使用其豐富函數可無需重復編程，只要簡單地調用和使用。MATLAB語言最大的特點是簡單和直接

MATLAB的BP網絡工具箱包含了大量的BP網絡分析和設計的許多工具函數，表1羅列了主要的函數的名稱和基本功能。

3 神經網絡在電動機繞組溫升預測中的應用

3.1 三相異步電動機溫升實驗

異步電動機的電流和溫度的變化，可以反映出它在運行中是否正常。當有故障時，大多會引起定子電流增大和電動機溫度過高。因此，對運行中的異步電動機，監視它的電流和溫度是極其重要的。電動機銘牌上對電機的額定電流和允許溫升都有規定。允許溫升是指在環境溫度40℃及在海拔1 000 m高度以下的條件下定子繞組的穩定溫升。電機的溫升是由電機內部的損耗（主要是繞組的銅損耗和鐵心的損耗，它們是電機內部發熱的熱源）和散熱通風的條件所決定，它的允許值是被電機繞組的絕緣材料的等級所限制。以下采用電阻法測異步電動機溫升。

繞組溫升的計算公式為：

Δt=（R2-R1）/R1×（Ka+t1）-（t2-t1）

式中，Δt為繞組溫升；R2為實驗開始的繞組電阻；R1為實驗結束的繞組電阻；Ka當繞組為銅制導線時取234.5，當繞組為鋁制導線時取228；t1為實驗開始時的室溫；t2為實驗結束時的室溫。

①實驗進行依據。異步電動機繞組溫升的測量主要是為了檢驗異步電動機在正常工作狀態下各部位的溫升是否正常。在測試的過程中，使用了溫度計和萬用表，并利用上文所提到的各種公式，計算了繞組的溫升。當前這種測試方法的主要依據為：隨著溫度的改變導體的電阻將改變的原理。即同一段導體，在不同的溫度下，其具有不同的電阻值。

②實驗步驟。在不同的實驗環境下，使用溫度計量出異步電動機工作時的環境溫度t2，并且在異步電動機啟動前，使用用萬用表測量異步電動機單相繞組的電阻R。啟動后，異步電動機配以額定負載運行。當電動機穩定運行30 min以后，依然使用溫度計量出此時繞組的溫度T， 當溫度計的溫升刻度保持穩定時馬上停機，并立刻測出此時電動機單相繞組的電阻值R。異步電動機溫升實驗電路接線圖如圖1所示。

3.2 實驗樣本的數據處理

采集實驗樣本并且進行必要的數據處理是實現神經網絡對電機繞組溫升預測關鍵的一步。通過對三相異步電機進行溫升實驗，采集了14組數據。其中12組用于訓練網絡，其余兩組用于測試訓練后的網絡正確性與適用性，將采集到的12組訓練數據，其中用MATLAB分別對從1.5A和5A的2組數據進行擬合。

由于采集的數據是一些離散的點，所以存在一定的誤差，曲線不夠光滑，因此不能直接用于神經網絡的訓練，需要經過擬合才能應用。可以采用三層BP網絡來擬合各條實驗曲線，網絡結構框圖如圖2所示，擬合后的溫升曲線見圖3。從圖中可以看出擬合后的溫升曲線比實測光滑很多。

為了提高神經網絡的訓練效率，還需要對“輸入——目標”樣本集數據作必要的預處理，即進行歸一化處理，使輸入和目標數據落入[-1，1]區間。歸一化公式為：

Pn=2×（P-minp）（maxp-minp）-1

Tn=2×（T-mint）（maxt-mint）-1

式中：P為原始輸入數據；minp，maxp為P中的最小值和最大值；Pn為歸一化后的輸入數據；mint，maxt分別為T中的最小值和最大值；Tn為歸一化后的目標數據。

3.3 結合BP網絡，電機負載運行繞組溫升預測的實現

影響電動機繞組溫升的因素有發熱和散熱兩個過程。發熱的主要影響因素有電流、電壓、電源頻率、功率、轉速。電動機散熱與當前電機溫度和環境溫度相關聯。其中電壓、電流及環境溫度可分別通過電壓、電流互感器及溫度傳感器直接測得，電源頻率和功率因數則是利用以測得的電壓、電流通過計算獲得。一旦BP網絡預測到某一時刻的溫升可能超過長期使用的允許溫升，就發送時間參數到保護器，經過延時時間，切斷電動機電源，從而達到保護的電機的目的。

4 結 語

本文的重點是神經網絡在電動機繞組溫升預測中的使用。通過電機的溫升實驗，證明了神經網絡的應用對電機繞組溫升的預測是可行的，并且能夠實現對電機的過載保護，充分發揮了電機的作用，其保護效果明顯優于其它傳統繼電保護裝置，并且具有研究意義。

參考文獻：

[1] 蔣宗禮.人工神經網絡導論[M].北京:高等教育出版社，2001.

[2] 魏海坤.神經網絡結構設計的理論與方法[M].北京:國防工業出版社，2005.

[3] 郭晶. MATLAB6.5輔助神經網絡分析與設計[M].北京:電子工業出版社，2003.

[4] 蔡型.電機及拖動基礎實驗指導書[M].廣州:廣東工業大學出版社，2001.

[5] 高雋.人工神經網絡原理及仿真實例[M] .北京:機械工業出版社，2003.