雙余度永磁無刷直流電機(jī)繞組故障診斷研究

付朝陽, 劉景林, 張曉旭

(西北工業(yè)大學(xué) 自動化學(xué)院, 陜西 西安 710072)

在航空航天等高精密控制系統(tǒng)中，廣泛采用余度控制技術(shù)。控制系統(tǒng)中實現(xiàn)余度控制一種方案是1臺電機(jī)及其控制系統(tǒng)作為1個通道，采用多臺電機(jī)及其控制系統(tǒng)并聯(lián)運行，這種方案的缺點是體積大、重量重、成本高。另一種方案是將余度技術(shù)引入到電機(jī)上，電機(jī)定子中設(shè)置多套繞組，共用1套轉(zhuǎn)子系統(tǒng)，每套繞組分別與控制系統(tǒng)構(gòu)成獨立的通道。該方案的特點是：體積小、重量輕、成本低。

目前，國內(nèi)科研機(jī)構(gòu)已對余度電機(jī)做了一些初步研究。文獻(xiàn)[1]研究了雙余度無刷直流電機(jī)的極弧系數(shù)對其轉(zhuǎn)矩波動的影響，通過采用電磁場有限元分析的方法，計算了極弧系數(shù)對電氣雙余度波形和定位轉(zhuǎn)矩的影響，給出了電氣雙余度極弧系數(shù)選取的參考方法。文獻(xiàn)[2]采用場路結(jié)合的方法設(shè)計了一種用于直接驅(qū)動作動器(DDA)的電氣/機(jī)械混合式四余度無刷直流力矩電動機(jī)，該電機(jī)具有同軸的2段定、轉(zhuǎn)子，每段定子中隔槽嵌放2套繞組，從而構(gòu)成電氣/機(jī)械混合四余度，通過實驗驗證了該方案的可行性。文獻(xiàn)[3]對雙余度無刷電機(jī)的數(shù)學(xué)模型進(jìn)行了推導(dǎo)，設(shè)計了相關(guān)原理樣機(jī)，驗證了雙余度設(shè)計的可行性。文獻(xiàn)[4]研究了繞組短路故障對直接驅(qū)動作動器(DDA) 用電氣/ 機(jī)械混合四余度無刷直流力矩電動機(jī)(BLDCTM) 性能的影響，分析了短路故障對電機(jī)電氣參數(shù)造成的影響，系統(tǒng)的仿真結(jié)果表明某一相繞組出現(xiàn)匝間短路或某余度的兩相繞組出現(xiàn)相間短路時,系統(tǒng)依然可以正常運行，大大提高了系統(tǒng)的可靠性。

在上述文獻(xiàn)中，大多針對雙余度永磁無刷直流電機(jī)的設(shè)計及其控制方法進(jìn)行了研究，針對故障診斷方面的研究較少。由于繞組中設(shè)置了2套繞組，大大提高了系統(tǒng)的可靠性，但是作為一個多源故障系統(tǒng)，雙余度永磁無刷直流電機(jī)由于繞組間的耦合作用，存在一個故障對應(yīng)多個故障特征和多個故障特征對應(yīng)相似故障特征的情況，并且由于早期繞組故障信號微弱而難以被發(fā)現(xiàn)，給電機(jī)故障診斷帶來了較大困難。

1 故障信號和小波函數(shù)的選擇

雙余度永磁無刷直流電機(jī)采用了2套電樞繞組，在電機(jī)運行時，2套繞組會通過電感互相耦合，

而當(dāng)電機(jī)發(fā)生故障時，電機(jī)的轉(zhuǎn)速、轉(zhuǎn)矩和電流等都會發(fā)生變化，電機(jī)轉(zhuǎn)矩方程如下所示：

T=CTφI

(1)

設(shè)電樞電流的脈動頻率為fI，可知電機(jī)轉(zhuǎn)速為

n=60fI/P

(2)

由上述2個公式可以看到，電機(jī)的轉(zhuǎn)矩、轉(zhuǎn)速均與電流相關(guān)。因此當(dāng)電機(jī)發(fā)生故障時，電機(jī)的電樞電流信號會有比較明顯的變化，主要表現(xiàn)在以下幾個參數(shù)中：穩(wěn)態(tài)電樞電流均值、穩(wěn)態(tài)電樞電流的脈動幅度、穩(wěn)態(tài)電流的脈動頻率等。

信號的多分辨分析是信號的正交小波分解，其基本算法是Mallat提出的基于時間和尺度的二進(jìn)分割快速算法，即著名的“Mallat塔形算法”，Mallat算法實現(xiàn)無冗余的正交分解。通過信號的正交小波分解，信號被分解到一系列頻帶上，且各頻帶互不相交。在確定的小波母函數(shù)和采樣頻率下，每個頻帶范圍由尺度決定。電機(jī)發(fā)生故障時，每相電流波形包含不同的諧波成分，在不同的頻帶上諧波能量增強(qiáng)或抑制。因為不同類型的故障電流波形信號經(jīng)小波分解后在各頻帶上的投影是不同的，所以故障信號在各頻帶投影序列的能量是故障類型的表現(xiàn)形式，因此可以把正交小波分解后每相電流空間信號能量作為特征向量，進(jìn)行頻帶能量分析。

根據(jù)以上方法，對電機(jī)進(jìn)行了動態(tài)仿真，在250 ms時，破壞控制電路為1相斷路，選擇Daubechies3和coif5分別對電流信號進(jìn)行了2層小波分解，分別如圖1和圖2所示。

圖1 Daubechies3小波分解圖2 Coif5小波分解

由結(jié)果可知，在小波分解高頻部分的第2層，250 ms時明顯發(fā)生了突變信號，相比較而言，coif5小波函數(shù)更能反映出故障突變點，故本文選取coif5小波函數(shù)。

2 繞組開路故障分析及特征提取

繞組開路是電機(jī)的一種常見故障。對雙余度高壓永磁無刷直流電機(jī)來說，由于采用了2套電樞繞組，當(dāng)其中1套發(fā)生開路故障時，另外1套仍然可以正常運行，不過相電流會變大。

以一余度C相開路為例，電機(jī)一余度A相和B相電流波形分別如圖3和圖4所示。

對每相電流信號進(jìn)行2層多分辨率coif5分解，得到其中的d2分解系數(shù)。結(jié)果分別如圖5和圖6所示。

圖3 一余度A相電流 圖4 一余度B相電流 圖5 A相電流d2分解系數(shù)

圖6 B相電流d2分解系數(shù)

求每相d2層小波分解系數(shù)序列的能量，將其按照順序排列，得到一個向量[213.91，213.91，0，260.57，257.54，55.55]，同樣的方法我們可以得到其他相開路時特征向量，如表1所示。

表1 故障特征向量表

3 匝間短路故障分析及特征提取

對于比較明顯的多匝短路時，電流值會發(fā)生明顯突變，而對于細(xì)微的匝間短路時，普通的電流檢測則很難發(fā)現(xiàn)，為了能夠準(zhǔn)確地模擬短路故障，本文將其中的一個定子槽分為兩部分，如圖7所示(12點方向的定子槽被分為兩部分)，這兩部分分別嵌入線圈，保持總的匝數(shù)不變(與其他定子槽匝數(shù)一致)。

圖7 匝間短路仿真模型

采用3D瞬態(tài)求解器進(jìn)行計算，得到各相電流波形，如圖3所示。與正常模型仿真相比，各相電流均略有增加，但不明顯。

依據(jù)電機(jī)繞組開路時的計算方法，求每相d2層小波分解系數(shù)序列的能量，將其按照順序排列，得到電機(jī)匝間短路時特征向量，如表2所示。

表2 故障特征向量表

4 故障模式識別

本文采用了小波分析與神經(jīng)網(wǎng)絡(luò)的松散型結(jié)合，選取小波作為信號處理的前置手段，為神經(jīng)網(wǎng)絡(luò)提供特征向量，之后完成訓(xùn)練和診斷。

為了便于分析，對輸入樣本進(jìn)行歸一化處理，對各故障狀態(tài)能量值進(jìn)行歸一化后，結(jié)果如表3所示。

表3 歸一化后的故障特征向量表

PNN是一種機(jī)構(gòu)簡單、訓(xùn)練簡潔、應(yīng)用相當(dāng)廣泛的人工神經(jīng)網(wǎng)絡(luò)。在實際應(yīng)用中，尤其是在解決分類問題的應(yīng)用中，它的優(yōu)勢在于用線性學(xué)習(xí)算法來完成以往非線性學(xué)習(xí)算法所做的工作。這種網(wǎng)絡(luò)對應(yīng)的權(quán)值就是模式樣本的分布，因而能夠滿足實時處理的要求，本文采用PNN神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷。

在進(jìn)行故障診斷的過程中，求和層對模式層中同一模式的輸出求和，并乘以代價因子；決策層則選擇求和層中最大輸出對應(yīng)的故障模式作為診斷結(jié)果。當(dāng)故障樣本的數(shù)量增加時，模式層的神經(jīng)元將隨之增加。而當(dāng)故障模式多于2種時，則求和層神經(jīng)元將增加。所以，隨著故障經(jīng)驗知識的積累，概率神經(jīng)網(wǎng)絡(luò)可以不斷橫向擴(kuò)展，故障診斷的能力也將不斷提高。基于PNN的系統(tǒng)模型如圖8所示。令網(wǎng)絡(luò)的目標(biāo)輸出值為各故障狀態(tài)對應(yīng)的二進(jìn)制代碼，序號代表電機(jī)狀態(tài)，1為正常，2為一余度A相短路，以此類推。

圖8 PNN診斷模型

采用30個故障樣本對PNN網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后采集一組測試樣本，診斷結(jié)果如表4所示。診斷結(jié)果準(zhǔn)確可靠。

表4 診斷結(jié)果

4 結(jié) 論

本文針對雙余度永磁無刷直流電機(jī)中常見的繞組匝間短路故障進(jìn)行了研究。針對傅立葉變換的不足，提出了用小波變換進(jìn)行故障檢測的方法；根據(jù)電機(jī)的故障樹，確定了電流作為其故障診斷信號；通過對不同小波基函數(shù)的對比分析，選擇coif5作為小波基函數(shù)；利用Mallat算法對多種典型電機(jī)故障信號進(jìn)行了檢測，采用第2層分解時的高頻系數(shù)d2作為特征值，得到了各種故障時的特征向量。

根據(jù)電機(jī)故障信號的特點，選擇小波神經(jīng)網(wǎng)絡(luò)作為其故障診斷方法，采用了松散型的結(jié)合方法；利用小波變換采集了多組故障信號特征向量并進(jìn)行了歸一化處理；建立了基于PNN神經(jīng)網(wǎng)絡(luò)，診斷結(jié)果表明模型能準(zhǔn)確地識別繞組匝間短路故障。

參考文獻(xiàn)：

[1] 王巍，郭宏，李艷明，于凱平．電氣雙余度無刷直流電動機(jī)轉(zhuǎn)子極弧系數(shù)研究[J]．電機(jī)與控制學(xué)報，2009，13(6)：862-866

Wang Wei, Guo Hong, Li Yanming, Yu Kaiping. Research on Rotor Pole Arc of Electrical Dual-redundancy Brushless DC Motor[J]. Electric Machines and Control, 2009，13(6)：862-866 (in Chinese)

[2] Guo Hong, Wang Wei, Xing Wei, Li Yanming. Design of Electrical/Mechanical Hybrid 4-Redundancy Brushless DC Torque Motor [J]. Chinese Journal of Aeronautics, 2010,23:211-215

[3] 馬瑞卿，劉衛(wèi)國，解恩．雙余度無刷電動機(jī)位置伺服系統(tǒng)仿真與試驗[J]．中國電機(jī)工程學(xué)報，2008，28(18)：98-103

Ma Ruiqing, Liu Weiguo, Xie En. Simulation and Test of Position Servo System Based on Dual-Redundancy BLDCM[J]. Proceedings of the CSEE，2008，28(18)：98-103 (in Chinese)

[4] 王巍，郭宏，李艷明. 電氣/ 機(jī)械混合四余度無刷直流力矩電動機(jī)繞組短路分析[J]．航空學(xué)報，2010，31(5):975-982

Wang Wei, Guo Hong, Li Yanming. Analysis of Winding Short-Circuit in Electrical/Mechanical Hybrid 4-Redundancy Brushless DC Torque Motor[J]. Acta Aeronautica et Astronautica Sinica, 2010, 31(5): 975-982 (in Chinese)

[5] Li Shichao, Shi Xiuhua, Cui Haiying. Diagnosis Based on Genetic Algorithms Wavelet Neural Network in Dual-Redundancy Brushless DC Motor[J]. Journal of Vibration Measurement & Diagnosis, 2009,29(2): 223-226