裝甲車輛發電機故障辨識器研究與設計

黃捷音，李光升，謝永成，魏 寧

（1.裝甲兵工程學院控制工程系，北京100072；2.裝甲兵工程學院外訓系，北京100072）

0 引 言

裝甲車輛發電機是裝甲車輛電源系統的重要組成部分，為保障全車用電設備正常工作，發揮著舉足輕重的作用，其任何一種故障，都可能導致全車用電設備的工作不正常或停止工作。然而在我軍現行發電機故障診斷模式中，發電機狀態監測能力還比較低下，檢測手段單一，缺乏一定的推理分析能力［1］。尤其是不易檢測、故障樣本少的結構單元，其狀態監測能力不足的問題尤為明顯，由于傳統故障診斷方法難以實施，需設置專用故障辨識器進行故障診斷。

1 研究對象

在某型裝甲車輛發電機工作過程中，旋轉勵磁機在發動機帶動下工作，隨發動機轉速變化而變化，旋轉整流器更加容易出現故障。根據統計顯示，旋轉整流器故障約占該型發電機故障總和的五分之一。其在發生短路故障時，發電機迅速受損，故障特征明顯；而在發生開路故障時，發電機在此狀態下繼續使用，故障特征并不顯著，使用單位、維修單位均不易察覺，致使供電質量下降。針對這一問題，選取某型裝甲車輛發電機旋轉整流器開路故障為研究對象，建立專用故障辨識器，對確保發電機供電質量，提高發電機故障診斷能力具有重要意義。

2 故障特征分析

目前已經有許多學者對橋式整流器的故障診斷進行了相關研究：鄢仁武等［2］通過研究發電機的輸出電壓，對其進行諧波分析，進而獲取整流器故障特征信號，實現對整流器的故障診斷分析；邵兵、程延偉、康洪銘等［3，4，5］采用小波神經網絡提取整流器故障特征，利用支持向量機等進行模式辨別故障診斷。然而，對于該型發電機旋轉整流器故障，受限于旋轉整流器安裝于發電機內部，其直流側電壓不易測量的現狀，故不便將整流輸出電壓直接作為故障辨識中的故障特征信號，需再考慮其他故障特征信號。在發電機工作運行中，考慮到旋轉整流器的輸出負載為勵磁線圈，根據發電機工作原理及結構關系，可以選取勵磁繞組電流作為發電機整流二極管故障的特征信號，進行故障辨識研究。首先，建立旋轉勵磁機Matlab仿真模型，如圖1所示。

圖1 旋轉勵磁機仿真模型

未注入故障狀態下，Matlab仿真模型輸出勵磁電流波形和諧波，如圖2、圖3所示。借助實驗室搭建的發電機故障模擬診斷平臺，對仿真波形的有效性進行驗證，圖4、圖5為平臺實測波形及諧波幅值。通過對比實測波形可以發現，勵磁機Matlab仿真模型輸出的仿真波形和幅值圖與平臺獲取的勵磁電流波形與幅值圖基本一致且特征明顯，表示仿真模型是準確可行的，下一步可通過在勵磁機Matlab仿真模型上設置故障實現故障特征信號的獲取。

圖2 無故障時勵磁電流波形圖

圖3 無故障時勵磁電流諧波幅值圖

圖4 實測勵磁電流波形圖

將旋轉整流二極管開路故障具體分為以下5種：故障模式1：無故障；模式2：單個二極管開路；故障模式3：同相兩個二極管開路；故障模式4：同半橋兩個二極管開路；故障模式5：既不同相也不同半橋兩個二極管開路。則可得到各個模式下的諧波分析圖如圖6～圖13。

圖5 實測勵磁電流諧波幅值圖

圖6 故障模式2勵磁電流波形圖

圖7 勵磁電流諧波幅值圖

圖8 故障模式3勵磁電流波形圖

圖9 勵磁電流諧波幅值圖

圖10 故障模式4勵磁電流波形圖

圖11 勵磁電流諧波幅值圖

圖12 故障模式5勵磁電流波形圖

圖13 勵磁電流諧波幅值圖

從各模式下的諧波分析可以發現，整流二極管發生開路故障后，6次以上諧波變化不大，1次、2次、3次諧波幅值在不同故障模式下皆有不同程度升高，2次、6次諧波幅值變化最為顯著。發生單個整流二極管開路故障時，1、2、3次諧波增幅最大，與無故障狀態相比變化明顯；當發生同相兩個二極管開路故障時，1、2、3次諧波相對增加，2次諧波增幅相對明顯，6次諧波減小；發生同半橋兩個二極管開路故障時，1、2、3次諧波相對增加，1次諧波增幅相對明顯，6次諧波減小；發生既不同相也不同半橋兩個二極管開路故障時，1、2、3次諧波相對增加，6次諧波減小，1、2次諧波增幅明顯，于3次諧波，因此，選取勵磁電流的1次、2次、3次、6次諧波信號為故障特征信號。

3 故障辨識器的設計實現

故障辨識器的設計步驟如下：

（1）利用Matlab仿真模型獲取的勵磁電流的1次、2次、3次、6次諧波信號作為故障特征信號，設置故障進行仿真，選取20個訓練樣本，得到輸入層X為4×20矩陣，用R表示，輸出層Y為5×20矩陣，用P表示，1次、2次、3次、6次諧波信號用X1至X4表示，故障1至故障5的輸出數據用Y1至Y5表示；

（2）對樣本進行歸一化處理；

（3）根據Kol mogorov定理［6］，故障辨識器選用3層BP神經網絡結構，則其中輸入層、隱含層及輸出層節點數分別為N、2N＋1、M，則輸入層節點數為4，隱含層節點數為9，輸出節點數為5；

（4）選用正切S型函數tansig（）作為隱含層傳遞函數，對數S型函數logsig（）作為輸出層傳遞函數，設置迭代次數為300，期望誤差為0.01；

（5）在Matlab中編寫神經網絡訓練程序，對建立的神經網絡進行訓練，當達到誤差要求或最大迭代次數時，停止訓練；

（6）對得到滿足誤差要求的網絡，選擇已準備的測試樣本對網絡進行驗證，當測試樣本輸出誤差滿足要求時，即完成了故障辨識器的設計，若測試樣本輸出誤差沒有滿足要求時，重新設計調整網絡。

得到的誤差收斂曲線如圖14所示。

圖14 誤差收斂曲線

4 測試驗證

選取測試樣本對故障辨識器的有效性進行測試驗證，表1所示為部分測試樣本。運用建立好的故障辨識器對測試樣本辨識，得到表2。

表1 部分測試樣本

表2 測試樣本網絡輸出量

從表2可以得到，測試樣本的網絡輸出值與期望輸出值差值在誤差允許范圍內，基于BP神經網絡故障辨識器的故障辨識能力滿足基本要求，可以實現對不易監測、故障樣本少的結構單元的故障辨識作用，具有一定實際意義。

5 結束語

本文根據我軍裝甲車輛發電機故障診斷中存在的不足，針對不易監測、不易更換的結構單元，開展故障辨識研究。建立旋轉勵磁機Matlab仿真模型，對勵磁電流進行諧波分析，選用1次、2次、3次、6次諧波信號為故障特征信號，并借助BP神經網絡建立故障辨識器，通過測試，驗證了該故障辨識器的有效性，提高了發電機狀態監測診斷能力。

［1］ 董今朝.裝甲車輛電源系統故障機理分析與診斷方法研究［D］.北京：裝甲兵工程學院碩士學位論文，2013.

［2］ 張 超，夏 立.基于諧波分析的旋轉整流器故障檢測［J］.電機與控制應用，2008，35（11）：51-53.

［3］ 胡 青，王榮杰.基于支持向量機的電力電子電路故障診斷技術［J］.中國電機工程學報，2008，28（12）：107-111.

［4］ 邵 兵.基于相關性模型的導彈發射裝置故障診斷［J］.航天發射技術，2011，2（2）：228-231.

［5］ 程延偉，呂 強，謝永成.裝甲車輛電源系統智能故障診斷方法研究［J］.計算機測量與控制，2011，19（6）：1410-1413.

［6］ SI MOTION SCOUT basic functions ［Z］.SIEMENS A&D，2007.