高功率密度發電機測試集優化方法研究

劉玉奇，楊 誠，彭 迪，李 飛

(中國船舶工業綜合技術經濟研究院 船舶質量與可靠性研究中心，北京 100081)

0 引言

高功率密度發電機相比于傳統發電機具有體積小、重量輕、環境適應性強、輸出功率或力矩大等諸多優點，在艦船綜合電力系統、魚雷動力系統等方面展現出巨大的應用前景[1]。高功率密度發電機作為動力系統的重要組成部分，其測試性水平直接影響著艦船裝備的維修保障性能,提升其測試性水平有助于提升裝備全生命周期內的戰備完好性和實戰適用性。

測試性分析是根據系統的相關模型，開展一系列的測試性分析與計算，獲得系統的測試性指標(故障檢測率、隔離率等)、冗余測試、模糊組等，是實現檢測并隔離內部故障的必要手段。可通過測試性水平預計為設計人員提供設計方案參考依據,可分析的測試性參數包括故障檢測覆蓋率、故障隔離覆蓋率、虛警率、最大/最小模糊組等，通過提升故障檢測率和隔離率，有利于發電機故障檢修，縮短維修時間。

當前美英等國在永磁電機、燃氣輪機等的測試性分析方面做了很多研究。我國針對高功率密度發電機的測試性研究主要包括性能改進[2-3]、故障診斷方法[4]、發電機磁/熱物理特性研究[5]。并且，相比針對傳統發電機的測試性建模分析[6-8]，基于多信號流圖的故障診斷技術研究[9-10]可在裝備完成設計后建立可視化模型，利用列表示測試能檢測和隔離的故障，行表示故障能被檢測到，從而得到故障與測試之間的關系，通過開展分析改進，避免設備實裝后存在不可檢測故障。還有學者基于測試性D矩陣研究了多個故障的診斷策略，縮短故障診斷所需時間。采用信息熵理論的D矩陣故障診斷方法，通過故障尋優可以取得更高的故障診斷效率。針對復雜系統可以將D矩陣進行層次化和模塊化處理，然后采用故障-測試相關性故障合并算法得到整個系統的D矩陣，降低測試性建模的難度，提高可行性。

本研究針對高功率密度發電機多信號流模型測點改進問題，首先給出了測試性改進的優化流程。同時，也對高功率發電機開展了測試性建模分析，給出了其典型故障模式，列舉了兩種常見故障事件下的典型故障模式。與此同時，為提升故障模式的檢測率和隔離率，給出了基于D矩陣優化的測點改進方法，包括故障檢測用測點的優化和故障隔離用測點的優化方法。最后，通過開展測試性建模預計和測試性分析，驗證了測點改進方法對測試性指標提升的有效性。

1 系統結構及測試性優化流程

高功率密度永磁發電機以十二相整流高速永磁同步發電機為例，其結構包括軸承、端蓋、定子鐵芯、定子繞組、多相整流模塊、冷卻器、基座、轉子鐵芯、永磁體、風扇、測速傳感器、測溫傳感器等。該發電機永磁體固定在轉子上，采用高強度、高耐溫粘合灌注為一體，定子上固定繞組，轉子繞組切割磁感線使得定子繞組產生交流感應電動勢。

圖1 高功率密度發電機系統主要組成框圖

發電機的測試性設計需要針對各故障模式選擇測點。測點選擇的優劣直接影響設備的測試性水平，如故障檢測率和故障隔離率。針對測試集的優化可減少冗余測點，提升故障模式的覆蓋率。結合高功率密度發電機結構及運行特點，分析系統的故障特征和失效規律。在基于故障模式分析結果基礎上，通過配置模塊、測點、測試、冗余節點、開關節點等模型要素實現對發電機測試性模型的建模。利用量化的測試性分析方法，預估測試性設計指標，生成分析結果。模塊節點設計考慮基本屬性、端口、故障影響及危害度、機內測試、維修等因素。連線關系的設計考慮電氣、機械、邏輯的傳遞關系，通過連線連接模塊，不僅可以實現系統信息的流向、故障的傳遞還能保證功能可以沿著連接線進行傳遞。

測試性優化的流程主要包括三部分內容：故障模式分析、測試性設計分析改進和測試性仿真驗證。測試性故障模式分析可以通過針對各部件薄弱環節的詳細分析得到潛在的故障模式，為后續的測點設計和優化提供依據。測試性設計分析改進是一個測試集優化的過程，通過建模得到故障模式與測試的關系矩陣，針對該關系矩陣加以優化，基于減少測試時間、降低測試成本和測試難度的原則，通過改進測點的設置改善測設備的測試性水平。測試性仿真驗證與分析通過測試性預計仿真試驗得到測試性指標水平，驗證測試集改進的效果，進一步分析為后續的測試性改進提供依據。

2 高功率密度發電機故障模式分析

發電機設計時通過測點設計可提高發電機的故障檢測率和隔離率，方便故障定位與維修。為使測點設計覆蓋更多的故障模式，提高發電機故障檢測率，首先對潛在的故障模式開展分析。根據發電機功能特性可將發電機典型的頂層故障事件劃分為兩類：發電機故障性停機和發電機輸出電能品質下降。

2.1 發電機停機故障模式

首先，針對發電機停機故障事件，通過調研、故障模式收集等方式得到了導致發電機不能輸出電能的故障模式，主要包括定子繞組短路故障、定子繞組斷路故障、轉子繞組短路故障、轉子繞組斷路故障、勵磁裝置失磁、整流裝置失效、勵磁裝置過勵保護等。由于這些故障模式中任一故障發生均能導致發電機不能工作，因此也是開展發電機測試性設計分析時需要重點關注的故障模式。

圖2 發電機停機故障模式分析

2.2 發電機輸出電能品質下降故障模式

導致發電機輸出電能品質下降的故障模式主要包括定子系統故障、轉子系統故障、勵磁裝置故障、整流裝置故障和冷卻系統故障。其中定子系統故障包括繞組絕緣故障、匝間短路、繞組多相開路、繞組接頭故障等；轉子系統故障包括轉子匝間短路、各種機械故障、異常接地等；勵磁系統故障包括起勵失敗、滅磁失效、勵磁不穩定、過勵保護等；整流裝置故障包括短路故障、斷路故障、過熱故障等，冷卻系統故障包括溫度失常、系統漏水等。

由于缺少可靠性驗證試驗因此沒有可信的部件故障率數據，只能結合過去歷史故障率數據或經驗的大概量級的故障率數據。通過數據收集得到了發電機的故障模式及故障率如表1所示。

表1 高功率密度發電機部分故障模式及故障率

3 測試性設計改進

3.1 高功率密度發電機故障檢測參數

首先，故障檢測用測點改進需檢測的物理量主要包括電壓、電流、絕緣阻值、溫度、振動等。高功率密度發電機相比傳統電機結構上采用一體化設計降低機械結構故障，但采用新型的絕緣材料降低發電機體積和重量，因此絕緣電阻阻值測量對于發電機性能至關重要。其次，由于發電機功率密度大因此散熱性能對設備的可靠性影響較大，因此檢測各關鍵部件的熱參數對于檢測高功率密度發電機的故障具有更加重要的作用。

詳細的故障檢測參數信息見表2。

表2 高功率密度發電機故障檢測參數

3.2 發電機測試性模型

根據發電機組成、故障模式分析結果和初步確定的測試信息可構建出發電機的多信號流測試性模型。多信號流圖測試性建模方法利用分層有向圖表示被測對象的組成單元、測試以及被測對象性能特征之間的相關關系[19-21]。D矩陣模型作為相關性模型的表達方式，是以“0”“1”構成的測試-故障相關性矩陣，其中“0”表示測試與故障不相關，“1”表示測試與故障相關。構建的相關性矩陣是對設備進行測試性分析的基礎。可在構建的相應測試性模型基礎上，識別模型圖中各節點之間的連接關系，得到故障-測試相關矩陣。針對完全故障和功能性故障，基于多信號流模型的結構，從根節點遍歷形成相關性矩陣。

圖3 輸出電能品質下降故障模式

3.3 簡化D矩陣

簡化D矩陣可以減少工作量，識別冗余測試點和故障隔離的模糊組，因此在建立了D矩陣模型之后，應首先進行減化。

1)首先，比較D矩陣的各列，如果存在某兩列的元素相等，則該兩列所表示的測試點互為冗余測試點，應合理的刪除其中一個測試點，可依據成本和易實現性進行篩選；

2)然后，比較D矩陣的各行，如果存在兩行的元素相等，則代表該兩行檢測的故障難以區分，可將兩行元素當作一個故障隔離模糊組，在D矩陣中對其進行合并處理。

完全故障相關性矩陣DG表示故障源與測試點的位置可達性。求取以故障源和測點為節點的可達性矩陣，然后以可達性矩陣故障源對應的行，測點對應的列組成新的矩陣即為所求的完全故障相關性矩陣。可達性矩陣的求取采用鄰接矩陣的方法。假設有向圖G有n個節點V={v1,v2,…,vn}，則n階方陣AG=(aij)可看作G的鄰接矩陣。當vi與vj鄰接時，aij=1；當vi與vj不鄰接或i=j時，aij=0。

若建模的模塊存在阻斷信號集，則對相關性矩陣進行修整。針對阻斷信號相關性矩陣DF首先構造故障源列表SC和測試集合，阻斷信號集合。然后判斷故障源SC(i)，其中i取值0≤i≤N，取i=0，若有阻斷信號集元素存在則使鄰接矩陣A中故障源對應的列置為0，下一步，定義j取值范圍0≤j≤M，取j=0，k取值范圍0≤k≤N，取k=0，當阻斷信號相關性矩陣DF(k，j)=1時，則DG對應的鄰接矩陣AG相應aij賦值0。然后根據可達性矩陣求和方法計算得到矩陣Db。

3.4 基于D矩陣的故障檢測點優化

將簡化后的D矩陣表示為D=[dij]m×n則考慮可靠性參數的第j個測試點的故障檢測權值(表示提供檢測有用信息多少的相對度量)WFD可用下式計算：

(1)

(2)

式中，WFDj為第j個測點的故障檢測權值；αi表示第i個部件發生故障的頻數比；dij表示被測單元D矩陣模型中的第i行第j列元素；λi表示第i個部件的故障率；m表示待分析的相關矩陣行數。

假設簡化后的D矩陣模型為D=[dij]m×n，則第j個測試點的故障檢測權值(表示提供檢測有用信息多少的相對度量)WFDj可用下式計算：

(3)

計算出測試點的WFD后，選用其中WFD取值最大的作為第一個測試點，則對應的列矩陣可表示為：

Tj=[d1j,d2j,…,dmj]T

(4)

用Tj將矩陣D劃分為兩個子矩陣：

(5)

(6)

若需要增加測試點還需進行測試性類型分析，即論證該測試點的測試類型，如設計為BIT測試、外部測試設備測試、人工測試等，通過各類型測試的可行性分析，確定測試點最終設計方案。

3.5 基于D矩陣的故障隔離測點優化

分別計算各測試點的故障隔離權值，然后對隔離權值進行比較，從而篩選出測試點。

(7)

式中,WFIj表示第j個測試點的隔離權值；Z表示矩陣數。

選取權值WFIj最大的測試點作為第一個故障隔離測試點，用Tj把矩陣D分解為兩個子矩陣：

(8)

(9)

分別計算兩個子矩陣的故障隔離權值并相加，比較所有測試點的權值，選擇最大的權值對應的測試點作為第2個故障隔離測試點。依次類推，直至找到所有的故障隔離測試點。

故障隔離用測點若需增加測點同樣需進行測試性類型分析，論證新增測試點的測試類型，開展各類型測試的可行性分析，從而確定測試點的設計方案。

4 測試性仿真驗證與分析

為驗證以上測點改進方法對提升測試性指標的效果，開展測試性指標預計，得到了測點改進前后發電機故障檢測率和故障隔離率。

由表3和4仿真結果可知，優化后故障檢測率和故障隔離率均有提升，證明D矩陣所表達的測點與故障模式的關系能夠準確反映故障與測點之間的傳遞關系。其次，通過改進D矩陣優化測點的方法可以有效改善對故障模式的覆蓋率以及去除冗余測點。假設系統的某故障從模型的某節點出發，經過一個路徑返回該節點則存在一個故障環路，從而導致模糊組的存在。因此優化測點后得到故障檢測率和隔離率水平均有一定提升。

表3 測點改進前的測試性指標

表4 測點改進后的測試性指標

由測試性指標預計結果可知，基于D矩陣的測點集優化方法可以有效改善測試性水平，通過測試性預計仿真得到的故障檢測率和故障隔離率驗證了方法的可行性，可有效改善高功率密度發電機的故障檢測率和隔離率水平。

5 結束語

通過故障模式分析總結了高功率密度發電機測試性設計過程中的潛在故障模式，為測試性設計改進提供基本輸入。進一步針對發電機的測點給出了基于D矩陣的測點改進方案，包括故障檢測測點改進方法和故障隔離測點改進方法。并通過測試性建模預計對比了測點改進前后的故障檢測率和故障隔離率指標，仿真結果驗證了測點改進方案對提升測試性水平的有效性，為高功率密度發電機的測試性優化設計提供了有效方案。