基于本體追蹤的永磁同步電機驅動系統開路故障診斷方法

張瀟丹 段 斌 劉昌杰 陳月平

基于本體追蹤的永磁同步電機驅動系統開路故障診斷方法

張瀟丹 段 斌 劉昌杰 陳月平

（湘潭大學自動化與電子信息學院 湘潭 411105）

針對永磁同步電機（PMSM）系統故障間關聯性強、異構信息復雜繁多以及傳統故障診斷方法無法追溯耦合故障發生的真正原因等問題，提出了基于本體追蹤的故障診斷方法。以PMSM驅動系統開路故障為主要研究對象，首先，對PMSM故障診斷領域本體模型進行形式化定義及標準化構建，統一集成PMSM系統中密集的異構信息；其次，在改進歸一化誤差電流數據分析法能夠精準快速地定位故障開關管的基礎上，將定量分析所得故障特征及識別結果映射到故障領域本體模型中，擴展了故障診斷范圍；最后，經語義Web（SWRL）規則庫的預設以及基于規則的推理，融合本體技術進行故障誘因、故障類型等信息的追溯及診斷。經實驗驗證，該方法提高了各子系統間信息的利用率，能夠合理地追溯故障原因，為大型復雜系統的故障診斷提供了一個可共享、易更新的標準化方法。

改進歸一化誤差電流 本體 開路故障 故障診斷 驅動系統

0 引言

永磁同步電機（Permanent Magnet Synchronous Machine, PMSM）相較于傳統的同步電機具有轉換效率高、能量損耗小、體積小和力矩慣量大等絕對優勢而發展迅速，近年來已廣泛應用于新能源發電、航天航空、電動汽車等領域[1-2]。在工業運作過程中，永磁同步電機的連續作業非常重要，任何故障的發生都會導致巨大的損失，而PMSM系統是大型復雜系統的典型代表，結構及運行機理復雜，故障發生率高且耦合性極強，故障間關聯緊密，其中以PMSM驅動系統開路故障最為常見且后果嚴重[3]，而變流器開路故障是PMSM驅動系統高故障率的主要原因之一[4-5]。

數據分析法是診斷變流器開路故障的主流方法之一，主要分為以電壓量或電流量為觀測信號對變流器運行狀態進行分析[6]。電壓分析法需要額外安裝監測設備，對系統結構的空間預留及運行復雜度有所要求；而電流是最容易獲取的電信號，同時能夠比較直觀地反映出變流器的運行狀態，無需額外增加設備。已有文獻主要采用Park矢量電流平均值法、傅里葉歸一化直流法、電流矢量軌跡法、輸出電流DQ軌跡法等方法[7-12]對故障進行檢測和定位，但這些方法存在對負載變化敏感、算法復雜度較大、診斷周期長等問題。

歸一化誤差電流數據分析法具有能夠精準且快速地識別故障開關的優點，為解決上述電流數據分析算法存在的問題，從簡化歸一化計算復雜度、劃分診斷變量兩方面對歸一化誤差電流數據分析法進行改進[13]。但將其應用于PMSM驅動系統開路故障進行故障診斷時，該算法僅能定位至最終的故障IGBT，而在實際運行中，過電流燒毀、線路開路、驅動信號異常或丟失等原因都會最終導致并表現為變流器IGBT開路故障，因此，僅依靠單一的改進歸一化誤差電流數據分析法無法追溯致使IGBT開路的源頭誘因及間接故障，且存在認知超載的問題。基于以上改進歸一化誤差電流數據分析法在追因溯源方面存在的不足，融合本體追溯的方法進行支撐。

近年來，本體技術及其在故障診斷中的應用研究發展迅速，李娟莉等[14-15]將基于描述邏輯的本體故障知識表示方法以及運用貝葉斯網絡進行本體知識推理應用到提升機智能故障診斷方法中，并在工程中實際投入使用，驗證了該方法的可行性及準確性；于德介、周安美等[16-17]基于Java平臺開發了基于本體的風力發電機組故障智能診斷原型系統，將本體與風電故障診斷結合，但在本體知識模型的構建及推理效率的提高上還需要進一步研究；余磊等[18]采用本體技術對裝備故障預測及健康管理系統（Prognostic and Health Management, PHM）進行知識化建模，將故障診斷、故障預測及維修案例作為PHM系統本體的子系統，解決了領域信息異構的問題。

與此同時，中國電力科學研究院、國家電網公司等正在進行政策部署、標準研制、產業化推廣等多因素的驅動下積極推行智慧電網知識圖譜的開發及落地。知識圖譜作為人工智能的重要組成部分，在將海量非結構化信息及大規模數據形成知識網絡方面有著無可比擬的優勢，而本體技術可以作為知識圖譜的模型基礎，能夠為概念模型進行規范性說明，在信息的結構化表示方面優勢明顯[19]。

在上述背景下，以解決PMSM系統故障診斷的復雜工程問題為出發點，將PMSM驅動系統開路故障作為主要研究對象，提出基于本體追蹤的故障診斷方法。將改進歸一化誤差電流數據分析法嵌入到本體追蹤技術中，將定量分析與定性分析的優勢互補，在對故障開關精準定位的基礎上追因溯源，有效診斷故障誘因及間接故障類型。兩種故障方法的有機結合而非簡單堆疊使得各自方法的優勢最大化，為系統內大規模結構化及非結構化領域信息進行標準化集成，將領域知識及案例經驗等非結構化信息與傳統診斷所必須的數據實現聯動，為PMSM系統故障診斷的智能化、標準化、信息化提供了新的思路。

1 基于本體追蹤的故障診斷體系框架

依據PMSM驅動系統開路故障特點及診斷需求，將本體追蹤技術與改進歸一化誤差電流數據分析法相結合進行診斷分析。系統結構體系如圖1所示。

從驅動系統的組成結構及運行機理出發，運用數據分析法對表現為電氣量、檢測變量異常的故障進行特征分析及提取，快速、準確地識別具體故障開關管；對于外在表現明顯的故障及設備結構、專家經驗、歷史案例等多源異構信息進行標準化處理。將數據分析及信息獲取層得到的兩部分信息按照本體的形式映射到本體模型中，構建故障領域本體模型，并在邏輯推理層對故障特征、故障原因及它們之間的關系進行深入分析，據此對多源異構故障信息進行歸類及推理，獲取致使故障發生的具體誘因及進一步的診斷結果，最終生成網絡本體語言（Ontology Wed Language, OWL）故障文件，使該本體模型脫離構建平臺的限制，增強了本體模型的擴展性、共享性；依據診斷結果給運維人員提供輔助運維決策，并反饋實際運維情況到本體構建層以實現本體模型及規則庫的不斷學習更新。

圖1 基于本體追蹤的智能故障診斷體系框架

2 改進歸一化誤差電流數據分析法

采用以電流量為基本觀測信號的數據分析法對變流器開路故障進行診斷分析，電流信號易獲取、無需增加額外檢測設備且能夠直觀地反映系統運行狀態的特點是該方法的巨大優勢。傳統歸一化電流法采用傅里葉變換系數對電機三相電流進行歸一化，之后將歸一化量與閾值進行比較從而檢測、定位故障開關，采用傅里葉變換的方式歸一化處理診斷變量使得算法能夠較好地應對負載突變，但算法的復雜度高、實用性差。

改進歸一化誤差電流數據分析法從降低歸一化算子復雜度、將診斷變量解耦為檢測變量與輔助變量兩個方面著手對傳統歸一化電流算法進行優化，其原理圖如圖2所示。該方法將從主控制系統中直接獲得的電機相電流及其基準值作為輸入，并對其做出相應變換。

在電機正常運行條件下，忽略高頻噪聲，電機供電電流i(=a,b,c)為平衡的三相正向電流，即

圖2 改進歸一化誤差電流數據分析法原理圖

針對歸一化算法的復雜性以及電流量對負載變化的敏感性問題，采用以相電流的平均模值對電流誤差信號的平均值進行歸一化處理，診斷變量d的表達式為

變流器等效拓撲結構如圖3所示，為了完成多重開路故障診斷，使用兩個閾值f和l，并根據式（6）和式（7）來公式化定義故障診斷變量。

表1 多重IGBT開路故障特征表

由以上分析可知，改進歸一化誤差電流數據分析法能夠快速準確定位變流器故障IGBT、算法簡單、檢測變量及輔助變量，能夠覆蓋定位所有故障開關組合類型。但該算法無法診斷致使IGBT開路的間接故障及誘因，PMSM驅動系統中光耦隔離電路故障、脈沖調制信號故障、過電流燒毀及線路開路等多種故障類型最終都會導致IGBT開路，在故障特征、故障現象相似的情況下，數據分析法對于源頭誘因無從獲取；且數據分析一類的算法對于外部特征不夠凸顯的故障診斷幾乎失效，當故障范圍擴大到驅動系統乃至整個PMSM機組時，面對龐大高階系統的繁雜故障種類及關系、大規模的多源異構數據，單一算法無法承擔故障診斷任務，面對多擾動、高實時性的運行狀態及各個組件、子系統之間的同步實效性較差。因此在數據分析診斷優勢的基礎上，有機地結合本體追蹤技術以解決數據分析在故障診斷時存在的不足。

3 故障領域本體模型構建及故障追蹤

在本體編譯工具Protégé5.0中構建大型PMSM系統故障領域本體模型，重點細化驅動系統部分模型以研究基于本體追蹤的故障診斷方法，將改進歸一化誤差電流數據分析法融于本體構建過程中，所得故障特征映射至本體模型實例庫中。

3.1 本體的形式化定義

基于本體追蹤的故障診斷方法的核心是對故障領域本體的合理構建，對PMSM系統故障領域本體進行形式化定義，使得故障領域信息表示達成一致。

定義1 對于PMSM系統的故障診斷過程f，始于故障現象f及故障特征f，執行故障形式f及故障類型f，追溯故障原因f，定位故障設備f，止于維修措施f，以七元組f的形式描述。

3.2 故障領域本體模型構建

通過對故障知識的形式化定義，增強了本體模型的通用性。采用自頂向下的構建方式結合本體開發的經驗，基于OWL本體描述語言，構建PMSM系統故障領域本體模型，并重點強化驅動系統的精度，其構建流程如圖4所示。

圖4 故障領域本體構建流程

根據PMSM機組的實際運行過程，將故障領域本體分為故障診斷、故障原因、故障特征、故障現象、故障形式、故障類型、故障設備和維修措施共八個大類；采用對象屬性定義故障類之間多對多的關系，見表2。需要聲明的是，本體模型中“類”的構建原則為宏大而粗粒度，其目的是盡可能包含大型復雜系統的所有異構信息，只有在本體“類”足夠全面、包含范圍足夠廣的前提下，才能使“本體追蹤”的效果更優。而專業領域知識中具體的、針對性的信息表示需要在本體“實例庫”中映射或構建；將改進歸一化誤差電流數據分析法對變流器開路故障分析所得的故障特征及識別信息標準化處理后，映射為數據屬性及類的實例，實現兩種故障診斷方法的有機結合。基于本體的領域知識表示方法為故障診斷提供了規范的概念術語、特定的屬性關系及完備的個體實例。利用HermiT推理機對本體模型進行語義及邏輯自查，并根據檢查結果不斷修正模型，提高了異構信息集成及診斷推理結果的可靠性。

表2 故障領域本體對象屬性

3.3 本體基于規則的推理

PMSM系統故障領域本體模型為驅動系統開路故障診斷分析及推理提供了數據基礎，數據分析法對變流器開路故障的特征分析結果、機組歷史故障案例以及專家經驗為基于規則的知識推理提供了邏輯依據。前文本體模型構建的廣度及全面性、領域知識的細粒度劃分效果、邏輯的合理性是推理能夠順利進行的先決條件。

以本體結點為推理對象，本體模型主要由OWL描述，為了實現推理，采用專門的語義Web規則語言（Semantic Web Rule Language, SWRL），借助SWRL Rules插件在Protégé中構建規則知識庫，并在Pellet推理引擎中實現推理。將改進歸一化誤差電流數據分析法診斷結果、歷史經驗及領域知識寫入規則并進行推理，從故障表現或故障特征出發，將故障類型與故障原因相匹配，最終追溯到故障部件及維修措施。

基于數據基礎及邏輯依據構建的SWRL規則庫能夠更好地應對不確定事件的推理，便于根據實際故障運維情況的反饋進行規則的更新及演化，在反復實踐中不斷學習及同步更新，以使故障診斷效果逐步優化，滿足了PMSM運行過程中高擾動、高實時性的特點對診斷算法靈活性的要求。

在精確本體庫及規則推理的支撐下，面對PMSM驅動系統的故障時，故障IGBT的組合方式不再是故障診斷的唯一目標；相反，故障IGBT組合的正確識別成為本體追溯的開端，IGBT開路的源頭誘因及真正故障模式及類型成為基于本體追溯的故障診斷方法的推理方向。

4 實例驗證

在對基于本體追蹤的故障診斷方法進行了深入的理論分析與研究后，對提出的方法進行驗證，利用Matlab/Simulink環境對PMSM驅動系統進行建模仿真，采用滯環電流控制器轉子磁場定向控制策略控制電機速度，并在驅動系統中引入單個及多個開關開路故障，在不同故障開關組合下驗證診斷變量的變化特征，并提取故障特征。

由此可以證明，改進歸一化誤差電流數據分析法所得故障特征可以歸結為表1內容，將表1所提供的數據信息、邏輯信息分別作為數據屬性及實例、SWRL規則映射至本體模型中。根據f及FDO的形式化定義及圖4本體模型的構建流程，通過Protégé5.0編輯本體類、屬性、實例。數據分析法分析結果的部分映射見表3；構建的本體部分展開模型如圖6所示，在“故障類型”類中，包含的節點眾多，每個節點與驅動系統開路故障均有可能存在耦合關聯，為本體追蹤提供了數據庫支持。根據故障機理及構建好的領域本體模型寫入SWRL診斷規則，代碼示例見附錄。

圖5 改進歸一化誤差電流數據分析法故障特征圖

表3 改進歸一化誤差電流數據分析法在本體模型中數據屬性及實例的映射

圖7 本體追蹤部分診斷結果

不同于數據分析法的故障診斷結果，基于本體追蹤的故障診斷方法沒有將IGBT開路現象簡單地定義為變流器故障，而是結合非結構化本體數據追蹤至驅動系統其他結構的故障問題。該故障診斷方法對有較多歷史案例及專家經驗的故障來說效率更高，在實際工程中的驅動變流器結構中，三電平、五電平等涉及更多晶閘管的情況下，故障的組合方案非常龐大，當實際范圍擴大至整個電機甚至PMSM系統時，想要依靠運維人員的經驗或查找手冊來確認故障點的效率及準確率都非常低，基于本體追蹤的方法將定性診斷與定量診斷相結合，能夠高效準確地追溯故障源，為運維人員提供決策支持。

5 結論

1）分析并驗證了改進歸一化誤差電流數據分析法在識別變流器故障IGBT方面的優勢，以及在PMSM系統中追溯引發IGBT故障根本原因方面的不足，并由此提出了基于本體追蹤的故障診斷方法，將定量診斷與定性診斷相結合。

2）將定量診斷提取的故障特征用于之后的本體映射，使本體技術不再只依靠知識及規則進行推理，延長了故障診斷的生命周期，故障設備（IGBT開關管）由一般的診斷目標變為起始點；同時優化了診斷方向，將直接故障延伸至中間故障最終追溯到故障根本原因，加強了對不確定事件的靈活推理。

3）本體模型構建作為知識圖譜的前端設計，為PMSM系統知識圖譜的發展提供了標準化、易復用、結構清晰的領域基礎模型，彌補了知識圖譜構建過程中無法進行邏輯檢查及靈活推理缺失的不足。

4）面向合作風電企業的實際需求，課題組將本文方法應用到風力發電機定子繞組故障、PMSM驅動系統故障、變槳電機故障、主軸承故障等10多種風電機組故障中，構成包含領域知識和實踐技能的風電系統故障診斷知識圖譜；后續將研究如何將自主構建的風電系統故障診斷知識圖譜與更大平臺的知識圖譜并軌，最終實現與電力運檢知識信息管理圖譜、電力供應鏈圖譜及電網調度自動化系統圖譜等電網業務圖譜相匯集，遵循電力行業正在積極推行的智慧電網知識圖譜發展態勢。

SWRL規則：故障診斷(?x)^Da_is(?x,?y)^swrlb:

greaterThan(?y,0.5)^Db_is(?x,?z)^swrlb:greaterThan(?z,0.5)^Dc_is(?x,?o)^swrlb:lessThan(?o,0.5)^Aa_is(?x,?h)^swrlb:greaterThan(?h,0.2)^Ab_is(?x,?m)^swrlb:greaterThan(?m,0.2)^Ac_is(?x,?n)^swrlb:greaterThan(?n,0.2)^hasPhenomenon(?x,外部無明顯異常)->resultIn(?x,IGBT同側雙開關開路)^mayLeadTo(?x,驅動線路出現故障)^happenAt(?x,IGBT1)^happenAt(?x,IGBT3)^orLeadTo(?x,驅動光耦隔離電路故障)^orLeadTo(?x,驅動信號調制電路故障)。

SWRL部分語句含義見附表1。

附表1 SWRL部分語句含義

App.Tab.1 SWRL partial statement meaning

邏輯比較含義 swrlb:greaterThan大于 swrlb:lessThan小于

其中，語句內所含問號為SWRL書寫規則中變量的前綴。

[1] 魏永清, 康軍, 曾海燕, 等. 十二相永磁電機驅動系統的容錯控制策略[J]. 電工技術學報, 2019, 34(21): 4467-4473.

Wei Yongqing, Kang Jun, Zeng Haiyan, et al. Fault-tolerant control strategy for twelve-phase permanent magnet synchronous motor propulsion system[J]. Transactions of China Electrotechnical Society, 2019, 34(21): 4467-4473.

[2] 陳文漢, 孫丹, 王銘澤. 斷相故障下開繞組永磁同步電機模型預測控制容錯控制策略研究[J]. 電工技術學報, 2021, 36(1): 77-86.

Chen Wenhan, Sun Dan, Wang Mingze. Research on fault-tolerance strategy based on model predictive control for open-winding PMSM system under open-phase fault[J]. Transactions of China Electrotechnical Society, 2021, 36(1): 77-86.

[3] 林京京, 沈艷霞. 永磁同步電機驅動系統電流傳感器容錯控制[J]. 浙江大學學報(工學版), 2019, 53(9): 1815-1825.

Lin Jingjing, Shen Yanxia. Stator current sensors’ fault tolerant control for permanent magnet synchronous motor drive system[J]. Journal of Zhejiang University (Engineering Science), 2019, 53(9): 1815-1825.

[4] 張海霞, 譚陽紅, 周野. 變流器開路故障下永磁同步風力發電系統運行特性分析[J]. 中國電機工程學報, 2018, 38(23): 7045-7051, 7138.

Zhang Haixia, Tan Yanghong, Zhou Ye. Characteristic analysis for permanent magnet syn-chronous generator wind power systems during converter faults[J]. Proceedings of the CSEE, 2018, 38(23): 7045-7051,7138.

[5] 李輝, 楊甜, 譚宏濤, 等. 基于電壓和電流特征的雙饋風電變流器功率器件開路故障綜合診斷[J]. 電工技術學報, 2021, 36(16): 3433-3445.

Li Hui, Yang Tian, Tan Hongtao, et al. Comprehensive diagnosis of open-circuit fault for power devices of doubly-fed wind power converter based on the features of voltage and current[J]. Transactions of China Electrotechnical Society, 2021, 36(16): 3433-3445.

[6] 徐殿國, 劉曉峰, 于泳. 變頻器故障診斷及容錯控制研究綜述[J]. 電工技術學報, 2015, 30(21): 1-12.

Xu Dianguo, Liu Xiaofeng, Yu Yong. A survey on fault diagnosis and tolerant control of inverters[J]. Transactions of China Electrotechnical Society, 2015, 30(21): 1-12.

[7] Henao H, Capolino G A, Fernandez-Cabanas M , et al. Trends in fault diagnosis for electrical machines: a review of diagnostic techniques[J]. IEEE Industrial Electronics Magazine, 2014, 8(2): 31-42.

[8] 于泳, 蔣生成, 楊榮峰, 等. 變頻器IGBT開路故障診斷方法[J]. 中國電機工程學報, 2011, 31(9): 30-35.

Yu Yong, Jiang Shengcheng, Yang Rongfeng, et al. IGBT open circuit fault diagnosis method for inverter[J]. Transactions of China Electrotechnical Society, 2011, 31(9): 30-35.

[9] 黃科元, 劉靜佳, 黃守道, 等.永磁直驅系統變流器開路故障診斷方法[J]. 電工技術學報, 2015, 30(16): 129-136.

Huang Keyuan, Liu Jingjia, Huang Shoudao, et al. Converters open-circuit fault-diagnosis methods research for direct-driven permanent magnet wind power system[J]. Transactions of China Electrotechnical Society, 2015, 30(16): 129-136.

[10] 伍珣, 陳特放, 成庶, 等. 基于輸出電流軌跡的機車逆變器開路故障在線診斷方法[J]. 電工技術學報, 2017, 32(增刊2): 87-95.

Wu Xun, Chen Tefang, Cheng Shu, et. Al. An online diagnostic method based on output current locus for open-circuit faults of inverters[J]. Transactions of China Electrotechnical Society, 2017, 32(S2): 87-95.

[11] Ning Fang, Peng Guo．Wind generator tower vibration fault diagnosis and monitoring based on PCA[C]// 2013 25th Chinese Control and Decision Conference, 2013: 1924-1929．

[12] 曹海洋, 沈建輝, 姜子健, 等. 基于雙混合鉗位式變流器的永磁直驅風力發電系統控制策略[J]. 電工技術學報, 2016, 31(11): 32-40.

Cao Haiyang, Shen Jianhui, Jiang Zijian, et al. Control strategy of permanent magnet direct-driven wind generation system based on hybrid clamp dual PWM rectifier[J]. Transactions of China Electrotechnical Society, 2016, 31(11): 32-40.

[13] Estima J O, Marques Cardoso A J. A new algorithm for real-time multiple open-circuit fault diagnosis in voltage-fed PWM motor drives by the reference current errors[J]. IEEE Transactions on Industrial Electronics, 2013, 60(8): 3496-3505.

[14] 李娟莉, 楊兆建, 龐新宇. 面向知識工程的提升機智能故障診斷方法[J]. 煤炭學報, 2016, 41(5): 1309-1315.

Li Juanli, Yang Zhaojian, Pang Xinyu. Intelligent fault diagnosis method of mine hoist based on knowledge engineering[J]. Journal of China Coal Society, 2016, 41(5): 1309-1315.

[15] 李娟莉, 楊兆建. 基于本體的礦井提升機故障診斷方法[J]. 振動.測試與診斷, 2013, 33(6): 993-997, 1094.

Li Juanli, Yang Zhaojian. Fault diagnosis method for mine hoist based on ontology[J]. Journal of Vibration, Measurement & Diagnosis, 2013, 33(6): 993-997, 1094.

[16] 周安美, 于德介, 吳雪明, 等. 基于本體的大型風力發電機組故障智能診斷研究[J]. 中國機械工程, 2012, 23(17): 2075-2080.

Zhou Anmei, Yu Dejie, Wu Xueming, et al. Research on intelligent fault diagnosis for large—scale wind turbines based on ontology[J]. China Mechanical Engineering, 2012, 23(17): 2075-2080.

[17] 于德介, 趙丹, 周安美. 基于本體故障樹的關鍵機組診斷決策研究[J]. 湖南大學學報(自然科學版), 2013, 40(8): 46-51.

Yu Dejie, Zhao Dan, Zhou Anmei. Research on the diagnosis decision-making of key units based on ontology and fault tree[J]. Journal of Hunan University (Natural Sciences), 2013, 40(8): 46-51.

[18] 余磊, 谷宏強, 孟晨, 等.基于本體的裝備PHM知識化建模研究[J]. 火力與指揮控制, 2019, 44(10): 13-17.

Yu Lei, Gu Hongqiang, Meng Chen, et al. Research on ontology-based knowledge modeling of equipment PHM[J]. Fire Control & Command Control, 2019, 44(10): 13-17.

[19] 王瓊, 魏軍, 閆潤珍, 等. 知識圖譜在智能電網的應用[J]. 電子元器件與信息技術, 2020, 4(1): 135-137, 147. Wang Qiong, Wei jun, Yan Runzhen, et al. Application of knowledge map in smart grid[J]. Electronic Component and Information Technology, 2020, 4(1): 135-137, 147.

[20] Freire N M A, Estima J O, Marques Cardoso A J, et al. Open-circuit fault diagnosis in PMSG drives for wind turbine applications[J]. IEEE Transactions on Industrial Electronics, 2013, 60(9): 3957-3967.

Open Circuit Fault Diagnosis Method for Permanent Magnet Synchronous Machine Drive System Based on Ontology Tracking

Zhang Xiaodan Duan Bin Liu Changjie Chen Yueping

（School of Automation and Electronic Information Xiangtan University Xiangtan 411105 China）

A fault diagnosis method based on ontology tracking is proposed for the problems of permanent magnet synchronous machine (PMSM) system strong fault correlation, complex heterogeneous information, and traditional fault diagnostic methods cannot trace the true cause of the coupling fault. Taking the open-circuit fault of PMSM drive system as the main research object, firstly, define and standardize the ontology model in PMSM fault diagnosis field, and integrate the dense heterogeneous information in the PMSM system; secondly, on the basis of improving the normalized fault current data analysis method to accurately and quickly locate the fault switch pipe, the fault characteristics and identification results obtained from quantitative analysis are map to the fault field ontology model, extending the scope of fault diagnosis; finally, through the preset of semantic web rule language (SWRL) rule library and rule-based reasoning, integrate the ontology technology to trace and diagnose the fault cause, fault type and other information. Experiments verify that the proposed method improves the utilization of information among subsystems and can reasonably trace the cause of failure, providing a shared and easy to update standardized method for fault diagnosis of large complex systems.

Improved normalized error current, ontology, open circuit fault, fault diagnosis, drive system

10.19595/j.cnki.1000-6753.tces.210557

TP182; TP277

湖南省自然科學基金資助項目（2020JJ6034）。

2021-04-20

2021-06-17

張瀟丹 女，1997年生，碩士研究生，研究方向為風電系統智能故障診斷。E-mail：zxd1997229@163.com

段 斌 男，1966年生，教授，博士生導師，研究方向為信息技術在電力系統中的應用、工程教育認證。E-mail：db61850@163.com（通信作者）

（編輯 郭麗軍）