一种永磁同步电机静态偏心故障诊断方法转让专利
申请号 : CN202110367096.5
文献号 : CN113093005B
文献日 : 2022-02-22
发明人 : 马琮淦 , 张星星 , 王金昊 , 赵越 , 李琼瑶 , 李鑫 , 李佳铭 , 冯佳
申请人 : 哈尔滨工业大学(威海) , 中国第一汽车股份有限公司
摘要 :
权利要求 :
1.一种永磁同步电机静态偏心故障诊断方法,包括建立静态偏心故障特征库、建立基于BP神经网络的静态偏心故障的诊断模型、静态偏心故障诊断三部分;
所述建立静态偏心故障特征库包括如下步骤:步骤S1:为待测永磁同步电机布置探测线圈、获得待测永磁同步电机样机:待测永磁同步电机的槽数为Qs,在待测永磁同步电机定子齿上布置x个探测线圈,探测线圈跨齿数为y,探测线圈匝数为2;将x个探测线圈依次编号为探测线圈i,i=1,2,…,x,获得待测永磁同步电机样机;
其中,x和y为整数,且3≤x≤Qs/3,1≤y≤floor(Qs/x),floor(Qs/x)表示Qs和x比值的向下取整函数;
步骤S2:建立待测永磁同步电机样机的静态偏心故障电磁仿真模型:在电磁有限元仿真软件中,建立m×n个不同静态偏心率δ和不同静态偏心圆周角γ的待测永磁同步电机样机的静态偏心电磁有限元模型,设置静态偏心率分别为0、a、2a、…、(m‑1)a,静态偏心圆周角分别为0°、b°、2b°、…、(n‑1)b°,其中m和n为正整数,a≤10%,(m‑
1)a≤1,b≤2且nb=360;建立的m×n个待测永磁同步电机样机的静态偏心电磁有限元模型的静态偏心故障特征构成的矩阵表示为Um×n,矩阵的每个元素Ujk为(δ,γ),其中,Ujk为矩阵第j行第k列的元素,j和k为正整数,且1≤j≤m,1≤k≤n,δ为静态偏心率,γ为静态偏心圆周角;每个元素Ujk对应一种静态偏心工况,每个静态偏心工况包含静态偏心率δ和静态偏心圆周角γ两个静态偏心故障特征;
步骤S3:获取探测线圈的电压:
在m×n个待测永磁同步电机的静态偏心故障电磁仿真模型中,设置电机转速为ns,并对其进行仿真,获取各静态偏心工况下x个探测线圈的电压、得到m×n个静态偏心工况下x个探测线圈电压;
步骤S4:获取探测线圈特征频率幅值:将得到的m×n个静态偏心工况下x个探测线圈电压进行快速傅里叶变换,得到各偏心工况下x个探测线圈的基波幅值;
将Ujk所表示的偏心工况下第i个探测线圈的基波幅值记为Vjk_i;其中,基波对应的频率为fc,fc为电机的电频率,j和k为正整数;
步骤S5:定义静态偏心故障的诊断指标并构建静态偏心故障特征库:在第Ujk偏心工况下第i个探测线圈的静态偏心故障诊断指标为:βjk_i=Vjk_i/ns
则各偏心工况下x个探测线圈的静态偏心故障的诊断指标可用矩阵表示为:其中,矩阵中每个元素为Um×n中各偏心工况下x个探测线圈的静态偏心故障的诊断指标;
所述建立基于BP神经网络的静态偏心故障的诊断模型包括如下步骤:步骤T1:BP神经网络结构的确定:所述BP神经网络的结构依次包括输入层、隐含层1、隐含层2和输出层;
步骤T2:BP神经网络节点传递函数和训练函数的选择:选取BP神经网络输入层节点数为x,隐含层1节点数为25,隐含层2节点数为40,输出层节点数为2,输入层‑隐含层1、隐含层1‑隐含层2、隐含层2‑输出层的节点传递函数分别为'tansig','tansig','purelin',训练函数为'trainlm';
步骤T3:BP神经网络训练集的确定:选择m×n个静态偏心工况下x个探测线圈电压的静态偏心故障的诊断指标Vm×n为BP神经网络的输入训练集,与诊断指标相对应的m×n个静态偏心工况下的两个静态偏心故障特征静态偏心率δ和静态偏心圆周角γ,即Um×n作为BP神经网络的输出训练集,两者一一对应,作为BP神经网络的训练集;
步骤T4:步骤T1、步骤T2确定的神经网络结构经步骤T3确定的BP神经网络的训练集训练后得出基于BP神经网络的静态偏心故障的诊断模型;
所述静态偏心故障诊断包括如下步骤:步骤P1:获取待测永磁同步电机样机的探测线圈电压:在步骤S1获得的待测永磁同步电机样机一定转速ns'下,采集其x个探测线圈的电压;
步骤P2:获取诊断指标:
将步骤P1采集的x个探测线圈的电压进行快速傅里叶变换,得到x个探测线圈电压的基波幅值,将第i个探测线圈的基波幅值记为V11_i',则静态偏心故障诊断指标β11_i'表示为:β11_i'=V11_i'/ns'计算得到待测永磁同步电机样机的静态偏心故障诊断指标,用矩阵表示为V1×1':V1×1'=[(β11_1',β11_2',…,β11_x')]步骤P3:静态偏心故障的诊断:
将步骤P2所得到的静态偏心故障诊断指标V1×1'中的元素作为基于BP神经网络的静态偏心故障的诊断模型的输入,基于BP神经网络的静态偏心故障的诊断模型的输出为待测永磁同步电机样机的静态偏心故障特征。
2.根据权利要求1所述的永磁同步电机静态偏心故障诊断方法,其特征在于步骤S1中:所述的探测线圈在待测永磁同步电机定子的圆周方向上均匀分布。
说明书 :
一种永磁同步电机静态偏心故障诊断方法
技术领域
背景技术
差、运行工况差等原因,永磁同步电机可能发生静态偏心故障。静态偏心故障是指电机的旋
转中心Or和转子中心OR重合,与定子中心OS分离的情况,如图1所示,图中,e为偏心距,γ为
偏心圆周角。静态偏心故障会使轴承状况恶化,使电机产生剧烈振动,进而使电机性能降
低、使用寿命缩短。如果可在永磁同步电机故障初期诊断出静态偏心故障,就可以尽早对其
进行维修。因此,静态偏心故障诊断对于维护永磁同步电机的稳定运行具有重要意义。
绕组电压、d轴电感容易获取且不易受外界干扰,但对于非单元电机的诊断,三相电压、三相
电流和d轴电感失效,而定子绕组电压只适用于感应电机。单元电机空载反电动势可以准确
的诊断静态偏心故障,但单元电机引线困难,反电动势难以获取。例如专利CN110703091A中
提出了一种基于单元电机空载反电动势的静态偏心故障诊断方法,较为准确的诊断了静态
偏心率和静态偏心圆周角,但并未解决引线问题。探测线圈电压信号可以准确的诊断静态
偏心率和静态偏心圆周角,且线圈布置简单。专利CN210072012U沿定子轭部均匀布置了四
个探测线圈,揭示了探测线圈电压基波幅值的变化趋势和静态偏心圆周角的关系,但未诊
断静态偏心率和静态偏心圆周角。专利CN103713261B在定子齿三个不同轴面分别均匀布置
了6个探测线圈,分析了偏心类型、静态偏心圆周角与探测线圈电压的关系,但并未定量诊
断静态偏心率和静态偏心圆周角。专利CN109541461B在12个定子齿上布置探测线圈,获取
12个探测线圈的电压,根据电压信号估算定子齿磁通,根据磁通诊断静态偏心率和静态偏
心圆周角,但诊断所需的探测线圈数量多、后处理过程复杂。
出了一种利用特斯拉计直接采集磁通信号,进而利用磁通随静态偏心的变化规律来进行偏
心故障诊断的方法。该方法可以诊断静态偏心率和静态偏心圆周角,但破坏了电机。
诊断点的轴向和切向振动,诊断了静态率、动态偏心率,但精度较低,且未诊断静态偏心圆
周角。
法操作便捷,但只能粗略地区分电机故障类型,用若干等级来表征故障的程度。
地对静态偏心故障进行诊断。
发明内容
x,获得待测永磁同步电机样机;
2a、…、(m‑1)a,静态偏心圆周角分别为0°、b°、2b°、…、(n‑1)b°,其中m和n为正整数,a≤
10%,(m‑1)a≤1,b≤2且nb=360;建立的m×n个待测永磁同步电机样机的静态偏心电磁有
限元模型的静态偏心故障特征构成的矩阵表示为Um×n,
工况,每个静态偏心工况包含静态偏心率δ和静态偏心圆周角γ两个静态偏心故障特征。(m
×n个待测永磁同步电机样机的静态偏心电磁有限元模型可模拟待测永磁同步电机样机的
m×n个偏心工况)
况下x个探测线圈电压;
为'tansig','tansig','purelin',训练函数为'trainlm';
障特征静态偏心率δ和静态偏心圆周角γ,即Um×n作为BP神经网络的输出训练集,两者一一
对应,作为BP神经网络的训练集;
障的诊断模型如图9所示;
为:
测永磁同步电机样机的静态偏心故障特征。
静态偏心圆周角。
附图说明
具体实施方式
x,获得待测永磁同步电机样机;
2a、…、(m‑1)a,静态偏心圆周角分别为0°、b°、2b°、…、(n‑1)b°,其中m和n为正整数,a≤
10%,(m‑1)a≤1,b≤2且nb=360;建立的m×n个待测永磁同步电机样机的静态偏心电磁有
限元模型的静态偏心故障特征构成的矩阵表示为Um×n,
工况,每个静态偏心工况包含静态偏心率δ和静态偏心圆周角γ两个静态偏心故障特征。(m
×n个待测永磁同步电机样机的静态偏心电磁有限元模型可模拟待测永磁同步电机样机的
m×n个偏心工况)
况下x个探测线圈电压;
个探测线圈时,静态偏心圆周角为0°,静态偏心率分别为0和60%的4个探测线圈电压的波
形图,图8为静态偏心圆周角为0°,静态偏心率分别为0和60%时,探测线圈1的电压幅频特
性图。由图4至图8可知,永磁同步电机无偏心时,4个探测线圈电压的幅值和波形一致。当发
生静态偏心时,4个探测线圈电压的幅值发生变化,且靠近0°的第1个探测线圈幅值最大,即
最靠近偏心方向的探测线圈电压幅值最大。
为'tansig','tansig','purelin',训练函数为'trainlm';
障特征静态偏心率δ和静态偏心圆周角γ,即Um×n作为BP神经网络的输出训练集,两者一一
对应,作为BP神经网络的训练集;
障的诊断模型如图9所示;
为:
测永磁同步电机样机的静态偏心故障特征,静态偏心故障特征包括静态偏心率δ'和静态偏
心圆周角γ',以确定静态偏心工况,δ'和γ'分别为诊断得到的静态偏心率和静态偏心圆
周角。
2,3,4),获取待测永磁同步电机样机,探测线圈的布置结构如图3所示。
元模型,设置静态偏心率δ分别为0、10%、20%、…、80%,静态偏心圆周角γ分别为0°、
1.875°、3.75°、…、358.125°。建立的9×192待测永磁同步电机样机的静态偏心电磁有限元
模型的静态偏心故障特征构成的矩阵表示为U9×192,矩阵的每个元素Ujk为(δ,γ),其中,Ujk
为矩阵第i行第k列的元素,j和k为正整数,且1≤j≤9,1≤k≤192,δ为静态偏心率,γ为静
态偏心圆周角:
态偏心工况下4个探测线圈电压进行快速傅里叶变换,得到各偏心工况下4个探测线圈的基
波幅值;将Ujk所表示的偏心工况下第i个探测线圈的基波幅值记为Vjk_i;其中,基波对应的
频率为fc,fc为电机的电频率,j和k为正整数。然后,计算各工况下4个探测线圈的静态偏心
故障诊断指标,在第Ujk偏心工况下第i个探测线圈的静态偏心故障诊断指标为:
态偏心故障特征静态偏心率δ和静态偏心圆周角γ,即U9×192为BP神经网络的输出训练集,
构建一个4‑25‑40‑2的双层BP神经网络。其中,输入层‑隐含层1、隐含层1‑隐含层2、隐含层
2‑输出层的节点传递函数分别选择'tansig','tansig','purelin',训练函数选择'
trainlm'。获得基于BP神经网络的静态偏心故障的诊断模型。
可用矩阵U4×8'表示为:
扭,通过转矩转速传感器7监测输出转矩和转速,将已知转速和转矩输入待测永磁同步电机
9转动,探测线圈接线头引出至接线盒10,并通过数采13和连接线12、14将探测线圈电压采
集至电脑15。待测永磁同步电机9安装在支撑夹具8、11上,减速器5转矩转速传感器7经联轴
器6相连。
个探测线圈电压的基波幅值,计算得到U4×8'所表示的4×8个静态偏心工况下4个探测线圈
的静态偏心故障诊断指标,可用矩阵表示为V4×8':
模型的输入,其输出为待测内置式永磁同步电机样机的静态偏心故障特征,静态偏心故障
特征包括静态偏心率δ'和静态偏心圆周角γ',以确定静态偏心工况。
断值和实际值示意图,横坐标为静态偏心率、纵坐标为静态偏心圆周角,+和o分别表示实际
偏心数据和诊断偏心率和偏心圆周角。由表1和图12可知,静态偏心率和静态偏心圆周角诊
断结果与实际值吻合较好。静态偏心率诊断的最大误差为0.2576%,静态偏心圆周角诊断
的最大误差为1.1063°。