付朝陽, 劉景林, 張曉旭

(西北工業(yè)大學 自動化學院, 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。控制系統(tǒng)中實現(xiàn)余度控制一種方案是1臺電機及其控制系統(tǒng)作為1個通道，采用多臺電機及其控制系統(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引入到電機上，電機定子中設置多套繞組，共用1套轉子系統(tǒng)，每套繞組分別與控制系統(tǒng)構成獨立的通道。該方案的特點是：體積小、重量輕、成本低。

目前，國內(nèi)科研機構已對余度電機做了一些初步研究。文獻[1]研究了雙余度無刷直流電機的極弧系數(shù)對其轉矩波動的影響，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[2]采用場路結合的方法設計了一種用于直接驅(qū)動作動器(DDA)的電氣/機械混合式四余度無刷直流力矩電動機，該電機具有同軸的2段定、轉子，每段定子中隔槽嵌放2套繞組，從而構成電氣/機械混合四余度，通過實驗驗證了該方案的可行性。文獻[3]對雙余度無刷電機的數(shù)學模型進行了推導，設計了相關原理樣機，驗證了雙余度設計的可行性。文獻[4]研究了繞組短路故障對直接驅(qū)動作動器(DDA) 用電氣/ 機械混合四余度無刷直流力矩電動機(BLDCTM) 性能的影響，分析了短路故障對電機電氣參數(shù)造成的影響，系統(tǒng)的仿真結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。

在上述文獻中，大多針對雙余度永磁無刷直流電機的設計及其控制方法進行了研究，針對故障診斷方面的研究較少。由于繞組中設置了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由于繞組間的耦合作用，存在一個故障對應多個故障特征和多個故障特征對應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采用了2套電樞繞組，在電機運行時，2套繞組會通過電感互相耦合，

而當電機發(fā)生故障時，電機的轉速、轉矩和電流等都會發(fā)生變化，電機轉矩方程如下所示：

T=CTφI

(1)

設電樞電流的脈動頻率為fI，可知電機轉速為

n=60fI/P

(2)

由上述2個公式可以看到，電機的轉矩、轉速均與電流相關。因此當電機發(fā)生故障時，電機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，進行頻帶能量分析。

根據(jù)以上方法，對電機進行了動態(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

繞組開路是電機的一種常見故障。對雙余度高壓永磁無刷直流電機來說，由于采用了2套電樞繞組，當其中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。

對每相電流信號進行2層多分辨率coif5分解，得到其中的d2分解系數(shù)。結果分別如圖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)絡的松散型結合，選取小波作為信號處理的前置手段，為神經(jīng)網(wǎng)絡提供特征向量，之后完成訓練和診斷。

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

表3 歸一化后的故障特征向量表

PNN是一種機構簡單、訓練簡潔、應用相當廣泛的人工神經(jīng)網(wǎng)絡。在實際應用中，尤其是在解決分類問題的應用中，它的優(yōu)勢在于用線性學習算法來完成以往非線性學習算法所做的工作。這種網(wǎng)絡對應的權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)絡進行故障診斷。

在進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的故障模式作為診斷結果。當故障樣本的數(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)絡可以不斷橫向擴展，故障診斷的能力也將不斷提高?；赑NN的系統(tǒng)模型如圖8所示。令網(wǎng)絡的目標輸出值為各故障狀態(tài)對應的二進制代碼，序號代表電機狀態(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)絡進行訓練，然后采集一組測試樣本，診斷結果如表4所示。診斷結果準確可靠。

表4 診斷結果

4 結 論

本文針對雙余度永磁無刷直流電機中常見的繞組匝間短路故障進行了研究。針對傅立葉變換的不足，提出了用小波變換進行故障檢測的方法；根據(jù)電機的故障樹，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故障信號進行了檢測，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)電機故障信號的特點，選擇小波神經(jīng)網(wǎng)絡作為其故障診斷方法，采用了松散型的結合方法；利用小波變換采集了多組故障信號特征向量并進行了歸一化處理；建立了基于PNN神經(jīng)網(wǎng)絡，診斷結果表明模型能準確地識別繞組匝間短路故障。

參考文獻：

[1] 王巍，郭宏，李艷明，于凱平．電氣雙余度無刷直流電動機轉子極弧系數(shù)研究[J]．電機與控制學報，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．雙余度無刷電動機位置伺服系統(tǒng)仿真與試驗[J]．中國電機工程學報，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/ 機械混合四余度無刷直流力矩電動機繞組短路分析[J]．航空學報，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