程學(xué)珍 王 程 于永進(jìn) 伊利峰 陳 強(qiáng)

(1.山東科技大學(xué)礦山災(zāi)害預(yù)防控制省部共建國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地 青島 266590 2.山東科技大學(xué)電氣與自動(dòng)化工程學(xué)院 青島 266590)

?

一種基于模糊故障Petri網(wǎng)的三相異步電動(dòng)機(jī)故障分析方法

程學(xué)珍1，2王 程1，2于永進(jìn)1，2伊利峰2陳 強(qiáng)1，2

(1.山東科技大學(xué)礦山災(zāi)害預(yù)防控制省部共建國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地 青島 266590 2.山東科技大學(xué)電氣與自動(dòng)化工程學(xué)院 青島 266590)

為提高三相異步電動(dòng)機(jī)運(yùn)行的穩(wěn)定性，采用模糊故障Petri網(wǎng)理論對(duì)運(yùn)行電動(dòng)機(jī)進(jìn)行狀態(tài)評(píng)價(jià)與故障診斷。根據(jù)電動(dòng)機(jī)故障邏輯關(guān)系，結(jié)合Petri網(wǎng)建模方法，建立電動(dòng)機(jī)的模糊故障Petri網(wǎng)模型；提出變遷使能點(diǎn)火判別矩陣，結(jié)合MYCIN置信度矩陣法的正向推理算法，實(shí)現(xiàn)電動(dòng)機(jī)運(yùn)行狀態(tài)的準(zhǔn)確評(píng)價(jià)；逆向推理算法即為故障診斷過程，提出一種更為簡(jiǎn)潔的全矩陣推理算法，使診斷速度極大提高；采用最小割集理論進(jìn)行優(yōu)先診斷能夠很好地避免診斷的盲目性；最后對(duì)電動(dòng)機(jī)部分故障模型進(jìn)行演繹分析，并通過故障樹、統(tǒng)計(jì)數(shù)據(jù)和方法對(duì)比驗(yàn)證推理模型的可靠性和合理性。

模糊故障Petri網(wǎng) 三相異步電動(dòng)機(jī) 狀態(tài)評(píng)價(jià)與故障診斷 矩陣推理 最小割集

0 引言

三相異步電動(dòng)機(jī)(以下稱電動(dòng)機(jī))廣泛應(yīng)用于國(guó)民生產(chǎn)中的各方面。生產(chǎn)過程中需要對(duì)電動(dòng)機(jī)進(jìn)行在線監(jiān)測(cè)，通過監(jiān)測(cè)電動(dòng)機(jī)運(yùn)行狀態(tài)，采集運(yùn)行數(shù)據(jù)進(jìn)行分析，從而判斷電動(dòng)機(jī)故障原因和故障嚴(yán)重程度[1]。目前國(guó)內(nèi)外有關(guān)電動(dòng)機(jī)故障診斷和分析方面的研究很多，但大多集中在轉(zhuǎn)子斷條、偏心、定子短路等單一故障方面，難以滿足電動(dòng)機(jī)整體故障診斷的需求。因此，尋求整體、合理的故障診斷方法，使其能夠有效、清晰地進(jìn)行故障評(píng)價(jià)和診斷具有重要意義。

Petri網(wǎng)因具有良好的并行計(jì)算和矩陣運(yùn)算的能力以及便捷的圖形化的表示方法[2]，許多學(xué)者將其應(yīng)用到故障診斷中。文獻(xiàn)[3]應(yīng)用Petri網(wǎng)模型解決了知識(shí)表示問題，但故障診斷往往存在不確定性，使得故障信息的表達(dá)不充分。文獻(xiàn)[4]將模糊技術(shù)與Petri網(wǎng)相結(jié)合，提出模糊Petri網(wǎng)(Fuzzy Petri Net，F(xiàn)PN)的建模方法，并指出FPN中庫(kù)所的值表示命題的置信度，其值在0～1之間，有效解決了不確定性問題，但未給出FPN的動(dòng)態(tài)推理方法。文獻(xiàn)[5]根據(jù)模糊產(chǎn)生式規(guī)則，提出置信度矩陣推理算法。這些研究雖然在系統(tǒng)故障分析中取得了重大進(jìn)步，但故障傳播的固有特性未得到體現(xiàn)。文獻(xiàn)[6]定義了帶有激發(fā)矩陣的故障Petri網(wǎng)，提出了故障Petri網(wǎng)的激發(fā)矩陣分析方法，解決了故障建模中描述故障狀態(tài)變化過程的問題；文獻(xiàn)[7]結(jié)合模糊Petri網(wǎng)和故障Petri網(wǎng)在故障傳播、診斷和推理過程中的優(yōu)點(diǎn)，提出了模糊故障Petri網(wǎng)(Fuzzy Fault Petri Net，F(xiàn)FPN)的概念，并進(jìn)行了機(jī)械故障診斷的建模及應(yīng)用，取得了一定成效，但無具體的矩陣推理算法。

本文提出一種應(yīng)用矩陣推理的模糊故障Petri網(wǎng)對(duì)電動(dòng)機(jī)進(jìn)行故障分析的方法。對(duì)煤礦中采煤用隔爆型三相異步電動(dòng)機(jī)進(jìn)行了故障分析，建立了整體的采煤用隔爆型三相異步電動(dòng)機(jī)FFPN故障模型，定義了變遷點(diǎn)火規(guī)則，提出了基于變遷點(diǎn)火規(guī)則的狀態(tài)演繹矩陣方程，實(shí)現(xiàn)了正向推理與故障狀態(tài)評(píng)價(jià)。在逆向故障推理中，改進(jìn)逆向推理矩陣方程，并結(jié)合關(guān)聯(lián)矩陣和最小割集，實(shí)現(xiàn)故障的全面、準(zhǔn)確診斷。最后通過部分模型推理，驗(yàn)證了該方法的有效性。

1 模糊故障Petri網(wǎng)及其建模方法

1.1 模糊故障Petri網(wǎng)定義

模糊故障Petri網(wǎng)定義為一個(gè)10元組[6-11]

SFFPN=(P,T,I,O,M,Ω,α,f,H,U)

1.2FFPN的建模方法

模糊故障Petri網(wǎng)是結(jié)合了經(jīng)典Petri網(wǎng)[12]和模糊Petri網(wǎng)[7，12]的優(yōu)點(diǎn)而提出，其建模方法包括兩方面：一是根據(jù)系統(tǒng)的邏輯關(guān)系建立基本的Petri網(wǎng)模型，二是根據(jù)變遷發(fā)生規(guī)則模擬系統(tǒng)的動(dòng)態(tài)運(yùn)行過程[7]。本文對(duì)定義電動(dòng)機(jī)故障變遷發(fā)生規(guī)則進(jìn)行重點(diǎn)研究。

對(duì)于任意的變遷t，若其所有輸入庫(kù)所的置信度與相應(yīng)的輸入弧上的權(quán)值乘積之和大于變遷的閾值，則稱此變遷t預(yù)使能，若輸入庫(kù)所至少含有一個(gè)托肯，那么預(yù)使能變遷tj可觸發(fā)點(diǎn)火，在后繼的庫(kù)所POj產(chǎn)生一個(gè)新的置信度α(pOj)。

本文用故障模式的一般形式來描述模型演繹規(guī)則和模糊信息的表達(dá)，一般形式參見文獻(xiàn)[13]。

2 FFPN故障推理算法的研究

利用Petri網(wǎng)并行計(jì)算和矩陣運(yùn)算的能力，并結(jié)合Petri網(wǎng)的可達(dá)性進(jìn)行基于全矩陣的故障模型正反推理。在故障模型的推理之前，為了更好地表達(dá)推理矩陣運(yùn)算，鑒于文獻(xiàn)[5]，定義如下算子：

1)比較算子Θ：C=AΘB，A、B和C均為m×n矩陣，當(dāng)aij>bij時(shí)，Cij=1； 當(dāng)aij

2)取小算子∧：C=A∧B，A、B和C均為m×n矩陣，則cij=min(aij,bij)，i=1,2,…,m；j=1,2,…,n。

3)取大算子⊕：C=A⊕B，A、B和C均為m×n矩陣，則cij=max(aij,bij)，i=1,2,…,m；j=1,2,…,n。

5)直乘算子Δ： C=AΔB，A和C分別為m×n、n×m矩陣，B為n維矢量，則cij=aijbi，i=1,2,…,m；j=1,2,…,n。

2.1MYCIN的置信度方法

本文采用MYCIN的置信度推理法[11]來推導(dǎo)庫(kù)所事件的置信度，推理可得全部庫(kù)所的置信度值，依次作為故障評(píng)價(jià)與診斷的依據(jù)。公式為

(1)

當(dāng)αk+1=αk時(shí)，推理結(jié)束，否則繼續(xù)由αk求αk+1。

2.2 正向推理算法的研究

FFPN的正向推理過程通過在線監(jiān)測(cè)可能出現(xiàn)的故障征兆，預(yù)測(cè)可能發(fā)生的故障，是對(duì)故障傳播特性的反映。推理過程包括變遷點(diǎn)火的判別和故障狀態(tài)標(biāo)識(shí)(token)的流動(dòng)。應(yīng)用變遷點(diǎn)火判別矩陣得到變遷點(diǎn)火矢量，繼而推導(dǎo)故障狀態(tài)標(biāo)識(shí)矢量，得到故障信息傳播路徑。從而對(duì)故障的產(chǎn)生和傳播路徑有全面的評(píng)估，實(shí)現(xiàn)故障的預(yù)測(cè)，減少設(shè)備故障的發(fā)生。

1)變遷點(diǎn)火判別矢量。

C(x)=xφ(x)

(2)

首先，計(jì)算x的n維矢量

G(x)=I←·α

(3)

式中G(x)=(g1,g2,…,gn)T， 表示庫(kù)所置信度與權(quán)值的等效和值。其次，G(x)與變遷閾值矢量H比較

y=[G(x)φ(x)]ΘH

(4)

式中y為變遷預(yù)使能判別矢量，y=(y1,y2,…,yn)T。 如果變遷滿足點(diǎn)火條件，則點(diǎn)火矢量元素yi=1， 否則yi=0。

根據(jù)FFPN的點(diǎn)火規(guī)則，得到含有token的庫(kù)所所對(duì)應(yīng)變遷的使能點(diǎn)火矢量推導(dǎo)公式

(5)

式中(Mk-1-Mk-2)表示第k-1次新點(diǎn)火標(biāo)識(shí)矢量。

2)故障狀態(tài)標(biāo)識(shí)矢量推理矩陣。

本文引用文獻(xiàn)[14]的推導(dǎo)公式

Mk=Mk-1⊕(A?Yk)

(6)

式中A為Petri網(wǎng)關(guān)聯(lián)矩陣，A=I-O。

2.3 逆向推理算法的研究

FFPN的逆向推理是有故障現(xiàn)象發(fā)生時(shí)，尋求導(dǎo)致這一故障的原因。為迅速有效地檢修故障源，引用最小割集的理論進(jìn)行輔助故障推導(dǎo)和診斷。如果故障源有多個(gè)最小割集，則根據(jù)最小割集故障發(fā)生率確定優(yōu)先診斷順序。

定義3 若最小割集G={p1,p2,…,pn}， 則最小割集故障發(fā)生率為

(7)

FFPN的逆向推理的輸入、輸出庫(kù)所分別為正向輸出、輸入庫(kù)所，即I-=O，O-=I。

在文獻(xiàn)[8]推理矩陣的基礎(chǔ)上，提出改進(jìn)逆向推理矩陣為

(8)

3 電動(dòng)機(jī)FFPN模型的建立

隔爆型三相異步電動(dòng)機(jī)是應(yīng)用于存在爆炸性氣體環(huán)境的重要電氣設(shè)備，作為傳動(dòng)機(jī)的原動(dòng)力工具。其正確使用直接關(guān)系到工礦企業(yè)的安全生產(chǎn)，是企業(yè)經(jīng)濟(jì)效益的保障。電動(dòng)機(jī)設(shè)備的故障較為復(fù)雜，經(jīng)常會(huì)遇到一個(gè)故障對(duì)應(yīng)多種征兆，或一種故障征兆是由多個(gè)故障引起的情況[15]。本文簡(jiǎn)化分析電動(dòng)機(jī)的基本故障為轉(zhuǎn)子故障、定子故障、供電質(zhì)量問題、機(jī)械部件故障及其他外部故障，這些故障通常較為隱秘，通過影響電動(dòng)機(jī)運(yùn)行的其他因素，產(chǎn)生工作人員通過五官能感受到的故障，可綜合分為4大類故障，具體的故障模式如圖1所示。

圖1 電動(dòng)機(jī)故障系統(tǒng)FFPN模型圖Fig.1 Motor fault system FFPN model diagram

代號(hào)故障事件代號(hào)故障事件代號(hào)故障事件p1/X1電動(dòng)機(jī)負(fù)載過大p16/M8電動(dòng)機(jī)運(yùn)行過熱p31電源控制回路開關(guān)接觸不良p2/X2轉(zhuǎn)子繞組短路p17/M9電動(dòng)機(jī)缺相運(yùn)行p32轉(zhuǎn)子繞組機(jī)械故障p3/X3某相繞組電阻變小p18/Ma電動(dòng)機(jī)轉(zhuǎn)動(dòng)異?；蚩C(jī)p33電動(dòng)機(jī)中心線與采煤機(jī)中心線不一致p4/X4熔斷器熔體故障p19/Mb電動(dòng)機(jī)絕緣老化p34轉(zhuǎn)子軸向竄動(dòng)p5/X5軸封環(huán)結(jié)構(gòu)損壞p20/Mc潤(rùn)滑油量減少p35彈簧壓緊裝置故障p6/X6油封材料過熱p21/Md曲路環(huán)與軸孔產(chǎn)生摩擦p36電動(dòng)機(jī)掃膛p7/X7密封表面軸粗糙度值過大p22/T1電動(dòng)機(jī)繞組絕緣燒毀p37定子電流增大p8/X8溫度過高p23/X9電動(dòng)機(jī)超載或無規(guī)律沖擊負(fù)荷p38壓降過大p9/M1轉(zhuǎn)速下降p24/Me軸承過度磨損p39電動(dòng)機(jī)運(yùn)行振動(dòng)過大p10/M2某相電流過大p25/T2電動(dòng)機(jī)抱軸p40軸承噪音過大p11/M3激磁電流過大p26軸承鎖緊裝置故障p41電動(dòng)機(jī)轉(zhuǎn)動(dòng)無力或不轉(zhuǎn)且有嗡嗡聲p12/M4某相電壓缺失p27轉(zhuǎn)子鐵心變形p42電動(dòng)機(jī)運(yùn)行有異響p13/M5轉(zhuǎn)軸間隙進(jìn)入異物p28磁性槽楔破裂或脫落p43電動(dòng)機(jī)故障p14/M6電動(dòng)機(jī)進(jìn)油p29轉(zhuǎn)子繞組斷路p15/M7軸承受熱膨脹p30接線盒接頭松動(dòng)

4 基于FFPN的電動(dòng)機(jī)故障分析

為清晰、簡(jiǎn)明地展現(xiàn)診斷推理過程，本文模型以“電動(dòng)機(jī)繞組燒毀”為例進(jìn)行正反推理，其FFPN的模型如圖2所示。由圖2可獲得該模型的輸入、輸出矩陣I、O及關(guān)聯(lián)矩陣A。

圖2 部分FFPN模型Fig.2 Part FFPN model

4.1 初始值的確定

本文利用文獻(xiàn)[16]的方法，輔助于歷史數(shù)據(jù)和專家經(jīng)驗(yàn)，設(shè)定庫(kù)所初始置信度、權(quán)值、變遷可信度和閾值。

庫(kù)所初始置信度：α0=(0.8，0.6，0.9，0.92，0.7，0.9，0.62，0.82，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0.91，0，0)T。

庫(kù)所事件的權(quán)值：Ω=(1.0，1.0，0.4，0.6，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0，1.0)T。

變遷閾值均設(shè)為0.5。

變遷規(guī)則可信度：

U=diag(0.8，0.88，0.92，0.87，0.8，0.9，0.89，0.92，0.89，0.9，0.9，0.89，0.93，0.84，0.9，0.91，0.88，0.91，0.92，0.6，0.8，0.88，0.94，0.92，0.6，0.9)。

將α0、O、U、I帶入式(1)求出，推理計(jì)算得到

α1=(0.8，0.6，0.9，0.92，0.7，0.9，0.62，0.82，0.64，0.718，0.783，0.736，0.63，0.8，0.73，0，0，0，0，0.72，0，0，0.91，0，0.546)T

α2=(0.8，0.6，0.9，0.92，0.7，0.9，0.62，0.82，0.64，0.718，0.783，0.736，0.63，0.8，0.73，0.7，0.68，0.53，0.72，0.73，0.664，0，0.91，0，0.546)T

α3=(0.8，0.6，0.9，0.92，0.7，0.9，0.62，0.82，0.64，0.718，0.783，0.736，0.63，0.8，0.73，0.7，0.68，0.53，0.72，0.73，0.664，0.66，0.91，0.686，0.546)T

α4=(0.8，0.6，0.9，0.92，0.7，0.9，0.62，0.82，0.64，0.718，0.783，0.736，0.63，0.8，0.73，0.7，0.68，0.53，0.72，0.73，0.664，0.66，0.91，0.686，0.617)T

α5=α4推理結(jié)束，獲得各庫(kù)所事件的置信度。以此作為正反推理的庫(kù)所置信度數(shù)據(jù)。

4.2 正向推理

電動(dòng)機(jī)運(yùn)行時(shí)，若沒有故障發(fā)生，但通過監(jiān)測(cè)或監(jiān)管人員預(yù)測(cè)到故障征兆，本文假設(shè)在線監(jiān)測(cè)到如下故障征兆：“轉(zhuǎn)子繞組短路”、 “某相繞組電阻變小”、“軸封環(huán)結(jié)構(gòu)損壞”及“油封材料過熱”時(shí)，其初始標(biāo)識(shí)矢量M0=(0，1，1，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0)T。

將α3帶入式(3)、式(4)得到變遷預(yù)使能矢量y=(1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1，1)T。

將初始數(shù)據(jù)和y相應(yīng)地帶入式(5)進(jìn)行推理演繹，得到點(diǎn)火矢量及每次點(diǎn)火后的庫(kù)所標(biāo)識(shí)矢量

Y1=(0，1，1，1，0，1，1，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0)T

M1=(0，1，1，0，1，1，0，0，1，1，1，0，1，1，0，0，0，0，0，0，0，0，0，0，0)T

Y2=(0，0，0，0，0，0，0，0，0，1，1，1，0，1，1，1，0，0，0，0，0，0，0，0，0，0)T

M2=(0，1，1，0，1，1，0，0，1，1，1，0，1，1，0，1，0，1，1，1，0，0，0，0，0)T

Y3=(0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1，0，1，1，1，0，0，0)T

M3=(0，1，1，0，1，1，0，0，1，1，1，0，1，1，0，1，0，1，1，1，0，1，0，1，0)T

Y4=(0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1)T

M4=(0，1，1，0，1，1，0，0，1，1，1，0，1，1，0，1，0，1，1，1，0，1，0，1，1)T

Y5=(0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，1)T

Y5=Y4推理結(jié)束。模型庫(kù)所最終標(biāo)識(shí)矢量為M4故障，信息預(yù)測(cè)傳播路徑如圖3所示。從圖中可清晰看出p9、p10、p11、p13、p14、p16、p18、p19、p20、p22、p24和p25為故障征兆可能引發(fā)的故障，工作人員可根據(jù)如圖所示的故障預(yù)測(cè)信息和相應(yīng)庫(kù)所的置信度依次、有效地檢查相應(yīng)部件，進(jìn)而提高電動(dòng)機(jī)運(yùn)行的可靠性。

圖3 正向推理結(jié)束token分布Fig.3 Forward reasoning end token distribution

4.3 逆向推理

圖4 逆向推理結(jié)束token分布Fig.4 Adverse inference end token distribution

采用文獻(xiàn)[12]的方法求解最小割集，得到引發(fā)p12故障的最小割集為G1={p1}，G2={p2}，G3={p2p3}，G4={p3}，G5={p5}，G6={p6}，G7={p7}。根據(jù)式(7)得到f(G1)=0.8，f(G2)=0.6，f(G3)=0.75，f(G4)=0.9，f(G5)=0.7，f(G6)=0.9，f(G7)=0.62。最小割集置信度發(fā)生率如圖5所示。由圖可知，G4和G6的故障發(fā)生率最高，應(yīng)先診斷G4和G6故障源，如果G4和G6未發(fā)生故障，則按優(yōu)先順序依次診斷G1、G3、G5、G7和G2。逆向推理可為故障診斷提供依據(jù)，改變傳統(tǒng)故障診斷過程中的復(fù)雜性和不確定性，提高診斷的效率。

圖5 最小割集故障發(fā)生率Fig.5 Minimum cut set failure rate

5 正反推理驗(yàn)證

5.1 正向推理對(duì)比驗(yàn)證

基于模糊產(chǎn)生式規(guī)則表達(dá)的最常用故障診斷方法是傳統(tǒng)的FTA方法[10]。圖6為以 “電動(dòng)機(jī)繞組絕緣燒毀”為例的故障樹模型，事件代表的含義如表1所示。

圖6 電動(dòng)機(jī)絕緣繞組燒毀的故障樹模型Fig.6 Fault tree model of motor winding insulation burned

將第4節(jié)的規(guī)則置信度μ、權(quán)值ω和閾值λ等模糊信息引入故障樹。以事件X3與X6為例，由于X2與X3共同由變遷t3作用于庫(kù)所p10，設(shè)故障樹事件X2=0.6、X3=0.9、X6=0.9、ω31=0.4、ω32=0.6、ω4=1，根據(jù)定義1，求得X2ω31+X3ω32=0.78>0.5，X3ω4=0.9>0.5，則M2=0.78×0.92=0.718，M3=0.9×0.87=0.783，同理，求得M8=M3×0.89=0.697。注意求M8時(shí)，依據(jù)模糊產(chǎn)生式規(guī)則的析取式原則，由M3求得M8，而不是M2。依據(jù)前面方法算得M6=X6×0.89=0.801，Mb=M6×0.9=0.72，Mc=M6×0.91=0.73，Me=Mc×0.94=0.686，再依據(jù)析取式原則求得T1=Mb×0.92=0.66，T2=Me×0.9=0.617。這與本文正向推理結(jié)果相同，驗(yàn)證了FFPN正向推理的正確性。

5.2 逆向推理統(tǒng)計(jì)與對(duì)比驗(yàn)證

本文用某煤礦2005～2012年期間記錄的隔爆型異步電動(dòng)機(jī)維修記錄數(shù)據(jù)，進(jìn)行統(tǒng)計(jì)處理后驗(yàn)證反向推理的正確性，并應(yīng)用文獻(xiàn)[17，18]中兩種不同的故障診斷模型對(duì)電動(dòng)機(jī)進(jìn)行故障分析，來對(duì)比驗(yàn)證反向推理的準(zhǔn)確性。整理“電動(dòng)機(jī)繞組絕緣燒毀”的記錄數(shù)據(jù)共447次，如表2所示。整理表2中故障數(shù)據(jù)得到具體原因，如表3所示。

表2 故障相關(guān)數(shù)據(jù)記錄表

表3 故障記錄相關(guān)數(shù)據(jù)

依據(jù)上述兩組數(shù)據(jù)可求得其相關(guān)性系數(shù)，研究二者的相關(guān)性來驗(yàn)證反向推理。

由于時(shí)間跨度較長(zhǎng)，客觀原因造成許多記錄數(shù)據(jù)的不清晰與丟失，造成“其他”故障原因次數(shù)過多，本文力求實(shí)際數(shù)據(jù)的準(zhǔn)確性，將其統(tǒng)計(jì)在內(nèi)。

進(jìn)一步應(yīng)用文獻(xiàn)[17，18]的故障診斷方法來驗(yàn)證本文方法的準(zhǔn)確性。本文選取現(xiàn)場(chǎng)2個(gè)故障案例，應(yīng)用3種方法進(jìn)行分析，驗(yàn)證結(jié)果如表4所示。

表4 與其他方法診斷結(jié)果的比較

6 結(jié)論

本文提出將FFPN理論應(yīng)用于電動(dòng)機(jī)故障診斷。建立了電動(dòng)機(jī)故障的Petri網(wǎng)模型，應(yīng)用矩陣推理算法推導(dǎo)故障庫(kù)所token信息的轉(zhuǎn)移，由于矩陣計(jì)算速度快，可很好地解決診斷的速度和效率問題，并以Petri網(wǎng)圖形方式顯示事件之間直觀、明了的關(guān)系。正向演繹算法使工作人員快速、有效地對(duì)預(yù)發(fā)故障進(jìn)行評(píng)價(jià)；逆向演繹結(jié)合最小割集理論有效避免了故障診斷的盲目性。進(jìn)一步完善相關(guān)理論數(shù)據(jù)、調(diào)整模糊故障Petri網(wǎng)模型及將其進(jìn)行軟件仿真是本文下一步研究的方向。

[1] 趙妍，李志民，李天云.一種基于譜峭度的異步電機(jī)故障診斷方法[J].電工技術(shù)學(xué)報(bào)，2014，29(5)：189-196. Zhao Yan，Li Zhimin，Li Tianyun.A method for fault diagnosis of induction motors based on spectral kurtosis[J].Transactions of China Electrotechnical Society，2014，29(5)：189-196.

[2] 曾慶峰，何正友，楊健維.基于有色Petri網(wǎng)的電力系統(tǒng)故障診斷模型研究[J].電力系統(tǒng)保護(hù)與控制，2010，38(14)：5-11，127. Zeng Qingfeng，He Zhengyou，Yang Jianwei.Fault diagnosis model of electric power systems based on colored Petri net[J].Power System Protection and Control，2010，38(14)：5-11，127.

[3] Adamyan A，He D.System failure analysis through counters of Petri net models[J].Quality and Reliability Engineering International，2004，20(4)：317-335.

[4] Loony C G.Fuzzy Petri net for rule-based decision making[J].IEEE Transactions on Systems，Man and Cybernetics，1988，18(1)：178-183.

[5] 李廈，烏建中.模糊Petri網(wǎng)在液壓同步提升系統(tǒng)故障診斷中的應(yīng)用[J].中國(guó)工程機(jī)械學(xué)報(bào)，2006，4(1)：68-71. Li Sha，Wu Jianzhong.Application of fuzzy Petri nets in hydraulic synchronizing system fault diagnosis[J].Chinese Journal of Construction Machinery，2006，4(1)：68-71.

[6] 盛晟，肖明清，趙亮亮，等.故障Petri網(wǎng)的激發(fā)矩陣方法研究[J].儀器儀表學(xué)報(bào)，2013，34(1)：187-192. Sheng Sheng，Xiao Mingqing，Zhao Liangliang，et al.Research on fire matrix method for fault Petri net[J].Chinese Journal of Scientific Instrument，2013，34(1)：187-192.

[7] 黃敏，林嘯，侯志文.模糊故障Petri網(wǎng)建模方法及其應(yīng)用[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013，44(1)：208-215. Huang Min，Lin Xiao，Hou Zhiwen.Modeling method of fuzzy fault Petri nets and its application[J].Journal of Central South University (Science and Technology)，2013，44(1)：208-215.

[8] Motameni H，Ghassempouri T.Transforming fuzzy communication diagram to fuzzy Petri net[J].American Journal of Scientific Research，2011，16：63-74.

[9] 梁光夏.基于改進(jìn)模糊故障Petri網(wǎng)的復(fù)雜機(jī)電系統(tǒng)故障狀態(tài)評(píng)價(jià)與診斷技術(shù)研究[D].南京：南京理工大學(xué)，2014.

[10]馬敏，黃建國(guó)，夏侯士戟.基于自適應(yīng)模糊Petri網(wǎng)的雷達(dá)故障診斷方法研究[J].儀器儀表學(xué)報(bào)，2008，29(2)：261-265. Ma Min，Huang Jianguo，Xiahou Shiji.Rader fault diagnosis with the adaptive fuzzy Petrinet[J].Chinese Journal of Scientific Instrument，2008，29(2)：261-265.

[11]楊健維.基于模糊Petri網(wǎng)的電網(wǎng)故障診斷方法研究[D].成都：西南交通大學(xué).2011.

[12]原菊梅.復(fù)雜系統(tǒng)可靠性Petri網(wǎng)建模及其智能分析方法[M].北京：國(guó)防工業(yè)出版社，2011.

[13]李廈.基于Petri網(wǎng)的故障診斷技術(shù)研究及其在液壓系統(tǒng)中的應(yīng)用[D].上海：同濟(jì)大學(xué)，2006.

[14]付階輝.基于Petri網(wǎng)的故障診斷方法研究[D].南京：東南大學(xué)，2004.

[15]劉曼蘭，于海芳，崔淑梅.一種永磁直流電機(jī)故障診斷方法[J].電工技術(shù)學(xué)報(bào)，2007，22(10)：42-48. Liu Manlan，Yu Haifang，Cui Shumei.An universal approach to diagnose the failures of permanent-magnetic DC motors[J].Transactions of China Electrotechnical Society，2007，22(10)：42-48.

[16]謝倩，樂曉波，周愷卿，等.模糊Petri網(wǎng)庫(kù)所集中token初始值的確定方法[J].計(jì)算機(jī)工程與應(yīng)用，2012，48(12)：49-52. Xie Qian，Yue Xiaobo，Zhou Kaiqing，et al.Determination of token in initial place of fuzzy Petri nets[J].Computer Engineering and Application，2012，48(12)：49-52.

[17]Renganathan K，Bhaskar V C.An observer based approach for achieving fault diagnosis and fault tolerant control of systems modeled as hybrid Petri nets[J].ISA Transactions，2011，50 (3)：443-453.

[18]陳理淵，黃進(jìn).電機(jī)故障診斷的多傳感器數(shù)據(jù)融合方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2005，17(1)：48-52. Chen Liyuan，Huang Jin.Motor fault diagnosis with multi-sensor data fusion[J].Proceedings of the CSU-EPSA，2005，17(1)：48-52.

An Approach for Three-Phase Asynchronous Motor Failure Analysis Based on Fuzzy Fault Petri Net

ChengXuezhen1，2WangCheng1，2YuYongjin1，2YiLifeng2ChenQiang1，2

(1.State Key Laboratory of Mining Disaster Prevention and Control Co-founded by Shandong Province and the Ministry of Science and Technology Shandong University of Science and Technology Qingdao 266590 China 2.College of Electrical Engineering and Automation Shandong University of Science and Technology Qingdao 266590 China)

In order to improve the stability of three-phase asynchronous motors，the fuzzy fault Petri net theory is used for motors’ state evaluation and fault diagnosis.According to the logic of motor failure，combined with the Petri net modeling method，the fuzzy fault Petri net model of motors is established.The enable transition firing matrix is proposed，combined with the MYCIN confidence matrix method，an accurate assessment of the state of the running motor is achieved.The reverse inference algorithm is the troubleshooting process，and a more concise full matrix reasoning algorithm is then proposed，which improves the diagnosis speed greatly.Using the minimum cut set theory for the priority diagnosis can avoid the blindness of diagnosis.Finally，the part fault model of the motor is used to deduce and analyze.With the help of the fault tree theory，the data of statistics，and method comparison，the validity and rationality of the model are verified.

Fuzzy fault Petri net，three-phase asynchronous motor，state evaluation and fault diagnosis，matrix reasoning，minimal cut set

國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目(U1261205)、中國(guó)博士后科學(xué)基金(2014M51934)和山東省大型科學(xué)儀器設(shè)備升級(jí)改造項(xiàng)目(2013SJGZ05)資助。

2014-12-08 改稿日期2015-06-15

TM343

程學(xué)珍 女，1964年生，教授，博士生導(dǎo)師，研究方向?yàn)闄z測(cè)技術(shù)及新型傳感器。(通信作者)

王 程 男，1990年生，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)故障診斷。