陳月平， 郭 華, 黃凌翔， 段 斌

(1.湘潭大學(xué) 信息工程學(xué)院，湖南 湘潭 411105；2.湘電風(fēng)能有限公司，湖南 湘潭 411105)

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，綠色能源已經(jīng)成為當(dāng)今能源發(fā)展的主要方向.風(fēng)能作為一種清潔的可再生能源，越來(lái)越受到各國(guó)的重視.歐盟的目標(biāo)是到2020年將其20%的能源可靠性轉(zhuǎn)移到可再生能源上，歐洲風(fēng)能協(xié)會(huì)估計(jì)其中約16.5%將通過(guò)風(fēng)能實(shí)現(xiàn).我國(guó)風(fēng)能資源豐富，可開(kāi)發(fā)利用的風(fēng)能儲(chǔ)量約10億千瓦，其中，陸地上風(fēng)能儲(chǔ)量約2.53億千瓦(陸地上離地10 m高度資料計(jì)算)，海上可開(kāi)發(fā)和利用的風(fēng)能儲(chǔ)量約7.5億千瓦，共計(jì)10億千瓦[1].風(fēng)電裝機(jī)也在不斷持續(xù)增長(zhǎng).隨著風(fēng)電行業(yè)的發(fā)展，對(duì)工程技術(shù)人員的要求越來(lái)越高.高校作為工程技術(shù)人員培養(yǎng)的主要陣地常采用產(chǎn)教融合的方式進(jìn)行人才培養(yǎng).

何克抗等[2]分析了當(dāng)前學(xué)術(shù)界在創(chuàng)造性思維研究中的五種偏向,提出了創(chuàng)造性思維的六要素結(jié)構(gòu),討論了其中各要素的作用以及各要素之間的關(guān)系,在此基礎(chǔ)上探討了現(xiàn)代教育技術(shù)對(duì)培養(yǎng)創(chuàng)造性思維的重要意義及培養(yǎng)途徑.何建軍等[3]分析了風(fēng)電行業(yè)的人才需求和培養(yǎng)現(xiàn)狀,研究了風(fēng)電行業(yè)人才需求特點(diǎn)和風(fēng)電人才的知識(shí)能力要求.姜玉立等[4]分析了我國(guó)風(fēng)電人才培養(yǎng)現(xiàn)狀、問(wèn)題及對(duì)策.謝源等[5]重點(diǎn)介紹了中英兩所高校風(fēng)電人才培養(yǎng)模式，為我國(guó)風(fēng)力發(fā)電人才培養(yǎng)提供參考價(jià)值.國(guó)內(nèi)外對(duì)風(fēng)電行業(yè)人才的培養(yǎng)通常通過(guò)改變培養(yǎng)制度進(jìn)行，而忽略對(duì)工程技術(shù)人員自身進(jìn)行認(rèn)知診斷.

本文以變槳系統(tǒng)中常出現(xiàn)的電機(jī)定子匝間故障(STF)和軸承故障(BRG)為背景進(jìn)行分析，同時(shí)考慮故障振動(dòng)信號(hào)和電流的特點(diǎn)，采用支持向量機(jī)(SVM)的分類方法對(duì)故障進(jìn)行識(shí)別和分類.在此基礎(chǔ)上運(yùn)用貝葉斯理論搭建了運(yùn)維人員的認(rèn)知診斷模型，對(duì)工程技術(shù)人員在變槳多故障發(fā)生時(shí)的故障處理能力進(jìn)行評(píng)估.最終將該項(xiàng)研究成果應(yīng)用于產(chǎn)教融合人才培養(yǎng)，重點(diǎn)探討了高校教師與高校實(shí)習(xí)生在教、學(xué)、考核三個(gè)方面的應(yīng)用，能有效增加高校畢業(yè)生的就業(yè)優(yōu)勢(shì)，提高高校就業(yè)率.

1 變槳系統(tǒng)故障診斷

1.1 變槳系統(tǒng)綜述

變槳系統(tǒng)是風(fēng)電機(jī)組的一大重要組成部分.變槳系統(tǒng)的主要工作任務(wù)是：(1) 當(dāng)風(fēng)速在額定風(fēng)速之下時(shí)，通過(guò)調(diào)整葉片角度來(lái)控制風(fēng)機(jī)的速度和功率；(2) 當(dāng)風(fēng)機(jī)安全鏈被打開(kāi)時(shí)，葉片可作為空氣動(dòng)力裝置使機(jī)組安全停機(jī)；(3) 當(dāng)風(fēng)速超過(guò)額定風(fēng)速時(shí)，通過(guò)控制葉片角度來(lái)控制風(fēng)機(jī)的速度和功率[6].風(fēng)力機(jī)組的功率特性為

(1)

式中：Pr為風(fēng)力機(jī)吸收的機(jī)械能；Cp為風(fēng)能利用系數(shù)；β為槳距角；λ為葉尖速；R為風(fēng)輪半徑；v為風(fēng)輪上游風(fēng)速.根據(jù)變槳距系統(tǒng)所起的作用可分為三種運(yùn)行狀態(tài)，即風(fēng)力發(fā)電機(jī)組的啟動(dòng)狀態(tài)(轉(zhuǎn)速控制)、欠功率狀態(tài)(最佳槳角控制)和額定功率狀態(tài)(功率控制).

1.2 變槳故障

變槳系統(tǒng)中常見(jiàn)故障可分為電氣故障和機(jī)械故障.而各組件間的故障率合并是困難的.在故障研究中，往往是考慮的單個(gè)故障發(fā)生，這樣就會(huì)容易故障誤診.因此，這里采用多傳感器融合的方法從變槳系統(tǒng)中考慮三相電流的測(cè)量方法以及振動(dòng)頻譜信號(hào)，用支持向量機(jī)的分類方法(SVM)對(duì)故障進(jìn)行準(zhǔn)確的分類.風(fēng)力渦輪機(jī)最常見(jiàn)的故障模式表明，定子匝間故障(STF)是引起變槳電機(jī)故障的主要因素，軸承故障(BRG)是變槳主變速箱最主要的故障因素.這里以這兩個(gè)故障為例進(jìn)行分析.

1.2.1定子匝間故障(STF) 三相定子繞組短路時(shí)的絕緣損耗是造成三相定子繞組不對(duì)稱的原因之一[7].一般正常情況下，感應(yīng)電動(dòng)機(jī)設(shè)計(jì)為對(duì)稱運(yùn)行，在每個(gè)相繞組和每個(gè)轉(zhuǎn)子棒上具有相等的電阻和電感，并且具有均勻的氣隙.電機(jī)的故障導(dǎo)致了轉(zhuǎn)子的不對(duì)稱，這種不對(duì)稱性在轉(zhuǎn)子的每一次旋轉(zhuǎn)中都會(huì)出現(xiàn).這種周期性的故障重復(fù)表現(xiàn)為電流頻譜中的一個(gè)特定頻率，該頻率是通過(guò)電機(jī)電流特征分析檢測(cè)到的.針對(duì)感應(yīng)電動(dòng)機(jī)閉環(huán)運(yùn)行中存在頻率驅(qū)動(dòng)故障的情況，利用Park矢量分析方法對(duì)感應(yīng)電動(dòng)機(jī)故障進(jìn)行了可靠的診斷.直流電軸電流和正交軸電流(id，iq)以及擴(kuò)展Park的矢量iP描述如下：

(2)

式中：iA,iB,iC是三相電機(jī)電流.STF的產(chǎn)生是由于三相繞組的短缺，造成三相電流的不平衡.這種不平衡表現(xiàn)為

fSTF=2fs,

(3)

在iP的頻譜中，fs是電源頻率.iP譜中的2fs被認(rèn)為是STF的一個(gè)表象特征.

1.2.2軸承故障(BRG) 軸承由四個(gè)主要部件組成：內(nèi)圈通常固定在軸上，外圈固定在殼體中，滾子(或球)在兩個(gè)圈之間傳遞載荷，保持架保持滾子之間的均勻距離[8].通常情況下，在滾子表面、內(nèi)圈和外圈上都有可能出現(xiàn)故障.早期BRG的特點(diǎn)是特征頻率(CF)對(duì)該故障的脈沖軸承振動(dòng)增大.每個(gè)CF可以根據(jù)軸承的幾何形狀和軸速度計(jì)算.外圈、內(nèi)圈和滾輪的CF由下式給出：

(4)

式中:fo為滾子通過(guò)外圈的頻率，fi為滾子通過(guò)內(nèi)圈的頻率，fr為滾珠自旋頻率，n為滾子數(shù)，fr為滾軸頻率，d為滾子直徑，D為軸承節(jié)徑，φ為接觸角.在實(shí)際中，將軸承故障振動(dòng)模擬為共振頻率振動(dòng)的幅度調(diào)制.為了獲得調(diào)制頻率，利用希爾伯特變換對(duì)獲得的絕對(duì)值解析信號(hào)進(jìn)行解調(diào)

(5)

式中：H是希爾伯特變換，v是振動(dòng)信號(hào).應(yīng)用離散傅里葉變換(DFT)返回包絡(luò)譜.

Venv=F{venv},

(6)

式中：F是DFT變換.通過(guò)對(duì)軸承CFS的整數(shù)倍(諧波)包絡(luò)譜幅值的監(jiān)測(cè)，可以確定軸承的狀態(tài).在故障狀態(tài)下，特征頻率處的振動(dòng)能量增加.因此，當(dāng)采集了三相電機(jī)電流和振動(dòng)信號(hào)，頻譜中存在偶次諧波2fs和4fs時(shí)，如果對(duì)電流傳感器進(jìn)行隔離分析，則難以與定子早期故障區(qū)分，從而造成故障誤診.

1.3 故障處理

采用支持向量機(jī)(SVM)的分類算法，SVM分類器通過(guò)繪制由特征集覆蓋的多維超空間中的最優(yōu)超平面來(lái)區(qū)分類[9].考慮輸入xi∈Rm，二進(jìn)制輸出yi∈{±1}和二進(jìn)制輸出的訓(xùn)練數(shù)據(jù)集

(xi,yi)∈Rm*{±1},i=1,…，N.

(7)

通過(guò)訓(xùn)練，SVM分類器導(dǎo)出

fw,b(x)=sgn(wx+b),

(8)

式中：w是系數(shù)向量，b是超平面的偏置.其中sgn是二進(jìn)制符號(hào)函數(shù).理想情況下，分級(jí)機(jī)的超平面應(yīng)滿足以下條件

yi[wxi+b]≥1,i=1,2,…，N.

(9)

SVM訓(xùn)練的目的是將保證風(fēng)險(xiǎn)范圍最小化如下

(10)

從而使

yi[wxi+b]≥1,i=1,2,…，N.

(11)

式中，ei≥0，它在不可能找到最優(yōu)解的情況下積累誤差.

SVM的目標(biāo)分類是通過(guò)在區(qū)域中繪制最佳的超平面來(lái)分隔兩個(gè)或多個(gè)故障類給定標(biāo)記訓(xùn)練數(shù)據(jù)的多維特征空間[9].對(duì)于新的數(shù)據(jù)集，訓(xùn)練的最佳超平面可用于識(shí)別新數(shù)據(jù)樣本的故障類別.SVM故障分類模型如圖1所示.

2 工程技術(shù)人員故障認(rèn)知能力評(píng)估模型

在諸如變槳系統(tǒng)這樣的復(fù)雜系統(tǒng)中，可能會(huì)同時(shí)出現(xiàn)各種故障，故障診斷的難度會(huì)增加很多，此時(shí)對(duì)于工程技術(shù)人員的要求會(huì)更高.本文基于前面討論的多故障發(fā)生的故障診斷知識(shí)對(duì)工程技術(shù)人員進(jìn)行能力評(píng)估，采用貝葉斯網(wǎng)絡(luò)推理方法，其相對(duì)于深度學(xué)習(xí)更具有可解釋性[11]，有利于提高問(wèn)題解決效率和人員派遣，節(jié)省風(fēng)電公司人力和物力.

2.1 貝葉斯網(wǎng)絡(luò)定義

貝葉斯網(wǎng)絡(luò)是一個(gè)有向無(wú)環(huán)圖(DAG)和一個(gè)條件概率表集合.DAG中每一個(gè)節(jié)點(diǎn)表示一個(gè)隨機(jī)變量，可以是可直接觀測(cè)變量或隱藏變量，而有向邊表示隨機(jī)變量間的條件依賴；條件概率表中的每一個(gè)元素對(duì)應(yīng)DAG中唯一的節(jié)點(diǎn)，存儲(chǔ)此節(jié)點(diǎn)對(duì)于其所有直接前驅(qū)節(jié)點(diǎn)的聯(lián)合條件概率.其具體算法如式(12)所示

(12)

其中，P(A|B)是后驗(yàn)概率，P(A)是先驗(yàn)概率，P(B|A)是似然概率，P(B)是標(biāo)準(zhǔn)化常量.

2.2 變槳系統(tǒng)故障認(rèn)知測(cè)量模型

基于變槳系統(tǒng)中軸承故障(BRG)和定子匝間故障(STF) 并行發(fā)生時(shí)所采用的SVM分類多傳感器融合的方法[7]，以及該方法的處理步驟，搭建了工程技術(shù)人員對(duì)于BRG和STF的認(rèn)知診斷模型如圖2所示.可觀察變量是“測(cè)量各相電流”“信號(hào)采集與特征分類”“故障頻譜計(jì)算”“故障定位與分析”，且分為高、中、低三個(gè)等級(jí)，在設(shè)定好先驗(yàn)概率和條件概率之后則可通過(guò)貝葉斯網(wǎng)絡(luò)逆推得到工程技術(shù)人員能力值和知識(shí)的掌握程度.

2.3 先驗(yàn)概率計(jì)算

為了方便描述仿真原理，本文依據(jù)部分實(shí)際工單數(shù)據(jù)，結(jié)合正態(tài)分布數(shù)學(xué)模型，生成100位工程技術(shù)人員的變槳故障排查工單分?jǐn)?shù)數(shù)據(jù)，描繪散點(diǎn)圖，如圖3所示，期望值在65左右.

將分?jǐn)?shù)區(qū)間為90～100范圍設(shè)為優(yōu)秀級(jí)別；70～90設(shè)為良好級(jí)別；50～70設(shè)為一般級(jí)別；0～50設(shè)為較差級(jí)別.先驗(yàn)概率計(jì)算如式(13)所示

(13)

其中，

(14)

式中：σ為標(biāo)準(zhǔn)差，σ2為方差，μ為期望值，[a，b]為分?jǐn)?shù)區(qū)間.

2.4 條件概率

條件概率首先基于專家經(jīng)驗(yàn)和知識(shí)利用層次分析法獲得單專家對(duì)工程技術(shù)人員的評(píng)分概率.層次分析法(AHP) 原理是確定貝葉斯網(wǎng)絡(luò)模型中條件概率的有效方法[10].定義識(shí)別框架Θ表示節(jié)點(diǎn)Nr的所有可能狀態(tài)概率取值的一個(gè)集合，且Θ內(nèi)的各種狀態(tài)互不相容.

分配函數(shù)、焦元：定義m：2Θ→[0，1]若滿足如下條件：

稱m(A)為Θ上的基本概率分配函數(shù)，若m(A)>0，則稱A為m的焦元[10].專家決策標(biāo)準(zhǔn)如表1所示.

專家Ei在屬性Cj下推斷的相關(guān)度矩陣如表2所示.

表1 專家決策標(biāo)準(zhǔn)

表2 專家Ei在屬性Cj下推斷的相關(guān)度矩陣

(15)

利用Pert分布來(lái)模擬專家意見(jiàn)，專家根據(jù)工程技術(shù)人員工單的情況，通過(guò)層次分析法(AHP)得出Expert、Good、Okay、Weak四個(gè)狀態(tài)的條件概率，估算出Pert分布最低概率值，最可能概率值，最高概率值.得到Pert分布后，在@RISK軟件中調(diào)用函數(shù)Risk Discrete，結(jié)合權(quán)重，對(duì)多位專家意見(jiàn)進(jìn)行合并處理.仿真如圖4所示.

2.5 貝葉斯模型(BN)數(shù)值仿真

在確定節(jié)點(diǎn)先驗(yàn)概率和條件概率后，運(yùn)用Netica軟件對(duì)貝葉斯網(wǎng)絡(luò)進(jìn)行仿真.仿真結(jié)果如圖5所示，通過(guò)改變可觀察變量的高、中、低的得分，可逆向推理出工程技術(shù)人員對(duì)于該故障處理過(guò)程中具體涉及的步驟和知識(shí)熟練度.

3 產(chǎn)教融合人才培養(yǎng)

將該項(xiàng)研究成果應(yīng)用于高校實(shí)習(xí)生的產(chǎn)教融合人才培養(yǎng).產(chǎn)教融合人才培養(yǎng)是實(shí)現(xiàn)校企深度合作，提升人才培養(yǎng)質(zhì)量的有效途徑[13].本文將從教、學(xué)、考核三個(gè)方面闡述將認(rèn)知診斷模型應(yīng)用于產(chǎn)教融合人才培養(yǎng).

(1) 定制實(shí)習(xí)生教學(xué)課程體系.教學(xué)方面可將風(fēng)電故障與教學(xué)知識(shí)點(diǎn)相結(jié)合，以電機(jī)常見(jiàn)故障定子匝間故障(STF)與軸承故障(BRG)為例，構(gòu)建風(fēng)電運(yùn)維工程師的課程體系圖，如圖6所示.工作任務(wù)可以大致分為故障分析與定位、故障處理.其中故障分析需要運(yùn)用到的專業(yè)基礎(chǔ)知識(shí)有信號(hào)與系統(tǒng)、風(fēng)力發(fā)電基礎(chǔ)等課程知識(shí)，而故障處理部分則需要運(yùn)用到模擬電子電路實(shí)驗(yàn)等實(shí)驗(yàn)課程作為支撐.對(duì)于高校實(shí)習(xí)生來(lái)說(shuō)，實(shí)習(xí)是將學(xué)生在最后一個(gè)學(xué)期分派到不同企業(yè)，由學(xué)校、企業(yè)雙向管理，管理主體多元化、實(shí)習(xí)內(nèi)容多樣化[14].依據(jù)實(shí)際崗位定制高校實(shí)習(xí)生所需要提高的能力和需要掌握的知識(shí)，并進(jìn)行專項(xiàng)教學(xué)，對(duì)于學(xué)生畢業(yè)后就業(yè)來(lái)說(shuō)是一大重要優(yōu)勢(shì)，有效增加高校就業(yè)率.

(2) 針對(duì)性學(xué)習(xí).通過(guò)搭建貝葉斯網(wǎng)絡(luò)來(lái)評(píng)估工程技術(shù)人員能力，可以對(duì)高校實(shí)習(xí)生進(jìn)行實(shí)時(shí)反饋，通過(guò)有針對(duì)性的學(xué)習(xí)[15]，最終達(dá)到提高能力的目的.具體過(guò)程如圖7所示.

(3) 以產(chǎn)出為導(dǎo)向?qū)Ω咝?shí)習(xí)生進(jìn)行考核.根據(jù)認(rèn)知診斷模型描述的一系列可觀察變量體現(xiàn)實(shí)習(xí)生的具體熟練度水平.實(shí)習(xí)生可在實(shí)習(xí)期間，通過(guò)運(yùn)維工單記錄運(yùn)維過(guò)程中所上傳的圖表、方案等，并且記錄運(yùn)維時(shí)間以及運(yùn)維結(jié)果，再將這些數(shù)據(jù)進(jìn)行綜合評(píng)定，對(duì)應(yīng)各種可觀察變量，作為認(rèn)知測(cè)量模型的輸入.經(jīng)過(guò)貝葉斯推理，通過(guò)認(rèn)知測(cè)量模型可輸出具體能力值.

4 結(jié)語(yǔ)

本文首先對(duì)風(fēng)力發(fā)電變槳系統(tǒng)以及故障為進(jìn)行了探討，并以STF和BRG為例進(jìn)行了故障診斷.搭建了工程技術(shù)人員對(duì)于STF和BRG的認(rèn)知診斷模型，進(jìn)行風(fēng)電機(jī)組工程技術(shù)人員能力評(píng)估，得出其具體能力值.最終將該項(xiàng)研究成果應(yīng)用于產(chǎn)教融合人才培養(yǎng)，重點(diǎn)探討了高校教師與高校實(shí)習(xí)生在教、學(xué)、考核三個(gè)方面的應(yīng)用，能有效增加高校畢業(yè)生的就業(yè)優(yōu)勢(shì)，提高高校就業(yè)率.同時(shí)也為風(fēng)電工程技術(shù)人員的培養(yǎng)提供了重要途徑.從長(zhǎng)遠(yuǎn)來(lái)看，該方法還能應(yīng)用到其他眾多領(lǐng)域，例如風(fēng)電公司故障運(yùn)維匹配研究等，具有重要實(shí)用價(jià)值和研究意義.