王良成，汪 源，張永輝

（1.三亞學(xué)院理工學(xué)院，海南 三亞 572022；2.海南大學(xué)信息與通信工程學(xué)院，海南 海口 570228）

1 引言

近年來，環(huán)境污染和能源短缺問題日益突出，世界各個(gè)國(guó)家開始重視開發(fā)清潔環(huán)保的能源，尤其是針對(duì)汽車行業(yè)。電動(dòng)汽車以環(huán)保和節(jié)能的理念[1-2]，逐漸被各個(gè)國(guó)家接受，同時(shí)投入大量的資金促進(jìn)其發(fā)展，使其成為未來汽車發(fā)展的主要方向。

汽車是人類代步的主要工具，人們對(duì)汽車駕駛的穩(wěn)定性和安全性要求較高，同時(shí)汽車的重要?jiǎng)恿碓础姍C(jī)驅(qū)動(dòng)系統(tǒng)，如果系統(tǒng)出現(xiàn)故障，車輛的整體均會(huì)受到不同程度的影響，甚至還會(huì)出現(xiàn)車毀人亡的現(xiàn)象。所以，發(fā)展新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)故障檢測(cè)技術(shù)是當(dāng)務(wù)之急。國(guó)內(nèi)外相關(guān)專家針對(duì)該方面的內(nèi)容進(jìn)行了大量的研究，例如，文獻(xiàn)[3]首先對(duì)高階滑膜觀測(cè)器進(jìn)行優(yōu)化；然后通過新型滑膜觀測(cè)器計(jì)算汽車驅(qū)動(dòng)系統(tǒng)的轉(zhuǎn)速估計(jì)值，將實(shí)際轉(zhuǎn)速和估計(jì)轉(zhuǎn)速兩者之間的差值設(shè)定為特征向量，以此為依據(jù)進(jìn)行故障檢測(cè)。文獻(xiàn)[4]將定子相電流進(jìn)行克拉克變換，獲取平面電流分量，對(duì)其進(jìn)行歸一化等相關(guān)操作，利用故障因子閾值進(jìn)行判別，同時(shí)結(jié)合平面電流軌跡有效完成故障檢測(cè)。

但是，由于上述兩種方法沒有在故障檢測(cè)過程中進(jìn)行電機(jī)的非線性驅(qū)動(dòng)信息轉(zhuǎn)換，導(dǎo)致檢測(cè)結(jié)果不準(zhǔn)確，同時(shí)故障檢出率較低。為此，在PLC技術(shù)下進(jìn)行新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)故障檢測(cè)方法研究。仿真實(shí)驗(yàn)結(jié)果表明，所提方法能夠獲取精準(zhǔn)的故障檢測(cè)結(jié)果和較高的故障檢出率。

2 電機(jī)驅(qū)動(dòng)系統(tǒng)故障檢測(cè)

此次研究新能源汽車動(dòng)力系統(tǒng)架構(gòu)，如圖1所示。從圖1中可以看出，汽車電力系統(tǒng)可以通過燃料電池系統(tǒng)或燃料發(fā)電機(jī)系統(tǒng)進(jìn)行供電，能量存儲(chǔ)系統(tǒng)可以應(yīng)用化學(xué)蓄電池或超級(jí)電容。新能源汽車驅(qū)動(dòng)電機(jī)多采用永磁同步電機(jī)，永磁同步電機(jī)具有運(yùn)行效率高、轉(zhuǎn)矩密度大以及轉(zhuǎn)矩穩(wěn)定性高的特點(diǎn)，振動(dòng)噪聲較小，基本可忽略。因此，永磁同步電機(jī)在新能源電動(dòng)汽車領(lǐng)域得到了廣泛的應(yīng)用。

圖1 新能源汽車動(dòng)力系統(tǒng)架構(gòu)Fig.1 Power System Architecture of New Energy Vehicles

永磁同步電機(jī)的電力驅(qū)動(dòng)模式主要有正弦波驅(qū)動(dòng)與方波驅(qū)動(dòng)，此次研究對(duì)新能源汽車中永磁同步電機(jī)的正弦波驅(qū)動(dòng)模式進(jìn)行分析。永磁同步電機(jī)主要由定子與轉(zhuǎn)子兩部分組成其結(jié)構(gòu)，如圖2所示。

圖2 永磁同步電機(jī)結(jié)構(gòu)Fig.2 Structure of Permanent Magnet Synchronous Motor

2.1 故障特征參數(shù)提取

通過多分辨分析能夠有效完成信號(hào)的時(shí)頻分析，以提取驅(qū)動(dòng)電機(jī)的故障特征參數(shù)。在多分辨率分析過程中，設(shè)定正交和為其中，Wj為小波函數(shù)ψ(t)對(duì)應(yīng)的小波子空間。同時(shí)，將尺度子空間Vj和小波子空間Wj采用全新的子空間表示[5]，則能夠獲取以下形式的表達(dá)式：

小波包分解的具體過程，如圖3所示。

圖3 三層小波包分解樹結(jié)構(gòu)圖Fig.3 Three-Layer Wavelet Packet Decomposition Tree Structure Diagram

小波包分解對(duì)全部區(qū)域內(nèi)的頻帶進(jìn)行分解，基本操作思路為：通過二次抽取計(jì)算第一次分解得到的高頻部分，保留奇數(shù)或者偶數(shù)部分。在接下來分解的過程中，需要高低頻同時(shí)分解，再次對(duì)分解結(jié)果進(jìn)行二次抽取計(jì)算，促使各個(gè)頻段含有相同的分辨頻率。如果連續(xù)觀察信號(hào)的頻率保持一致，需要保留頻率段的系數(shù)，同時(shí)將頻率系數(shù)設(shè)定為零，需要將信號(hào)進(jìn)行重構(gòu)，同時(shí)確保數(shù)據(jù)量得到有效增加[6]。因此，在提取電機(jī)驅(qū)動(dòng)系統(tǒng)故障時(shí)，需要通過小波包分解與重構(gòu)來進(jìn)行。電機(jī)驅(qū)動(dòng)系統(tǒng)頻率的小波包分解計(jì)算公式為：

通過式（2）計(jì)算得到電機(jī)驅(qū)動(dòng)系統(tǒng)頻率小波包分解結(jié)果，進(jìn)一步進(jìn)行電機(jī)驅(qū)動(dòng)系統(tǒng)頻率的重構(gòu)，計(jì)算公式為：

式中：ak-2i、bk-2i—小波包重構(gòu)的二維參數(shù)。

依據(jù)重構(gòu)結(jié)果，提取電機(jī)驅(qū)動(dòng)系統(tǒng)的故障特征參數(shù)：

式中：hl-2k—電機(jī)驅(qū)動(dòng)系統(tǒng)故障特征—電機(jī)驅(qū)動(dòng)故障頻率因子。

2.2 PLC技術(shù)下新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)故障檢測(cè)

在PLC技術(shù)下，將核方法和主成分分析方法兩者相融合，將空間非線性信息轉(zhuǎn)換為線性信息，對(duì)前文提取的電機(jī)驅(qū)動(dòng)系統(tǒng)故障特征參數(shù)進(jìn)行化簡(jiǎn)操作，以完成新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)的故障檢測(cè)。以下給出具體的操作流程：

進(jìn)行主成分分析的主要目的就是完成故障特征參數(shù)化簡(jiǎn)，即對(duì)映射數(shù)據(jù)全部進(jìn)行中心化處理［7-8］，具體的計(jì)算公式為：

式中：n—核參數(shù)取值；k—元素總數(shù)。

在PLC技術(shù)下，結(jié)合核方法和主成分分析進(jìn)行空間信息轉(zhuǎn)換，具體的轉(zhuǎn)換過程，如式（6）所示。

通過模糊核聚類分析進(jìn)行故障檢測(cè)，聚類分析在故障特征檢測(cè)中占據(jù)十分重要的地位。在沒有任何先驗(yàn)條件的情況下，將數(shù)據(jù)樣本劃分為多個(gè)不同的子集或者類，該方法被廣泛應(yīng)用于各個(gè)研究領(lǐng)域中。模糊控制主要是組建模糊集合，通過集合元素，完成機(jī)器語言編寫，獲取最終的決策方案。模糊控制器的組成結(jié)構(gòu)，如圖4所示。

圖4 模糊控制器的具體組成Fig.4 The Specific Composition of the Fuzzy Controller

模糊控制器主要是由知識(shí)庫和規(guī)則庫兩者共同組成，模糊控制分類就是在上述環(huán)境下誕生的，以優(yōu)越的機(jī)理以及性能被廣泛應(yīng)用于不同的研究領(lǐng)域中。

設(shè)定需要進(jìn)行分類的樣本為X=[x1,x2,...,xn]T，樣本為xi，抽取的特征矢量為fi，其中fij代表第i個(gè)樣本的第j個(gè)特征值。

模糊關(guān)系矩陣可以采用R表示：

通過模糊關(guān)系矩陣可以確定樣本對(duì)象xi和xj兩者的近似度rij，同時(shí)組建模糊相似矩陣?，F(xiàn)階段，進(jìn)行相似度計(jì)算的方法有很多，以下主要使用比較廣泛的歐式距離分別計(jì)算各個(gè)樣本間的相似程度[9]，具體的計(jì)算式如下：

其中，近似度rij的絕對(duì)值越接近1，說明xi和xj兩者的相似程度越高。

標(biāo)定各個(gè)樣本的距離，構(gòu)建樣本的模糊相似矩陣R，其中模糊相似矩陣需要通過模糊等級(jí)關(guān)系完成聚類分析。為了促使模糊相似矩陣滿足不同的特性，通過傳遞閉包法對(duì)R進(jìn)行改造，則有：

模糊核聚類理論主要是通過模糊聚類和核方法提出的，優(yōu)先使用核方法進(jìn)行空間轉(zhuǎn)換，在高維線性空間內(nèi)進(jìn)行模糊聚類分析，具體的操作過程為：

當(dāng)樣本為(?(x1)，?(x2)，?(xn))，則誤差平方和準(zhǔn)則函數(shù)對(duì)應(yīng)的表達(dá)形式為：

式中：Nj—第j類Sj的樣本數(shù)，則有：

式中：k(xi，xj)—核函數(shù)。

特征空間中任意兩點(diǎn)之間的距離計(jì)算式為：

在聚類過程中，設(shè)定初始聚類中心為原始空間內(nèi)任意一點(diǎn)，其中新的聚類中心主要利用核變換矩陣獲取。在進(jìn)行模糊聚類分析的過程中，針對(duì)不同接口分別進(jìn)行模糊化處理，設(shè)定模糊語言論域[10]。隸屬度矩陣的表示形式，如表1所示。

表1 隸屬度矩陣列表Tab.1 Membership Matrix List

在上述分析的基礎(chǔ)上，采用模糊核聚類分析方法對(duì)新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)故障數(shù)據(jù)進(jìn)行聚類，聚類結(jié)果即為故障檢測(cè)結(jié)果。具體計(jì)算公式為：

式中：uij—聚類特征因子。

根據(jù)聚類計(jì)算結(jié)果，完成新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)故障檢測(cè)。

3 仿真實(shí)驗(yàn)

為了驗(yàn)證所提出的PLC技術(shù)下新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)故障檢測(cè)方法的有效性，進(jìn)行仿真對(duì)比驗(yàn)證實(shí)驗(yàn)。設(shè)定電機(jī)驅(qū)動(dòng)系統(tǒng)的參數(shù)，如表2所示。

表2 電機(jī)驅(qū)動(dòng)系統(tǒng)參數(shù)Tab.2 Motor Drive System Parameters

新能源汽車驅(qū)動(dòng)電機(jī)安裝示意圖，如圖5所示。

圖5 新能源汽車驅(qū)動(dòng)電機(jī)安裝示意圖Fig.5 Schematic Diagram of Installation of Driving Motor for New Energy Vehicle

為了驗(yàn)證各個(gè)故障檢測(cè)方法的檢測(cè)性能，設(shè)定測(cè)試指標(biāo)為誤報(bào)率和漏報(bào)率。其中兩項(xiàng)指標(biāo)的取值越低，說明檢測(cè)結(jié)果準(zhǔn)確性越高。誤報(bào)率與漏報(bào)率實(shí)驗(yàn)結(jié)果，如表3、表4所示。

表3 誤報(bào)率對(duì)比Tab.3 Comparison of False Alarm Rates

表4 漏報(bào)率對(duì)比Tab.4 Comparison of Underreporting Rate

分析表3和表4中的實(shí)驗(yàn)數(shù)據(jù)可知，隨著實(shí)驗(yàn)次數(shù)的持續(xù)增加，文獻(xiàn)[3-4]方法的漏報(bào)率和誤報(bào)率均呈直線上升趨勢(shì)，由于所提方法在故障檢測(cè)的過程中加入PLC技術(shù)，促使整個(gè)方法的兩項(xiàng)測(cè)試指標(biāo)得到有效降低，能夠更加精準(zhǔn)的檢測(cè)出故障，及時(shí)給出對(duì)應(yīng)的治理措施。為了更進(jìn)一步驗(yàn)證所提方法的優(yōu)越性，以下實(shí)驗(yàn)測(cè)試對(duì)比三種不同方法的故障檢出率。故障檢出率實(shí)驗(yàn)結(jié)果，如圖6所示。

圖6 故障檢出率對(duì)比Fig.6 Comparison of Fault Detection Rate

分析圖6中的實(shí)驗(yàn)數(shù)據(jù)可知，和另外兩種方法相比，所提方法能夠最大概率檢測(cè)出新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)出現(xiàn)的故障，而另外兩種方法則呈現(xiàn)忽高忽低的狀態(tài)，十分不穩(wěn)定，后續(xù)將對(duì)其進(jìn)行改善。

4 結(jié)束語

為了更好地研究新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)故障的特點(diǎn)，提出一種PLC技術(shù)下新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)故障檢測(cè)方法。在PLC技術(shù)下，融合核方法和主成分分析方法，有效聚類電機(jī)驅(qū)動(dòng)系統(tǒng)故障數(shù)據(jù)，得到故障檢測(cè)結(jié)果。測(cè)試結(jié)果表明：

（1）所提方法能夠精準(zhǔn)檢測(cè)出新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)中出現(xiàn)的故障，誤報(bào)率與漏報(bào)率的最高值均未超過0.05%；

（2）所提方法能夠最大概率檢測(cè)出新能源汽車電機(jī)驅(qū)動(dòng)系統(tǒng)出現(xiàn)的故障，故障檢出率始終保持在95%以上。