溫嘉斌, 趙紅陽(yáng), 劉子寧, 包 漢

(哈爾濱理工大學(xué) 電氣與電子工程學(xué)院,黑龍江 哈爾濱 150080)

0 引 言

目前無(wú)刷直流電機(jī)(brushless DC motor,BLDCM)廣泛應(yīng)用于工業(yè),航空航天等各個(gè)領(lǐng)域。無(wú)刷直流電機(jī)為獲取位置信號(hào)需要安裝位置傳感器,來(lái)檢測(cè)轉(zhuǎn)子位置?？紤]到傳感器成本、體積等實(shí)際因素,無(wú)刷直流電機(jī)上使用最多的是霍爾傳感器,然而當(dāng)出現(xiàn)惡劣的環(huán)境條件如：高溫、潮濕、外部震動(dòng)、電磁干擾等均可能會(huì)對(duì)霍爾傳感器產(chǎn)生很大的影響,在控制系統(tǒng)中,霍爾傳感器的故障,將導(dǎo)致無(wú)刷直流電機(jī)工作異常,影響整個(gè)控制系統(tǒng)的穩(wěn)定性。因此,霍爾傳感器故障診斷及電機(jī)的容錯(cuò)運(yùn)行已經(jīng)成為電機(jī)調(diào)速領(lǐng)域的一個(gè)研究熱點(diǎn),國(guó)內(nèi)外對(duì)此進(jìn)行了大量相關(guān)的研究[1～6]。

人工神經(jīng)網(wǎng)絡(luò)是近幾十年來(lái)得到迅速發(fā)展的一個(gè)前沿課題。由于其能夠進(jìn)行大規(guī)模并行處理,且具有高容錯(cuò)性、高自組織性、自適應(yīng)性及逼近任意非線性函數(shù)的能力,其在突破現(xiàn)有瓶頸,更深入地探索和研究非線性現(xiàn)象時(shí)發(fā)揮了重要的作用。文獻(xiàn)[7]設(shè)計(jì)了一種神經(jīng)網(wǎng)絡(luò)狀態(tài)觀測(cè)器,根據(jù)實(shí)際系統(tǒng)和神經(jīng)網(wǎng)絡(luò)觀測(cè)器輸出殘差,從而對(duì)傳感器故障進(jìn)行診斷并確定容錯(cuò)控制系統(tǒng)。文獻(xiàn)[8]提出一種基于神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)器的傳感器故障診斷方法,先用神經(jīng)網(wǎng)絡(luò)對(duì)傳感器輸出序列建立預(yù)測(cè)模型,然后利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)傳感器輸出值和傳感器實(shí)際輸出之差判斷傳感器是否發(fā)生故障。文獻(xiàn)[9]提出一種混合粒子群優(yōu)化(hybrid particle swarm optimization,HPSO)算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的傳感器故障診斷的方法，利用HPSO算法對(duì)神經(jīng)網(wǎng)絡(luò)模型參數(shù)進(jìn)行了優(yōu)化,建立了預(yù)測(cè)模型,用于傳感器故障診斷。但當(dāng)訓(xùn)練樣本過(guò)大,且要求精度較高時(shí),人工神經(jīng)網(wǎng)絡(luò)還面臨一些難題,傳統(tǒng)反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)會(huì)有輸出均方誤差較大,診斷準(zhǔn)確性較低的缺點(diǎn)。

本文設(shè)計(jì)了一種改進(jìn)神經(jīng)網(wǎng)絡(luò)霍爾傳感器故障診斷模型,并利用反電勢(shì)法對(duì)傳感器故障進(jìn)行容錯(cuò)處理。最后通過(guò)仿真驗(yàn)證了整個(gè)控制系統(tǒng)的故障診斷能力,仿真結(jié)果表明,改進(jìn)神經(jīng)網(wǎng)絡(luò)性能更好,輸出誤差絕對(duì)值低于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)輸出誤差絕對(duì)值,傳感器故障診斷率高于傳統(tǒng)方案。當(dāng)傳感器出現(xiàn)故障時(shí),可實(shí)現(xiàn)電機(jī)容錯(cuò)運(yùn)行,有效提高了系統(tǒng)的穩(wěn)定性。

1 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的故障診斷及容錯(cuò)策略

1.1 用于故障診斷的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法及拓?fù)浣Y(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)的特點(diǎn)是信號(hào)向前傳播,誤差反向傳播。輸入信號(hào)從輸入層至隱含層,最后到達(dá)輸出層。當(dāng)輸出與期望不匹配時(shí),則進(jìn)入反向傳播,根據(jù)算法調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)各層權(quán)值與閾值,最終得到期望輸出[10]。

本文選擇電磁轉(zhuǎn)矩、相電壓、相電流、電磁轉(zhuǎn)速作為神經(jīng)網(wǎng)絡(luò)診斷霍爾傳感器的故障特征。

為提高傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)故障診斷準(zhǔn)確率,本文設(shè)計(jì)了一種BP神經(jīng)網(wǎng)絡(luò)組合模型,將傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)并行組合,給每個(gè)神經(jīng)網(wǎng)絡(luò)賦予相同初始權(quán)值,首先訓(xùn)練單個(gè)BP神經(jīng)網(wǎng)絡(luò),每個(gè)BP神經(jīng)網(wǎng)絡(luò)有對(duì)應(yīng)權(quán)重,后通過(guò)算法將單BP神經(jīng)網(wǎng)絡(luò)合并成多神經(jīng)網(wǎng)絡(luò)并行組合模型,再利用樣本對(duì)組合模型進(jìn)行反復(fù)訓(xùn)練,調(diào)整每個(gè)神經(jīng)網(wǎng)絡(luò)的初始權(quán)值,最終診斷結(jié)果由單BP神經(jīng)網(wǎng)絡(luò)輸出函數(shù)加權(quán)得到。該算法詳細(xì)過(guò)程如下：

1)提取故障數(shù)據(jù)作為每個(gè)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,設(shè)有b組訓(xùn)練數(shù)據(jù),每組訓(xùn)練數(shù)據(jù)分布權(quán)值為1/b,對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理,初始化神經(jīng)網(wǎng)絡(luò)的權(quán)值與閾值。

2)訓(xùn)練每個(gè)BP神經(jīng)網(wǎng)絡(luò),用訓(xùn)練數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)并預(yù)測(cè)訓(xùn)練輸出,得到預(yù)測(cè)誤差和E,誤差和E計(jì)算公式為

(1)

3)計(jì)算權(quán)重并進(jìn)行權(quán)重調(diào)整,根據(jù)誤差和E計(jì)算序列權(quán)重w,權(quán)重計(jì)算公式為

(2)

(3)

式中g(shù)(i)為預(yù)測(cè)診斷輸出,y(i)為期望診斷輸出。

4)最后對(duì)單BP神經(jīng)網(wǎng)絡(luò)進(jìn)行組合,設(shè)組合神經(jīng)網(wǎng)絡(luò)輸出函數(shù)為z(x),每個(gè)神經(jīng)網(wǎng)絡(luò)輸出函數(shù)為f(x)1,f(x)2,…,f(x)i。z(x)滿足

(4)

輸出為神經(jīng)網(wǎng)絡(luò)診斷結(jié)果。整個(gè)算法流程如圖1所示。

圖1 改進(jìn)神經(jīng)網(wǎng)絡(luò)算法流程

本文BP神經(jīng)網(wǎng)絡(luò)采用4×4×5的三層結(jié)構(gòu),輸入層有4個(gè)神經(jīng)元,對(duì)應(yīng)上述傳感器故障4種特征指標(biāo),輸出層有一個(gè)神經(jīng)元,當(dāng)輸出1代表傳感器無(wú)故障,電機(jī)正常運(yùn)行,輸出-1是代表傳感器出現(xiàn)故障。

改進(jìn)神經(jīng)網(wǎng)絡(luò)模型由4個(gè)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)組成,其拓?fù)浣Y(jié)構(gòu)如圖2所示,輸入為訓(xùn)練樣本,樣本被送到4個(gè)BP神經(jīng)網(wǎng)絡(luò)中,4個(gè)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)輸出加權(quán)得到改進(jìn)神經(jīng)網(wǎng)絡(luò)故障診斷輸出。

圖2 改進(jìn)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1.2 無(wú)刷直流電機(jī)傳感器故障容錯(cuò)策略

在本文所設(shè)計(jì)的控制器中,采用了2套控制系統(tǒng)實(shí)現(xiàn)對(duì)電機(jī)的控制,其中,備用控制系統(tǒng)采用了無(wú)位置傳感器系統(tǒng)來(lái)對(duì)電機(jī)進(jìn)行容錯(cuò)控制。無(wú)位置傳感器系統(tǒng)選擇線反電動(dòng)勢(shì)過(guò)零法作為其容錯(cuò)控制方法。

為將有位置傳感器故障系統(tǒng)順利切換到無(wú)位置傳感器的工作模式,本文設(shè)計(jì)了基于S函數(shù)的線反電動(dòng)勢(shì)過(guò)零點(diǎn)控制模塊,具體模型如圖3所示。S-F模塊內(nèi)有編寫(xiě)的S函數(shù),在切換過(guò)程中可實(shí)現(xiàn)當(dāng)前輸出值與無(wú)位置傳感器系統(tǒng)的輸出值進(jìn)行統(tǒng)一。在容錯(cuò)過(guò)程中只需要使用SIMULINK中的選擇模塊(Switch)便可以實(shí)現(xiàn)無(wú)刷直流電機(jī)從有位置傳感器啟動(dòng)到無(wú)位置傳感器的運(yùn)行的順利切換。

圖3 線反電動(dòng)勢(shì)過(guò)零點(diǎn)模塊

2 系統(tǒng)仿真分析

為驗(yàn)證本文所設(shè)計(jì)的無(wú)刷直流電機(jī)控制器的可行性,利用基于無(wú)刷直流電機(jī)的數(shù)學(xué)模型和MATLAB /SIMULINK搭建了無(wú)刷直流電機(jī)容錯(cuò)系統(tǒng)。在仿真中選用的無(wú)刷直流電機(jī)參數(shù)：Rs=1 Ω,LM=6.7 mH,轉(zhuǎn)動(dòng)慣量J=0.02 kg·m2,磁極對(duì)數(shù)為4,反電動(dòng)勢(shì)系數(shù)為Ke=0.048 V/rpm,阻尼系數(shù)B=0.000 2 N·m·s/rad。

在仿真中,本文在霍爾傳感器信號(hào)中加入與、或門(mén)作為擾動(dòng)信號(hào),模擬信號(hào)丟失或其他故障情況。仿真中設(shè)0.2 s加入擾動(dòng),模擬霍爾傳感器出現(xiàn)換相延遲及單個(gè)霍爾傳感器故障,發(fā)生以上故障時(shí)無(wú)刷直流電機(jī)轉(zhuǎn)速波形如圖4所示,從圖中可觀察到,傳感器出現(xiàn)故障及受到干擾時(shí)電機(jī)運(yùn)行過(guò)程中均出現(xiàn)波動(dòng),電機(jī)不能平穩(wěn)運(yùn)行,單相傳感器出現(xiàn)故障時(shí)電機(jī)在運(yùn)行中相較另一種情況波動(dòng)較大。

圖4 霍爾傳感器發(fā)生故障無(wú)刷直流電機(jī)轉(zhuǎn)速波形

仿真后對(duì)故障特征參數(shù)進(jìn)行數(shù)據(jù)提取,作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)據(jù),考慮到神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度并節(jié)約功耗,單個(gè)樣本的故障特征數(shù)據(jù)取故障發(fā)生后3 000個(gè)數(shù)值,以圖4為例,選取0.2 s后的3 000個(gè)電流、電壓、轉(zhuǎn)速、轉(zhuǎn)矩?cái)?shù)據(jù)。從總故障樣本空間中選擇300組4×3 000訓(xùn)練樣本,并分配權(quán)重,另取100組樣本作為測(cè)試數(shù)據(jù)。通過(guò)訓(xùn)練,改進(jìn)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的均方差變化情況如圖5(a)所示,在482次訓(xùn)練時(shí)達(dá)到穩(wěn)定。

圖5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練均方差及診斷誤差

圖5(b)為改進(jìn)神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)輸出誤差絕對(duì)值比較,可觀察到改進(jìn)神經(jīng)網(wǎng)絡(luò)輸出誤差明顯低于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)誤差。

取100組測(cè)試數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行檢測(cè),改進(jìn)神經(jīng)網(wǎng)絡(luò)故障診斷準(zhǔn)確率達(dá)到96 %,傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)故障診斷準(zhǔn)確率為91 %。

設(shè)0.3 s加入神經(jīng)網(wǎng)絡(luò)對(duì)故障進(jìn)行診斷,針對(duì)換相延遲及傳感器出現(xiàn)故障兩種故障效果,無(wú)刷直流電機(jī)矯正后的轉(zhuǎn)速波形如圖6所示,從仿真結(jié)果可看出,采用容錯(cuò)控制的電機(jī)幾乎無(wú)波動(dòng),與正常運(yùn)行的電機(jī)性能基本保持不變,電機(jī)能夠正常運(yùn)行。

圖6 霍爾傳感器發(fā)生故障容錯(cuò)后無(wú)刷直流電機(jī)轉(zhuǎn)速波形

通過(guò)仿真和實(shí)驗(yàn)驗(yàn)證可知：1)改進(jìn)神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)具有更高的故障診斷率,性能更好。2)當(dāng)不使用容錯(cuò)技術(shù),霍爾傳感器受到干擾或出現(xiàn)故障時(shí),電機(jī)轉(zhuǎn)速出現(xiàn)波動(dòng),不能平穩(wěn)運(yùn)行。3)改進(jìn)神經(jīng)網(wǎng)絡(luò)檢測(cè)到霍爾傳感器故障后,控制系統(tǒng)切換至無(wú)位置傳感器系統(tǒng)實(shí)現(xiàn)容錯(cuò)處理,對(duì)電機(jī)的轉(zhuǎn)速波動(dòng)有明顯的糾正,電機(jī)能夠?qū)崿F(xiàn)平穩(wěn)運(yùn)行。

3 結(jié)束語(yǔ)

本文針對(duì)BP神經(jīng)網(wǎng)絡(luò)在樣本數(shù)據(jù)量大,導(dǎo)致誤差較大,準(zhǔn)確率較低的問(wèn)題,設(shè)計(jì)了一種改進(jìn)神經(jīng)網(wǎng)絡(luò)模型,用于檢測(cè)霍爾傳感器故障,當(dāng)檢測(cè)出故障時(shí),系統(tǒng)切換到無(wú)位置傳感器系統(tǒng)對(duì)電機(jī)進(jìn)行容錯(cuò)控制。經(jīng)過(guò)仿真驗(yàn)證,改進(jìn)神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)相比有更小的診斷誤差,且故障診斷率可達(dá)到96 %?；魻杺鞲衅鞒霈F(xiàn)故障時(shí),控制系統(tǒng)可以保證無(wú)刷直流電機(jī)正常換相,電機(jī)實(shí)現(xiàn)較平穩(wěn)運(yùn)行。