趙乾麟，趙 屹，方炳平，游張平,2

(1.浙江乾麟縫制設(shè)備有限公司，麗水 323000;2.麗水學(xué)院 機(jī)械工程系，麗水 323000)

0 引 言

異步電動機(jī)因構(gòu)造簡單、控制便利等優(yōu)點(diǎn)，成為了一種廣泛應(yīng)用在各種生產(chǎn)活動和生活中的工業(yè)設(shè)備[1-3]。然而，受工作電壓波動、工作環(huán)境不穩(wěn)定、負(fù)載頻繁變動等因素的影響，電機(jī)常出現(xiàn)各種故障。因此，開展異步電動機(jī)故障診斷技術(shù)研究，盡量防止故障發(fā)生，對于降低維修成本、消除事故威脅、減少經(jīng)濟(jì)損失等具有重要的理論意義與工程價值[4-6]。

傳統(tǒng)基于故障特征提取的診斷方法，需要領(lǐng)域工程師應(yīng)用大量領(lǐng)域知識選取好的特征，加之設(shè)備運(yùn)行過程中存在諸多不可預(yù)測因素，使得故障診斷的過程變得十分復(fù)雜，因此人工干預(yù)進(jìn)行特征提取的故障診斷方法存在一定的局限性[7-8]。近年來，隨著人工智能領(lǐng)域的不斷發(fā)展，機(jī)器學(xué)習(xí)作為一種能夠從數(shù)據(jù)集中自主挖掘數(shù)據(jù)內(nèi)在特征的學(xué)習(xí)方式，受到越來越多專家學(xué)者的關(guān)注[9]。Liu 等人[10]提出了一種基于多尺度核函數(shù)的殘差卷積神經(jīng)網(wǎng)絡(luò)用于電機(jī)故障診斷。茍旭丹等人[11]提出了一種基于定子電流Hilbert 模量的混沌粒子群神經(jīng)網(wǎng)絡(luò)用于感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法。張芳芳等人[12]提出了一種基于位移檢測的最小二乘支持向量機(jī)用于泵油電機(jī)的故障診斷。

本文基于Simulink平臺建立異步電動機(jī)傳統(tǒng)故障仿真模型，并應(yīng)用人工神經(jīng)網(wǎng)絡(luò)開展故障診斷研究。首先，在Simulink平臺上選取仿真模塊，設(shè)置單相短路(A相、B相、C相)、兩相短路(AB、AC、BC)6種接地短路故障類型，設(shè)定仿真參數(shù)，并進(jìn)行仿真分析；其次，建立異步電動機(jī)上述故障的BP神經(jīng)網(wǎng)絡(luò)診斷模型；最后提取異步電動機(jī)故障特征量，經(jīng)預(yù)處理后，送入BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練與診斷測試，仿真結(jié)果表明本方法是有效可行的。

1 異步電動機(jī)Simulink建模

在Simulink中，根據(jù)異步電動機(jī)系統(tǒng)物理對象選擇合適的仿真模塊，如表1所示。

表1 異步電動機(jī)系統(tǒng)Simulink模塊的選擇

將以上模塊布置在合適位置并由輸入至輸出進(jìn)行連線，搭建完的異步電動機(jī)Simulink模型如圖1所示。

圖1 異步電動機(jī)Simulink模型

2 故障仿真

2.1 仿真參數(shù)設(shè)置

根據(jù)研究對象實(shí)際，分別對以上所選模塊進(jìn)行參數(shù)設(shè)置。如在“Asynchronous Machine SI Units”模塊中對異步電動機(jī)模塊參數(shù)進(jìn)行設(shè)置，如圖2所示。又如在“Three-Phase Programmable Voltage Source”模塊中設(shè)置異步電動機(jī)電壓源Voltage Source模塊的線電壓有效值、相位、頻率分別為220 V、0、50 Hz。直到將圖1所有已選的模塊參數(shù)設(shè)置完畢。

圖2 三相異步電動機(jī)模塊參數(shù)設(shè)置

2.2 故障設(shè)置

將圖1仿真模型中的A相接地，便可設(shè)置出A相(接地)短路的故障。同理，將圖1仿真模型中的B相接地，便可設(shè)置出B相(接地)短路的故障。依此類推，可以設(shè)置出C相(接地)短路、AB兩相(接地)短路、AC兩相(接地)短路、BC兩相(接地)短路等余下來的4種故障。

2.3 故障仿真與數(shù)據(jù)采集

將故障仿真起始時間參數(shù)設(shè)為0，仿真終止時間參數(shù)設(shè)為1，仿真步長切換成變步長，設(shè)定“ode23tb”求解器作為本仿真模型的計算方法，設(shè)置完畢后啟動仿真運(yùn)行，分別采集保存5種頻率(0、20 Hz、50 Hz、80 Hz、100 Hz)工況下的幅值與基波幅值的比值數(shù)據(jù)，為后續(xù)診斷識別提供數(shù)據(jù)基礎(chǔ)。

3 故障診斷

3.1 輸入數(shù)據(jù)歸一化預(yù)處理

將幅值與基波幅值的比值作為輸入特征量，為了使診斷運(yùn)算快速收斂，對上述5種頻率工況下的幅值與基波幅值的比值數(shù)據(jù)，歸一變換到[0.1,0.9]之間的小數(shù)。

3.2 輸出模式設(shè)定

根據(jù)上述設(shè)定的6種故障模式(A相短路、B相短路、C相短路、AB兩相短路、AC兩相短路以及BC兩相短路)，加上正常工況模式，共可得到7種輸出模式，并可由3個輸出分量來表述，如表2所示。

表2 輸出模式

3.3 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練與故障診斷

上述采集5種頻率工況的數(shù)據(jù)，因此設(shè)定BP網(wǎng)絡(luò)輸入單元為5；7種輸出模式由3個輸出分量表述，因此設(shè)定BP網(wǎng)絡(luò)輸出單元為3，通過試算確定隱含層單元為9。為驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)的有效性，隨機(jī)選取5種頻率工況數(shù)據(jù)各20組共100組數(shù)據(jù)作為訓(xùn)練樣本，對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練。將新的50組數(shù)據(jù)(每種頻率工況10組)作為測試樣本，運(yùn)用訓(xùn)練好的BP網(wǎng)絡(luò)對其進(jìn)行診斷，診斷結(jié)果令人滿意，如表3所示，7種狀態(tài)正判率都不低于90%，說明了BP網(wǎng)絡(luò)對故障狀態(tài)表現(xiàn)出較強(qiáng)的泛化識別能力，總正判率達(dá)到了97.1%，說明采用BP網(wǎng)絡(luò)對異步電動機(jī)進(jìn)行故障診斷是可行有效的。

表3 故障診斷結(jié)果比較

4 結(jié) 語

BP神經(jīng)網(wǎng)絡(luò)對異步電動機(jī)7種狀態(tài)(A相短路、B相短路、C相短路、AB兩相短路、AC兩相短路、BC兩相短路以及正常)具有較強(qiáng)的泛化識別能力。

Simulink模擬故障，結(jié)合BP神經(jīng)網(wǎng)絡(luò)識別故障，診斷精度高，可以較好地對異步電動機(jī)的各種故障模式進(jìn)行分類，其故障診斷是有效的，為異步電動機(jī)其他類型故障的診斷識別問題提供了新的參考與方案。