一種基于雙邊型直線電機(jī)的故障信息融合診斷方法
【專利摘要】本發(fā)明公開了一種基于雙邊型直線電機(jī)的故障信息融合診斷方法,通過(guò)數(shù)據(jù)層融合、特征層融合、決策層融合以及兩級(jí)診斷的方式,主要針對(duì)雙邊型直線電機(jī)的氣隙偏心故障、繞組匝間短路故障、繞組溫度異常故障以及振動(dòng)異常故障;其中數(shù)據(jù)層采用了park矢量融合方法以及改進(jìn)的基8FFT算法;特征層采用了模糊人工神經(jīng)網(wǎng)絡(luò)法和模糊判定法。本發(fā)明將park矢量融合方法、改進(jìn)的基8FFT算法、模糊人工神經(jīng)網(wǎng)絡(luò)法、模糊判定法結(jié)合在一起,提高了雙邊型直線電機(jī)各種故障的診斷能力。
【專利說(shuō)明】一種基于雙邊型直線電機(jī)的故障信息融合診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于雙邊型直線電機(jī)的故障信息融合診斷方法,基于改進(jìn)的基8FFT算法、模糊神經(jīng)網(wǎng)絡(luò)算法、模糊判定法,對(duì)雙邊型直線電機(jī)的氣隙偏心故障、繞組匝間短路故障、繞組溫度異常故障以及振動(dòng)異常故障進(jìn)行診斷,屬于電工【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]自19世紀(jì)初發(fā)明發(fā)電機(jī)和電動(dòng)機(jī)以來(lái),由于電能使用方便和旋轉(zhuǎn)機(jī)械性能的不斷提高,電機(jī)技術(shù)得到了迅速發(fā)展,現(xiàn)在電動(dòng)機(jī)應(yīng)用面廣且量大,由于應(yīng)用環(huán)境、方式的不同,一些雙邊型直線電機(jī)故障經(jīng)常出現(xiàn)。雙邊型直線電機(jī)故障不僅僅影響了企業(yè)的生產(chǎn),有時(shí)可能對(duì)所驅(qū)動(dòng)的負(fù)載造成不同程度的破壞。比如:關(guān)鍵驅(qū)動(dòng)電機(jī)發(fā)生嚴(yán)重故障時(shí),就會(huì)嚴(yán)重影響產(chǎn)品的質(zhì)量,影響產(chǎn)品生產(chǎn)的工期等?,F(xiàn)階段為了保證其可靠的運(yùn)行,應(yīng)對(duì)現(xiàn)在的雙邊型直線電機(jī)進(jìn)行現(xiàn)場(chǎng)在線監(jiān)測(cè),以便能及時(shí)發(fā)現(xiàn)電機(jī)運(yùn)行狀況的問題,以免造成不必要的重大損失。因此,隨著世界各國(guó)對(duì)煤礦安全問題的持續(xù)關(guān)注,對(duì)于實(shí)現(xiàn)“安全年”的重要議題,對(duì)于雙邊型電機(jī)運(yùn)行狀況的在線監(jiān)測(cè)是非常必要的。
[0003]現(xiàn)在的電機(jī)故障診斷算法都是利用傳統(tǒng)的FFT算法診斷氣隙偏心故障的,其算法較為復(fù)雜,計(jì)算量較大,耗費(fèi)的時(shí)間較長(zhǎng);利用神經(jīng)網(wǎng)絡(luò)算法來(lái)診斷繞組匝間短路故障,雖然具有并行運(yùn)算、分布式信息存儲(chǔ)、容錯(cuò)能力強(qiáng)以及具備自適應(yīng)學(xué)習(xí)功能等一系列優(yōu)點(diǎn),但對(duì)于表達(dá)基于規(guī)則的知識(shí),對(duì)處理結(jié)構(gòu)化的知識(shí)則無(wú)能為力;直接利用溫度曲線和振動(dòng)曲線的瞬時(shí)值去判定繞組溫度異常故障和軸承振動(dòng)故障,對(duì)于隨機(jī)性和不確定性的突發(fā)故障沒有很好的效果。
[0004]現(xiàn)在工程上采用的電機(jī)故障診斷方法在要求不高的場(chǎng)合下可以得到良好的效果,但對(duì)于穩(wěn)定性、可靠性和準(zhǔn)確性要求比較高的場(chǎng)合傳統(tǒng)的在線檢測(cè)和故障診斷系統(tǒng)就不能夠滿足要求了。
[0005]因此,發(fā)明一種更為有效地提高雙邊型電機(jī)故障診斷的性能新方法成為亟需解決的課題。
【發(fā)明內(nèi)容】
[0006]發(fā)明目的:為了克服現(xiàn)有技術(shù)中存在的不足,本發(fā)明提供一種基于雙邊型直線電機(jī)的故障信息融合診斷方法,通過(guò)改進(jìn)的基8FFT算法、模糊人工神經(jīng)網(wǎng)絡(luò)法、模糊判定法分別對(duì)雙邊型直線電機(jī)的氣隙偏心故障、繞組匝間短路故障、繞組溫度異常故障以及振動(dòng)異常故障進(jìn)行診斷,可有效地提高診斷的穩(wěn)定性、可靠性和準(zhǔn)確性。
[0007]技術(shù)方案:為實(shí)現(xiàn)上述目的,本發(fā)明采用的技術(shù)方案為:
[0008]一種基于雙邊型直線電機(jī)的故障信息融合診斷方法,基于改進(jìn)的基8FFT算法、模糊神經(jīng)網(wǎng)絡(luò)算法、模糊判定法,對(duì)雙邊型直線電機(jī)的氣隙偏心故障、繞組匝間短路故障、繞組溫度異常故障以及振動(dòng)異常故障進(jìn)行診斷,具體為:
[0009](I)氣隙偏心故障診斷:首先對(duì)三相電流的C相電流進(jìn)行采樣得到單相電流,通過(guò)改進(jìn)的基8FFT算法來(lái)診斷氣隙偏心故障;
[0010](2)繞組匝間短路故障診斷:首先對(duì)三相電流采用Park矢量融合方法得到Park矢量軌跡圖像,同時(shí)對(duì)三相電壓使用Park矢量電壓融合方法得到電壓Park矢量軌跡,然后根據(jù)得到的Park矢量軌跡圖像和電壓Park矢量軌跡得到電壓校正Park矢量軌跡,接著使用極坐標(biāo)系像素法對(duì)電壓校正Park矢量軌跡提取特征矢量,并以提取的特征矢量作為模糊神經(jīng)網(wǎng)絡(luò)的輸入層,通過(guò)模糊神經(jīng)網(wǎng)絡(luò)來(lái)診斷繞組匝間短路故障;
[0011](3)繞組溫度異常故障診斷:首先得到和繞組溫度相關(guān)的溫度曲線,通過(guò)采樣的方法得到其瞬時(shí)值和瞬時(shí)變化率作為模糊判定的輸入精確量,通過(guò)模糊判定來(lái)診斷繞組溫度異常故障;
[0012](4)振動(dòng)異常故障診斷:首先得到和振動(dòng)參數(shù)有關(guān)的振動(dòng)曲線,通過(guò)采樣的方法得到其瞬時(shí)值和瞬時(shí)變化率作為模糊判定的輸入精確量,通過(guò)模糊判定來(lái)診斷振動(dòng)異常故障。
[0013]具體的,在進(jìn)行氣隙偏心故障診斷時(shí),具體包括如下步驟:
[0014](11)將單個(gè)周期內(nèi)的單相電流的輸入序列按照由大到小進(jìn)行快速排序得到I (η),對(duì)I (η)進(jìn)行DFT得到N點(diǎn)DFT,即DFT [I (η) ] = I (k),以I (k)作為輸出序列;將輸入序列按照由大到小進(jìn)行快速排序,代替了數(shù)字信號(hào)處理理論中的碼位倒置方法,通過(guò)軟件可以簡(jiǎn)單、快速實(shí)現(xiàn),適合通過(guò)DSP實(shí)現(xiàn);
[0015](12)根據(jù)輸出序列I (k),將N點(diǎn)DFT先分成兩個(gè)N/2點(diǎn)DFT,再分成四個(gè)N/4點(diǎn)DFT,繼續(xù)分成八個(gè)N/8點(diǎn)DFT,直至最終得到8點(diǎn)DFT ;每分一次,稱為一級(jí)運(yùn)算,對(duì)于每一級(jí)運(yùn)算,首先計(jì)算前一半序列的DFT值,根據(jù)DFT的共軛性質(zhì)得到后一半序列的DFT值;
[0016]I (k)可以表示為:
[0017]I (k) = Ir (k)+J-1i (k), k = O, I,..., N-1
[0018]其中Ir (k)是I(k)的實(shí)部,IiGO是I(k)的虛部,由DFT的定義可知:
[0019]i(k) = ^i(n)e 人、'=乞/.(")cos[(今)"女]—./[/.(")sin[(今)"々],/: = O,丨,…,/V —I
[0020]于是有:
[0021]/,.⑷=[/(/?)cos[(#)/?々],/,.⑷= -[/_⑷左],A: = 0,1,..., iV —I
?NN
n=01 v?=0丄y
[0022]由于余弦函數(shù)是偶函數(shù),正弦函數(shù)是奇函數(shù),并且它們都是周期函數(shù),則有:
[0023]Ir (N-l-k) = Ir (k), k = O, I,..., N-1
[0024]Ii (N-1-k) = -1i (k), k = O, I,..., N-1
[0025]根據(jù)上述推導(dǎo)可知,I (k)具有共軛性,根據(jù)傳統(tǒng)FFT的奇偶虛實(shí)性及其運(yùn)算特點(diǎn)出發(fā),本發(fā)明將部分乘法運(yùn)算轉(zhuǎn)化為加法運(yùn)算,即根據(jù)前一半序列的DFT值計(jì)算后一半序列的DFT值,這樣能夠減少近一半的計(jì)算量,從而降低FFT算法的復(fù)雜度,提高運(yùn)算的實(shí)時(shí)性,有利于編程實(shí)現(xiàn),能夠減小程序運(yùn)行的復(fù)雜度;
[0026]以最終得到8點(diǎn)DFT進(jìn)行說(shuō)明,首先計(jì)算每個(gè)8點(diǎn)DFT前4點(diǎn)DFT值的實(shí)部(余弦值)和虛部(正弦值)并存放于數(shù)組文件中,再根據(jù)下面的關(guān)系計(jì)算該8點(diǎn)DFT后4點(diǎn)DFT值的實(shí)部(余弦值)和虛部(正弦值)并存放于數(shù)組文件中:
[0027]Ir(k) = Ir(k+4),k = 0,1,...,3
[0028]Ii (k) = -1i (k+4),k = 0,1,...,3
[0029]由于實(shí)部(余弦值)和虛部(正弦值)只有l(wèi)、0、-l、-Vi/2、V^/2幾個(gè)值,因此僅需使用加減和極少量的乘法運(yùn)算即可計(jì)算得到后4點(diǎn)DFT值的實(shí)部(余弦值)和虛部(正弦值);
[0030]在下一步的基8FFT蝶形單元運(yùn)算時(shí),會(huì)頻繁使用到DFT值的實(shí)部(余弦值)和虛部(正弦值),因此,將計(jì)算得到的DFT值存入數(shù)組文件中并寫入文件,在需要時(shí)可以從文件中一次讀取,避免頻繁調(diào)動(dòng),可以在時(shí)間上極大地提高效率,滿足雙邊型直線電機(jī)故障檢測(cè)實(shí)時(shí)性、快速性的要求;
[0031](13)每個(gè)8點(diǎn)DFT作為一個(gè)基8FFT蝶形單元的輸入,通過(guò)基8FFT蝶形單元計(jì)算得到單相電流的特征頻率,分析單相電流的特征頻率中是否存在故障特征頻率,從而診斷氣隙偏心故障。
[0032]具體的,所述步驟(13)中,分析單相電流的特征頻率中是否存在故障特征頻率,具體為:以fiimf;作為故障特征頻率,其中為電源頻率,f;為轉(zhuǎn)子旋轉(zhuǎn)頻率,m為轉(zhuǎn)子旋轉(zhuǎn)頻率的系數(shù);判斷單相電流的特征頻率中是否存在頻率值為的頻率成分,若存在該頻率成分,則計(jì)算該頻率成分幅值與電源頻率幅值的比值,若比值小于10 %,則診斷存在氣隙偏心故障。本發(fā)明采用改進(jìn)的基8FFT算法簡(jiǎn)單易行,并且計(jì)算得到結(jié)果便于和故障特征頻率進(jìn)行比較;在進(jìn)行比較時(shí),本發(fā)明沒有單純地依靠有無(wú)特征頻率來(lái)判斷氣隙偏心故障,而是結(jié)合了特征頻率成分的相對(duì)大小進(jìn)行診斷。
[0033]具體的,在進(jìn)行繞組匝間短路故障診斷時(shí),模糊神經(jīng)網(wǎng)絡(luò)采用基于Mamdani模型的五層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu):第一層為輸入層,第二層為語(yǔ)言變量層,第三層為模糊規(guī)則層,第四層為歸一化層,第五層為輸出層;這使得繞組匝間短路故障的判定更為有效;模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)屬于無(wú)模型的估計(jì)器和非線性動(dòng)力學(xué)系統(tǒng),是處理雙邊直線電機(jī)Park矢量軌跡的極坐標(biāo)系像素這種具有不確定性和非線性問題的有利工具。
[0034]具體的,所述模糊神經(jīng)網(wǎng)絡(luò)中:
[0035]第一層為輸入層:該層的各個(gè)節(jié)點(diǎn)直接與像素輸入向量的各個(gè)分量Xi連接,起著將輸入值X= [Xl,X2,…,Χ_]τ傳送到下一層的作用;其中像素輸入向量即為提取的特征矢量,該層的節(jié)點(diǎn)數(shù)為N1 = 400 ;
[0036]第二層為語(yǔ)言變量層:該層的每個(gè)節(jié)點(diǎn)代表一個(gè)語(yǔ)言變量值(如NB、PS等),用于計(jì)算各個(gè)輸入分量屬于各語(yǔ)言變量值模糊集合的語(yǔ)言值隸屬函數(shù)< 三卜' ( V,),μΑ 是Xi的第j個(gè)語(yǔ)言變量值的隸屬函數(shù),其中i = 1,2,…,N1, j = I, 2,..., Iiii,Hii是Xi的模糊分
400
割數(shù),該層的節(jié)點(diǎn)數(shù)為M;
/:1
[0037]第三層為模糊規(guī)則層:該層的每個(gè)節(jié)點(diǎn)代表一條模糊規(guī)則,是用來(lái)匹配模糊規(guī)則的前提條件,用于計(jì)算每條規(guī)則的適用度,即?=ηι?η{/4?,...,/4°〗}或…,其中 i! e {I, 2,...,mj , i2 e {I, 2,...,m2},......, i400 e U, 2,…m4。。}, j = I, 2,…,m,
400
m ^ Y[Hii,該層的節(jié)點(diǎn)數(shù)為N3 = m ;
1-1
_m
[0038]第四層為歸一化層:該層用于實(shí)現(xiàn)歸一化運(yùn)算,即《;=?//1%() = 1,2,"_,《),該
/-1
層的節(jié)點(diǎn)數(shù)為N4 = N3 = m ;
W_
[0039]第五層為輸出層:該層用于實(shí)現(xiàn)清晰化運(yùn)算,即力
M
相當(dāng)于Yi的第j個(gè)語(yǔ)言值隸屬函數(shù)的中心值,r為輸出層輸出的元素的個(gè)數(shù),輸出層輸出的元素的值的大小是判斷是否有繞組匝間短路故障診的依據(jù)。
[0040]從神經(jīng)網(wǎng)絡(luò)中可直接從樣本中進(jìn)行有效的學(xué)習(xí),它具有并行運(yùn)算、分布式信息存儲(chǔ)、容錯(cuò)能力強(qiáng)以及具備自適應(yīng)學(xué)習(xí)功能等一系列優(yōu)點(diǎn);模糊系統(tǒng)適于表達(dá)基于規(guī)則的知識(shí),對(duì)處理結(jié)構(gòu)化的知識(shí)更為有效;模糊神經(jīng)網(wǎng)絡(luò)法把模糊邏輯與神經(jīng)網(wǎng)絡(luò)適當(dāng)?shù)亟Y(jié)合起來(lái),吸取兩者的長(zhǎng)處,對(duì)繞組匝間短路故障形成有效的診斷。
[0041]具體的,在進(jìn)行繞組溫度異常故障診斷時(shí),具體包括如下步驟:
[0042](31)根據(jù)溫度曲線,每隔一段時(shí)間測(cè)出溫度的瞬時(shí)值和瞬時(shí)變化率,瞬時(shí)值和瞬時(shí)變化率為精確量;
[0043](32)將精確量進(jìn)行模糊化處理,對(duì)偏差和偏差變化率這種語(yǔ)言變量的模糊化處理,采用正大PB、正中PM、正小PS、零O、負(fù)小NS、負(fù)中匪和負(fù)大NB這7個(gè)語(yǔ)言變量來(lái)描述,偏差和偏差變化率的隸屬函數(shù)采用gauss型函數(shù)(三角型函數(shù));
[0044](33)對(duì)模糊化處理的結(jié)果,采用模糊控制器根據(jù)模糊規(guī)則進(jìn)行模糊推理,所述模糊控制器為雙輸入單輸出的模糊控制器,兩個(gè)輸入量e和:為瞬時(shí)值和瞬時(shí)變化率,輸出量為U,模糊規(guī)則采用的模糊條件語(yǔ)句為:
參
[0045]If e and e riiL n u
[0046]模糊推理方法為Mamdani法,這種方法本質(zhì)上是一種基于似然推理的合成推理法貝U,只不過(guò)對(duì)模糊蘊(yùn)含關(guān)系取不同的表示形式而已,其突出之處就是將模糊蘊(yùn)含關(guān)系A(chǔ) —B用A和B的直積來(lái)表示,即A — B = AXB ;
[0047](34)根據(jù)模糊推理后得到的結(jié)果,將偏差和偏差變化率的隸屬函數(shù)進(jìn)行去模糊化后輸出精確值,根據(jù)輸出的精確值診斷繞組溫度異常故障。
[0048]具體的,在進(jìn)行振動(dòng)異常常故障診斷時(shí),具體包括如下步驟:
[0049](41)根據(jù)振動(dòng)曲線,每隔一段時(shí)間測(cè)出振動(dòng)的瞬時(shí)值和瞬時(shí)變化率,瞬時(shí)值和瞬時(shí)變化率為精確量;
[0050](42)將精確量進(jìn)行模糊化處理,對(duì)偏差和偏差變化率這種語(yǔ)言變量的模糊化處理,采用正大PB、正中PM、正小PS、零O、負(fù)小NS、負(fù)中匪和負(fù)大NB這7個(gè)語(yǔ)言變量來(lái)描述,偏差和偏差變化率的隸屬函數(shù)采用gauss型函數(shù)(三角型函數(shù));
[0051](43)對(duì)模糊化處理的結(jié)果,采用模糊控制器根據(jù)模糊規(guī)則進(jìn)行模糊推理,所述模糊控制器為雙輸入單輸出的模糊控制器,兩個(gè)輸入量e和;為瞬時(shí)值和瞬時(shí)變化率,輸出量為U,模糊規(guī)則采用的模糊條件語(yǔ)句為:
[0052]e und e then u
[0053]模糊推埋萬(wàn)法為Mamdani法,這種方法本質(zhì)上是一種基于似然推理的合成推理法貝U,只不過(guò)對(duì)模糊蘊(yùn)含關(guān)系取不同的表示形式而已,其突出之處就是將模糊蘊(yùn)含關(guān)系A(chǔ) —B用A和B的直積來(lái)表示,即A — B = AXB ;
[0054](44)根據(jù)模糊推理后得到的結(jié)果,將偏差和偏差變化率的隸屬函數(shù)進(jìn)行去模糊化后輸出精確值,根據(jù)輸出的精確值診斷振動(dòng)異常故障。
[0055]針對(duì)繞組溫度異常故障診斷和振動(dòng)異常故障診斷時(shí),本發(fā)明所采用的模糊控制器應(yīng)用Mamdani法設(shè)置了 49條模糊控制語(yǔ)句,每一條這樣的模糊語(yǔ)句只代表某一特定情況下的一個(gè)對(duì)策。模糊控制器不僅考慮了溫度曲線和振動(dòng)曲線的瞬時(shí)值,同時(shí)綜合考慮了這兩種曲線變化程度的快慢,對(duì)繞組溫度異常故障和振動(dòng)異常故障正兩種不確定性和隨機(jī)性的故障進(jìn)行診斷有著較好的效果。
[0056]采用模糊控制器進(jìn)行溫度異常故障診斷和振動(dòng)異常故障診斷時(shí),在得到每一條模糊條件語(yǔ)句的模糊關(guān)系RiQ = 1,2,-,m)之后,由于存在語(yǔ)句之間的“或”關(guān)系,可以計(jì)算
m
出整個(gè)控制系統(tǒng)模糊規(guī)則的總模糊關(guān)系為R = RiV R; V-VRm = V R1,其中m為語(yǔ)句數(shù)。
Z=I
[0057]若給定模糊控制器的輸入語(yǔ)言變量論域上的模糊子集E和EC,以及控制規(guī)則包含的每一條模糊語(yǔ)句決定的模糊關(guān)系Ri (i = 1,2,…,m),則其輸出語(yǔ)言變量論域上的模糊子集U可以表示為:
[0058]
U =(廠X EC)o/?, v(/;x EC) o V …V (/::X EC) o Rm = v(Kx l:C)。R
/=1
[0059]其中,“ V ”表示取大運(yùn)算,取兩數(shù)的最大值;“ X ”表示直積,設(shè)X,y為任意兩個(gè)集合,稱XXY = {(X,y) |x e X或y e Y}為x, y的直積;“ ο ”表示關(guān)系的合成運(yùn)算,表示為 Mq = Mk。s = Mk O Ms,若將 Mq, Me, Ms 分別寫成 Mq = Iiqij],Me = [rik],Ms = [skJ],貝Ij
η
ck=^Srik Λ~),i = I,2,...,m,k = I,2,...,n,j = I, 2,…,p。
[0060]有益效果:本發(fā)明提供的基于雙邊型直線電機(jī)的故障信息融合診斷方法,與低基數(shù)的FFT算法相比,以基-8為代表的高基數(shù)的FFT算法具有更少的乘法和加法運(yùn)算單元,可以大幅度提高運(yùn)算速度;本發(fā)明通過(guò)模糊判定法,突破了以往判定繞組溫度故障和軸承振動(dòng)故障只從模糊曲線和振動(dòng)曲線有沒有超過(guò)閾值來(lái)判斷,增加了對(duì)著兩種曲線的變化率進(jìn)行智能的判斷,從而對(duì)診斷提供了一種更可靠的解決方案;改進(jìn)的基8FFT算法,在時(shí)間上極大地提高了效率,可以滿足雙邊型直線電機(jī)故障檢測(cè)實(shí)時(shí)性、快速性的要求。
【專利附圖】
【附圖說(shuō)明】
[0061]圖1為本發(fā)明方法的實(shí)現(xiàn)流程圖;
[0062]圖2為基8FFT蝶形單元結(jié)構(gòu)圖;
[0063]圖3為基于Mamdani模型的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖;
[0064]圖4為溫度或振動(dòng)曲線瞬時(shí)值隸屬函數(shù)圖;
[0065]圖5為溫度或振動(dòng)曲線瞬時(shí)值變化率隸屬函數(shù)圖;
[0066]圖6為輸出量隸屬函數(shù)圖;
[0067]圖7為輸入輸出特性曲面。
【具體實(shí)施方式】
[0068]下面結(jié)合附圖對(duì)本發(fā)明作更進(jìn)一步的說(shuō)明。
[0069]如圖1所示為一種基于雙邊型直線電機(jī)的故障信息融合診斷方法,通過(guò)數(shù)據(jù)層融合、特征層融合、決策層融合以及兩級(jí)診斷的方式,主要針對(duì)雙邊型直線電機(jī)的氣隙偏心故障、繞組匝間短路故障、繞組溫度異常故障以及振動(dòng)異常故障;其中數(shù)據(jù)層采用了 park矢量融合方法以及改進(jìn)的基8FFT算法;特征層采用了模糊人工神經(jīng)網(wǎng)絡(luò)法和模糊判定法,具體為:
[0070](I)氣隙偏心故障診斷:首先對(duì)三相電流的C相電流進(jìn)行采樣得到單相電流,通過(guò)改進(jìn)的基8FFT算法來(lái)診斷氣隙偏心故障;
[0071](2)繞組匝間短路故障診斷:首先對(duì)三相電流采用Park矢量融合方法得到Park矢量軌跡圖像,同時(shí)對(duì)三相電壓使用Park矢量電壓融合方法得到電壓Park矢量軌跡,然后根據(jù)得到的Park矢量軌跡圖像和電壓Park矢量軌跡得到電壓校正Park矢量軌跡,接著使用極坐標(biāo)系像素法對(duì)電壓校正Park矢量軌跡提取特征矢量,并以提取的特征矢量作為模糊神經(jīng)網(wǎng)絡(luò)的輸入層,通過(guò)模糊神經(jīng)網(wǎng)絡(luò)來(lái)診斷繞組匝間短路故障;
[0072](3)繞組溫度異常故障診斷:首先得到和繞組溫度相關(guān)的溫度曲線,通過(guò)采樣的方法得到其瞬時(shí)值和瞬時(shí)變化率作為模糊判定的輸入精確量,通過(guò)模糊判定來(lái)診斷繞組溫度異常故障;
[0073](4)振動(dòng)異常故障診斷:首先得到和振動(dòng)參數(shù)有關(guān)的振動(dòng)曲線,通過(guò)采樣的方法得到其瞬時(shí)值和瞬時(shí)變化率作為模糊判定的輸入精確量,通過(guò)模糊判定來(lái)診斷振動(dòng)異常故障。
[0074]氣隙偏心故障診斷
[0075](11)將單個(gè)周期內(nèi)的單相電流的輸入序列按照由大到小進(jìn)行快速排序得到
I(η),對(duì)I (η)進(jìn)行DFT得到N點(diǎn)DFT,即DFT [I (η) ] = I (k),以I (k)作為輸出序列。
[0076]將C相電流利用電流傳感器測(cè)定出數(shù)值后,再經(jīng)過(guò)A/D轉(zhuǎn),轉(zhuǎn)換后的輸入序列再按照采樣器的時(shí)鐘頻率按8r、8r+l、8r+2、8r+3、8r+4、8r+5、8r+6、8r+7來(lái)抽取,對(duì)于任意一個(gè)N = 8m點(diǎn)DFT,可以采用M次分解,最后取整分解成8點(diǎn)DFT的組合,最好能將采樣時(shí)間設(shè)定為采樣周期的8的整數(shù)倍。
[0077]根據(jù)DFT的定義:
Λ—-1
[0078]I(k) = DFT[i(n)] = Tj, /t = 0,1,2,…,TV — I
?-O
[0079]其中i(n)為釆樣得到的單相電流序列,= /令'將按8r、8r+l、8r+2、8r+3、
8r+4、8r+5、8r+6、8r+7分成八個(gè)子序列:
[0080]i(8r) = a (r)
[0081]i (8r+l) = b (r)
[0082]i (8r+2) = c (r)
[0083]i (8r+3) = d (r)
[0084]i (8r+4) = e (r)
[0085]i (8r+5) = f (r)
[0086]i (8r+6) = g (r)
[0087]i (8r+7) = h (r)
[0088]其中r = 0,l,…,|-1 ;再利用系數(shù)f ^的周期性和對(duì)稱性得到:
【權(quán)利要求】
1.一種基于雙邊型直線電機(jī)的故障信息融合診斷方法,其特征在于:基于改進(jìn)的基8FFT算法、模糊神經(jīng)網(wǎng)絡(luò)算法、模糊判定法,對(duì)雙邊型直線電機(jī)的氣隙偏心故障、繞組匝間短路故障、繞組溫度異常故障以及振動(dòng)異常故障進(jìn)行診斷,具體為: (1)氣隙偏心故障診斷:首先對(duì)三相電流的C相電流進(jìn)行采樣得到單相電流,通過(guò)改進(jìn)的基8FFT算法來(lái)診斷氣隙偏心故障; (2)繞組匝間短路故障診斷:首先對(duì)三相電流采用Park矢量融合方法得到Park矢量軌跡圖像,同時(shí)對(duì)三相電壓使用Park矢量電壓融合方法得到電壓Park矢量軌跡,然后根據(jù)得到的Park矢量軌跡圖像和電壓Park矢量軌跡得到電壓校正Park矢量軌跡,接著使用極坐標(biāo)系像素法對(duì)電壓校正Park矢量軌跡提取特征矢量,并以提取的特征矢量作為模糊神經(jīng)網(wǎng)絡(luò)的輸入層,通過(guò)模糊神經(jīng)網(wǎng)絡(luò)來(lái)診斷繞組匝間短路故障; (3)繞組溫度異常故障診斷:首先得到和繞組溫度相關(guān)的溫度曲線,通過(guò)采樣的方法得到其瞬時(shí)值和瞬時(shí)變化率作為模糊判定的輸入精確量,通過(guò)模糊判定來(lái)診斷繞組溫度異常故障; (4)振動(dòng)異常故障診斷:首先得到和振動(dòng)參數(shù)有關(guān)的振動(dòng)曲線,通過(guò)采樣的方法得到其瞬時(shí)值和瞬時(shí)變化率作為模糊判定的輸入精確量,通過(guò)模糊判定來(lái)診斷振動(dòng)異常故障。
2.根據(jù)權(quán)利要求1所述的基于雙邊型直線電機(jī)的故障信息融合診斷方法,其特征在于:在進(jìn)行氣隙偏心故障診斷時(shí),具體包括如下步驟: (11)將單個(gè)周期內(nèi)的單相電流的輸入序列按照由大到小進(jìn)行快速排序得到I(n),對(duì)I (η)進(jìn)行DFT得到N點(diǎn)DFT,即DFT [I (η) ] = I (k),以I (k)作為輸出序列; (12)根據(jù)輸出序列I(k),將N點(diǎn)DFT先分成兩個(gè)N/2點(diǎn)DFT,再分成四個(gè)N/4點(diǎn)DFT,繼續(xù)分成八個(gè)N/8點(diǎn)DFT,直至最終得到8點(diǎn)DFT ;每分一次,稱為一級(jí)運(yùn)算,對(duì)于每一級(jí)運(yùn)算,首先計(jì)算前一半序列的DFT值,根據(jù)DFT的共軛性質(zhì)得到后一半序列的DFT值; (13)每個(gè)8點(diǎn)DFT作為一個(gè)基8FFT蝶形單元的輸入,通過(guò)基8FFT蝶形單元計(jì)算得到單相電流的特征頻率,分析單相電流的特征頻率中是否存在故障特征頻率,從而診斷氣隙偏心故障。
3.根據(jù)權(quán)利要求2所述的基于雙邊型直線電機(jī)的故障信息融合診斷方法,其特征在于:所述步驟(13)中,分析單相電流的特征頻率中是否存在故障特征頻率,具體為:以fiimf;作為故障特征頻率,其中為電源頻率,f;為轉(zhuǎn)子旋轉(zhuǎn)頻率,m為轉(zhuǎn)子旋轉(zhuǎn)頻率的系數(shù);判斷單相電流的特征頻率中是否存在頻率值為的頻率成分,若存在該頻率成分,則計(jì)算該頻率成分幅值與電源頻率幅值的比值,若比值小于10%,則診斷存在氣隙偏心故障。
4.根據(jù)權(quán)利要求1所述的基于雙邊型直線電機(jī)的故障信息融合診斷方法,其特征在于:在進(jìn)行繞組匝間短路故障診斷時(shí),模糊神經(jīng)網(wǎng)絡(luò)采用基于Mamdani模型的五層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu):第一層為輸入層,第二層為語(yǔ)言變量層,第三層為模糊規(guī)則層,第四層為歸一化層,第五層為輸出層。
5.根據(jù)權(quán)利要求4所述的基于雙邊型直線電機(jī)的故障信息融合診斷方法,其特征在于:所述模糊神經(jīng)網(wǎng)絡(luò)中: 第一層為輸入層:該層的各個(gè)節(jié)點(diǎn)直接與像素輸入向量的各個(gè)分量Xi連接,起著將輸入值X= [X1, X2,…,X4Jt傳送到下一層的作用;其中像素輸入向量即為提取的特征矢量,該層的節(jié)點(diǎn)數(shù)為N1 = 400 ; 第二層為語(yǔ)言變量層:該層的每個(gè)節(jié)點(diǎn)代表一個(gè)語(yǔ)言變量值,用于計(jì)算各個(gè)輸入分量屬于各語(yǔ)言變量值模糊集合的語(yǔ)言值隸屬函數(shù)W (.V,),//, (^是七的第彳個(gè)語(yǔ)言變量值的隸屬函數(shù),其中i = 1,2,…,N1, j = I, 2,…,IV HIi是Xi的模糊分割數(shù),該層的節(jié)點(diǎn)數(shù)
400為 = Σ/;/Ζ ;
/-1 第三層為模糊規(guī)則層:該層的每個(gè)節(jié)點(diǎn)代表一條模糊規(guī)則,是用來(lái)匹配模糊規(guī)則的前提條件,用于計(jì)算每條規(guī)則的適用度,即= min{//(',/4',...,=Z^…/4$ ,其中
400Ii e {1,2,...,HiJa2 e {l,2,...,m2},......,i400 e {1,2,…m400}, j = 1,2,…,m, m = ]~[ Sni ,
/=1該層的節(jié)點(diǎn)數(shù)為N3 = m ;
_m 第四層為歸一化層:該層用于實(shí)現(xiàn)歸一化運(yùn)算,即,Σ#./=1,2,…,"2),該層的
/=1節(jié)點(diǎn)數(shù)為N4 = N3 = m ;
m- 第五層為輸出層:該層用于實(shí)現(xiàn)清晰化運(yùn)算,即力= ιυ,其中Wij相當(dāng)于Yi的第j個(gè)語(yǔ)言值隸屬函數(shù)的中心值,r為輸出層輸出的元素的個(gè)數(shù),輸出層輸出的元素的值的大小是判斷是否有繞組匝間短路故障診的依據(jù)。
6.根據(jù)權(quán)利要求1所述的基于雙邊型直線電機(jī)的故障信息融合診斷方法,其特征在于:在進(jìn)行繞組溫度異常故障診斷時(shí),具體包括如下步驟: (31)根據(jù)溫度曲線,每隔一段時(shí)間測(cè)出溫度的瞬時(shí)值和瞬時(shí)變化率,瞬時(shí)值和瞬時(shí)變化率為精確量; (32)將精確量進(jìn)行模糊化處理,對(duì)偏差和偏差變化率這種語(yǔ)言變量的模糊化處理,采用正大PB、正中PM、正小PS、零O、負(fù)小NS、負(fù)中匪和負(fù)大NB這7個(gè)語(yǔ)言變量來(lái)描述,偏差和偏差變化率的隸屬函數(shù)采用gauss型函數(shù);(33)對(duì)模糊化處理的結(jié)果,采用模糊控制器根據(jù)模糊規(guī)則進(jìn)行模糊推理,所述模糊控制器為雙輸入單輸出的模糊控制器,兩個(gè)輸入量e和:為瞬時(shí)值和瞬時(shí)變化率,輸出量為U,模糊規(guī)則采用的模糊條件語(yǔ)句為: If e and e then u 模糊推理方法為Mamdani法,將模糊蘊(yùn)含關(guān)系A(chǔ) — B用A和B的直積來(lái)表示,即A — B=AXB ; (34)根據(jù)模糊推理后得到的結(jié)果,將偏差和偏差變化率的隸屬函數(shù)進(jìn)行去模糊化后輸出精確值,根據(jù)輸出的精確值診斷繞組溫度異常故障。
7.根據(jù)權(quán)利要求1所述的基于雙邊型直線電機(jī)的故障信息融合診斷方法,其特征在于:在進(jìn)行振動(dòng)異常故障診斷時(shí),具體包括如下步驟: (41)根據(jù)振動(dòng)曲線,每隔一段時(shí)間測(cè)出振動(dòng)的瞬時(shí)值和瞬時(shí)變化率,瞬時(shí)值和瞬時(shí)變化率為精確量; (42)將精確量進(jìn)行模糊化處理,對(duì)偏差和偏差變化率這種語(yǔ)言變量的模糊化處理,采用正大PB、正中PM、正小PS、零O、負(fù)小NS、負(fù)中匪和負(fù)大NB這7個(gè)語(yǔ)言變量來(lái)描述,偏差和偏差變化率的隸屬函數(shù)采用gauss型函數(shù); (43)對(duì)模糊化處理的結(jié)果,采用模糊控制器根據(jù)模糊規(guī)則進(jìn)行模糊推理,所述模糊控制器為雙輸入單輸出的模糊控制器,兩個(gè)輸入量e和:為瞬時(shí)值和瞬時(shí)變化率,輸出量為U,模糊規(guī)則采用的模糊條件語(yǔ)句為: If e and e then u 模糊推理方法為Mamdani法,將模糊蘊(yùn)含關(guān)系A(chǔ) — B用A和B的直積來(lái)表示,即A — B=AXB ; (44)根據(jù)模糊推理后得到的結(jié)果,將偏差和偏差變化率的隸屬函數(shù)進(jìn)行去模糊化后輸出精確值,根據(jù)輸出的精確值診斷振動(dòng)異常故障。
【文檔編號(hào)】G01R31/34GK104166095SQ201410439278
【公開日】2014年11月26日 申請(qǐng)日期:2014年8月29日 優(yōu)先權(quán)日:2014年8月29日
【發(fā)明者】胡敏強(qiáng), 徐鳴飛, 余海濤, 黃磊 申請(qǐng)人:東南大學(xué)