電動汽車電機及控制器故障診斷專家系統(tǒng)的研究

王傳軍，　李懷珍，　姚金生

(上海電科電機科技有限公司，上海　200063)

電動汽車電機及控制器故障診斷專家系統(tǒng)的研究

王傳軍，李懷珍，姚金生

(上海電科電機科技有限公司，上海200063)

摘要：隨著電動汽車產業(yè)的快速發(fā)展，電動汽車的“心臟”電機及控制器的安全、穩(wěn)定等備受重視。在簡要介紹了幾種用于電機及控制器故障診斷方法的基礎上，采用PC104架構在Win XPE環(huán)境下開發(fā)了基于模糊故障診斷專家系統(tǒng)的電動汽車電機及控制器檢測儀，并介紹了該儀器的基本硬件和軟件架構。

關鍵詞：電動汽車電機； 控制器； 故障診斷； 專家系統(tǒng)

0引言

電動汽車運行過程中，電機控制器故障發(fā)生的過程就是其技術狀況變化的過程。這種變化必然會通過驅動電機系統(tǒng)參數反映出來[1]。一旦驅動電機或控制器出現故障，電機產生的瞬態(tài)扭矩將使車輛的穩(wěn)定性和動力性受到影響，如果不能及時發(fā)現或修復將會帶來不可估量的損失或事故，因此對電動汽車電機及控制器的故障診斷對于保證安全、減少損失具有極為重要的意義。汽車電機驅動系統(tǒng)的故障診斷是一門涉及電機理論、電磁測量、信號處理、計算機技術、熱力學、絕緣技術、人工智能等多學科知識領域的技術[2]。

專家系統(tǒng)是一種具有大量知識和經驗的智能程序，存儲了專門領域經過事先總結分析并按照某種模式保存的專家知識。專家系統(tǒng)能夠運用人類專家的知識和解決問題的方法進行推理和判斷，模擬人類專家求解決策問題的推理機制，來解決該領域復雜的專業(yè)問題[3]。

1電機及控制器故障診斷方法[4]

1.1基于數學模型的診斷方法

在基于數學模型的診斷方法中，基于狀態(tài)估計或過程參數估計的方法在電機故障診斷中應用較為普遍。比如說如果電機輸出量超出正常變化范圍，則認為電機已經或即將發(fā)生故障。這種方法需要建立精確的電機數學模型和適當的決策策略。其故障診斷原理框圖如圖1所示。

圖1　基于狀態(tài)估計、參數估計的電機故障診斷

1.2基于神經網絡的診斷方法

基于神經網絡的故障診斷方法的原理框圖如圖2所示。通常利用神經網絡來實現學習與分類決策的功能。為了能夠對模式進行分類，往往需要學習，通過學習將系統(tǒng)參數或結構固定下來，即完成了訓練的過程。待識別信息經已訓練神經網絡的處理，可自動根據某一判別原則對被識別對象進行分類，最后給出準確、及時的故障診斷結論。

圖2　基于神經網絡的電機故障診斷

1.3基于模糊邏輯的故障診斷方法

基于模糊邏輯的故障診斷方法如圖3所示。故障診斷部分是一個典型的模糊邏輯系統(tǒng)，主要包括模糊化單元、參考電機、底層模糊規(guī)則和解模糊單元。其中，模糊推理和底層模糊規(guī)則是模糊邏輯系統(tǒng)的核心，具有模擬人的基于模糊概念的推理能力。該推理過程是基于模糊邏輯中的蘊涵關系及推理規(guī)則來進行的。模糊規(guī)則的制定有兩種基本方法：(1) 啟發(fā)式途徑來源于實際電機操作者的語言化的經驗。(2) 是采用自組織策略從正常和故障電機測量獲得的信號進行模糊故障診斷的制定，將此方法通過計算機仿真實現，對電機故障有較好的識別能力。

圖3　基于模糊邏輯的電機故障診斷

1.4基于遺傳算法的故障診斷方法

遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法。它的推算過程就是不斷接近最優(yōu)解的方法，因此它的特點在于并行計算與全局最優(yōu)；而且，與一般的優(yōu)化方法相比，遺傳算法只需較少的信息就可實現最優(yōu)化控制。由于一個模糊邏輯控制器所需確定的參變量很多，專家的經驗只能起到指導作用，很難根據指導準確地定出各項參數，而反復試湊的過程就是一個尋優(yōu)的過程。遺傳算法可以應用于該尋優(yōu)過程，較有效地確定出模糊邏輯控制器的結構和數量。

遺傳算法應用于感應電機基于神經網絡的故障診斷方法的框圖如圖4所示。設計神經網絡的關鍵在于如何確定神經網絡的結構及連接權系數，就是一個優(yōu)化問題，其優(yōu)化的目標是使得所設計的神經網絡具有盡可能好的函數估計及分類功能。具體地分，可以將遺傳算法應用于神經網絡的設計和訓練兩個方面，分別構成設計遺傳算法和訓練遺傳算法。許多神經網絡的設計細節(jié)，如隱層節(jié)點數、神經元轉移函數等，都可由設計遺傳算法進行優(yōu)化，而神經網絡的連接權重可由訓練遺傳算法優(yōu)化。這兩種遺傳算法的應用可使神經網絡的結構和參數得以優(yōu)化，特別是用DSP來提高遺傳算法的速度，可使故障響應時間小于300μs，不僅單故障信號診斷，準確率可達98%，還可用于雙故障信號的診斷，準確率為66%。

圖4　遺傳算法在模糊邏輯的電機故障診斷中的應用

2電機及控制器故障診斷專家系統(tǒng)

2.1故障診斷專家系統(tǒng)的功能

電機及控制器故障診斷專家系統(tǒng)是一個多功能診斷性專家系統(tǒng)，內部結構如圖5所示，由數據庫、知識庫、推理機、知識獲取、數據采集、故障處理、人機接口等部分組成。

(1) 數據庫：用于存放電機及控制器配置信息和通過通信接口接收到的傳感器的各種狀態(tài)信息。

圖5　電機及控制器故障診斷專家系統(tǒng)內部結構

(2) 知識庫：用于存放領域專家或由其他知識源獲取的故障診斷領域知識和相關知識。

(3) 推理機：它是利用知識庫中的知識，根據征兆事實進行推理診斷的功能模塊。

(4) 知識獲取包括知識庫的建立，以及知識的插入、修改、刪除、一致性檢查和知識庫查詢等功能。

(5) 故障處理：進行正向推理的診斷和反向推理的診斷，以便在電機及控制器發(fā)生故障時能迅速而準確地診斷，能對電機和控制器的運行狀態(tài)、行為和故障診斷過程進行正確的解釋，并提供對故障的處理功能進行重構的建議。

(6) 人機接口：用于用戶、領域專家、知識工程師的信息交換。

2.2電機及控制器故障診斷專家系統(tǒng)設計

2.2.1專家系統(tǒng)的硬件框架設計

考慮產品主要是隨車攜帶和維修維護使用，既要能作為電機及控制器運行狀態(tài)監(jiān)視使用，同時也要為電機和控制器維修維護提供診斷技術，因而選用了嵌入式PC104主板設計便攜式檢測儀。系統(tǒng)硬件架構如圖6所示。

圖6　電機及控制器故障診斷專家系統(tǒng)硬件架構圖

在此，選用了通過總線方式進行數據采集，采用通信轉換接口模塊將測試數據轉換成標準格式后傳輸給檢測儀。在電機及控制器開放協議的情況下可以直接從其中獲取電機及控制器狀態(tài)信息及故障情況，然后通過通信轉換模塊轉換成標準格式后傳送給檢測儀；在不能從電機及控制器獲取信息的情況下也可從外接傳感器進行信號采集。這樣一來，既兼顧了檢測儀的開放性又不失設備的兼容性；既能作為監(jiān)控監(jiān)測使用，又方便了維修維護人員獲取專家知識。

2.2.2故障診斷模糊專家系統(tǒng)的知識表示

本文采用產生規(guī)則和模糊數學結合的模糊產生式規(guī)則來表示知識。模糊產生式規(guī)則可以有效地表達啟發(fā)式知識，并可以根據數據可靠性給出可信度因子，從而實現模糊推理。

模糊規(guī)則是將傳統(tǒng)產生式規(guī)則模糊化，其模糊化主要從以下幾個方面來進行：前提條件模糊化、動作或結論模糊化、規(guī)則激活閥值λ(0<λ<1)和規(guī)則可信度CF(0

一個模糊產生式規(guī)則

IF(p1′,p2′，…，pm′)then(q1′,q2′,…)withCF(R)

則相應表達為

IF(p1,f1,t1)and(p2,f2,t2)and…and(pm,fm,tm)

THEN[(q1,g1,s1),(q2,g2,s2),…withCF(R)]

其中：p1′、p2′…pm′——規(guī)則中的各模糊前提條件；

q1′、q2′,…——規(guī)則中的模糊結論及動作；

CF(R)——規(guī)則強度或可信度；

p1、p2…pm——p1′、p2′…pm′相應的確定性表達；

q1、q2…——q1′、q2′…相應的確定性表達；

f1、f2…fm——p1、p2…pm表達p1′、p2′…pm′時的狀態(tài)可能性分布；

t1、t2…tm——用(p1,f1)，(p2,f2)，…(pm,fm)表達p1′、p2′…pm′時的確信度；

g1、g2…——用q1、q2…表達q1′、q2′…時的狀態(tài)可能性分布；s1、s2、q1′、q2′…——用(q1,g1)，(q2,g2)…表達q1′、q2′…時的確信度。

2.2.3模糊數據庫

隨著模糊數學理論體系的建立，人們可以用數據來描述模糊事件并能夠進行模糊計算。這樣，就可以把不完全性、不確定性、模糊性引入數據庫系統(tǒng)中，從而形成模糊數據庫。模糊數據庫是指能夠處理模糊數據的數據庫，是進行機器學習和模糊推理的依據，其存放原因隸屬度，根據事例的變化進行動態(tài)的學習修改，以體現專家系統(tǒng)智能型的特點。

2.2.4故障診斷模糊專家系統(tǒng)的推理機

本文采用基于事例的模糊推理機制，其核心思想是基于回憶以前類似的事例并使用該事例的信息和知識來解決新問題。本系統(tǒng)的推理方法采用正向推理和反向推理相結合的方式。正向推理流程圖如圖7所示。

圖7　電機及控制器故障診斷專家系統(tǒng)正向推理機

根據故障現象對知識庫進行模糊匹配，將匹配出的可能原因送入綜合數據庫。對系統(tǒng)診斷出的故障現象的所有原因，以模糊數據庫為依據進行模糊集合運算，只有當原因隸屬度大于現象的閾值時，才提交給用戶，否則不予輸出；但當用戶要求顯示所有可能原因時，可以提交閾值以下的原因給用戶。

2.2.5故障診斷專家系統(tǒng)的軟件框架設計

電動汽車電機及控制器故障診斷專家系統(tǒng)流程圖如圖8所示。

圖8　電機及控制器故障診斷專家系統(tǒng)流程

3結語

本文在簡要介紹了幾種用于電動汽車電機及控制器的故障診斷算法的基礎上，采用模糊邏輯算法，在Win XPE環(huán)境下設計開發(fā)了基于PC104架構的便攜式電動汽車電機及控制器故障診斷專家系統(tǒng)檢測儀。該儀器具有攜帶方便、操作簡便、維護容易等特點，即可隨車用于電機及控制器的性能監(jiān)測使用，也可作為維修工具使用，降低了車輛維修維護的難度，具有極大的推廣使用價值。

【參 考 文 獻】

[1]方敏.混合電動汽車電機控制器檢測與診斷系統(tǒng)原理及其常見故障[J].經濟技術協作信息,2011(26)：133-133.

[2]林勍,林紅旗.汽車電機故障診斷方法探討[J].科技資訊,2007(2)：144.

[3]李小青.基于模糊專家系統(tǒng)的故障診斷方法研究[J].農機化研究,2006(4)：79-82.

[4]沈艷霞,紀志成,姜建國.電機故障診斷的人工智能方法綜述[J].微特電機,2004,32(2)：39-42.

Discussion on Electric Motor and Controller Fault Diagnosis Expert System

WANGChuanjun,LIHuaizhen,YAOJinsheng

(SEARI Electrical Machinery Technology Co.,Ltd., Shanghai 200063， China)

Abstract：With the rapid development of electric vehicle industry, the safety and stability of the electric motor and controller has been paid much attention. Based on the brief analyses of the fault diagnosis of motor and controller, an electric vehicle motor and controller detecting instrument based on fuzzy fault diagnosis expert system was developed, the instrument’s basic hardware and software architecture also has been introduced.

Key words：electric motor; controller; fault diagnosis; expert system

作者簡介：王傳軍(1973—)，男，大學本科，高級工程師，研究方向為電機試驗技術及電機檢測設備。 李懷珍(1985—)，男，碩士研究生，工程師，研究方向為機電控制技術和電機性能檢測技術。

中圖分類號：TM 307

文獻標志碼：A

文章編號：1673-6540(2016)05- 0069- 04

收稿日期：2015-12-12