基于人工神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)供電不平衡及缺相故障診斷

許允之，楊佳彬，方　磊（中國礦業(yè)大學(xué)信息與電氣工程學(xué)院，徐州221116）

基于人工神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)供電不平衡及缺相故障診斷

許允之，楊佳彬，方磊
（中國礦業(yè)大學(xué)信息與電氣工程學(xué)院，徐州221116）

近年來，永磁同步電機(jī)逐步成為應(yīng)用最廣泛的工業(yè)拖動(dòng)設(shè)備，因此必須考慮對電機(jī)突収故障迚行保護(hù)以便其可以繼續(xù)運(yùn)行。同時(shí)，在電機(jī)運(yùn)行過程中不可避免地會(huì)出現(xiàn)各種錯(cuò)誤。電網(wǎng)供電電壓不平衡是其中一種常見故障。然而，不平衡的電源電壓故障與電機(jī)缺相的故障表現(xiàn)是類似的。因此本文著重于三相電壓不平衡故障的診斷以及與電機(jī)單相或缺相故障的鑒別，提出基于提取定子電流和電源電壓基波中三次諧波的人工神經(jīng)網(wǎng)絡(luò)方法。利用神經(jīng)網(wǎng)絡(luò)，本文所提出的方法在檢測和診斷缺相故障與電源電壓不平衡故障中有很高的準(zhǔn)確性，本文使用有限元分析軟件迚行，模擬實(shí)驗(yàn)驗(yàn)證該方法是有效的。

故障檢測；永磁同步電機(jī)；單相故障；電源電壓不平衡；人工神經(jīng)網(wǎng)路

0　引言

永磁同步電機(jī)的主要特點(diǎn)是結(jié)構(gòu)簡單、可靠性高、效率高、結(jié)構(gòu)穩(wěn)定、功率密度高、質(zhì)量和轉(zhuǎn)動(dòng)慣量小。由于永磁電機(jī)具備這些優(yōu)勢，因此被廣泛應(yīng)用到多種電機(jī)驅(qū)動(dòng)場合，如：電動(dòng)汽車、機(jī)器人、航空航天、醫(yī)療等［1］。由于永磁電機(jī)的廣泛應(yīng)用，因此是工作環(huán)境較為復(fù)雜，同時(shí)由于制造缺陷或者誤操作而導(dǎo)致電機(jī)出現(xiàn)故障的可能性增大［2］。永磁電機(jī)出現(xiàn)外部故障的主要原因有：機(jī)械過載、轉(zhuǎn)子堵轉(zhuǎn)、電源異常（如缺相或單相、不平衡電源電壓、電源電壓的相序逆轉(zhuǎn)、過壓、欠壓、失步、頻率過低、電源短路）。永磁同步電機(jī)端子電壓不平衡可引起電流不平衡，不平衡電流會(huì)引起轉(zhuǎn)矩脈動(dòng)、增大振動(dòng)和機(jī)械應(yīng)力、增加損耗、電動(dòng)機(jī)過熱，這會(huì)降低電機(jī)的性能幵縮短絕緣繞組壽命。不并的是，缺相故障和電源電壓不平衡故障有相同的外部表現(xiàn)，而缺相故障值得特別注意，因?yàn)槿毕嗍请娫措妷翰黄胶夤收现凶顗牡那闆r。在小電機(jī)中，低壓熔斷器保護(hù)系統(tǒng)上電機(jī)燒壞的最常見的原因是缺相故障［3］。研究収現(xiàn)，當(dāng)電機(jī)采用傳統(tǒng)的繼電保護(hù)時(shí)，缺相故障仍無法檢測，當(dāng)電機(jī)収生缺相故障時(shí)，其故障端產(chǎn)生較大的反電動(dòng)勢，電壓繼電器的電壓下降不會(huì)出現(xiàn)跳閘。

電源電壓的不平衡會(huì)造成一系列的電機(jī)故障，因?yàn)槠鋾?huì)嚴(yán)重?fù)p害繞組絕緣層的壽命。不平衡電壓的常見原因包括［4］：市電電壓不穩(wěn)定、變壓器分壓值不平衡、大型系統(tǒng)中變壓器初級(jí)端缺相、電源接線阻抗不相等、在同一電力系統(tǒng)中單相負(fù)載分布不均等。

根據(jù)以上論述，不平衡電源電壓故障引起廣泛關(guān)注。因此，近20年來，許多學(xué)者嘗試檢測和診斷電機(jī)運(yùn)行時(shí)的不平衡電壓，大部分技術(shù)都是基于逆序分析，其他技術(shù)包括均方根分析、快速傅里葉變換分析、小波分析、Hilbert-Huang轉(zhuǎn)換分析、損耗分析、多分辨率分析等。最近，基于人工智能（AI）的新技術(shù)介紹了模糊邏輯、遺傳算法和神經(jīng)網(wǎng)絡(luò)的概念。同時(shí)，有文獻(xiàn)提出使用電源電壓基波中三次諧波含量作為電機(jī)運(yùn)行中可靠的監(jiān)測指標(biāo)。

鑒于此，本文提出一種故障檢測方法，使用人工智能神經(jīng)網(wǎng)絡(luò)結(jié)合永磁同步電機(jī)三相定子電流、電壓基波中三次諧波含量比值，來檢測幵辨識(shí)出不同負(fù)載下電源電壓不平衡率。

仿真和實(shí)驗(yàn)結(jié)果表明，該方法可以檢測永磁同步電機(jī)中電源電壓不平衡故障，識(shí)別故障等級(jí)，還能區(qū)別供電不平衡故障和缺相故障。

1　含外部電氣故障的永磁同步電機(jī)建模

用有限元分析軟件JMAG-Designer建立一個(gè)二維表貼式的含有缺相故障及電源電壓不平衡的永磁電機(jī)模型，電機(jī)模型和有限元分析的剖分結(jié)構(gòu)如圖1所示。使用有限元法（FEM）可以實(shí)現(xiàn)更加準(zhǔn)確的計(jì)算；該模型可以深入地模擬分析正常和故障狀態(tài)下的永磁同步電機(jī)的性能，幵且具有更精確的辨識(shí)精度［5］。運(yùn)用JMAG建立起電機(jī)模型，計(jì)算出三相定子電流和線電壓，將結(jié)果輸入到Matlab程序來處理幵迚行數(shù)據(jù)分析。電壓和電流值是在穩(wěn)態(tài)運(yùn)行時(shí)測得。缺相故障是通過將B相斷開來實(shí)現(xiàn)模型仿真的，此時(shí)電機(jī)只有兩相（A、C）運(yùn)行。圖2給出了JMAG仿真中的三相接線示意結(jié)構(gòu)。對于永磁同步電機(jī)在缺相以及電源電壓不平衡條件下運(yùn)行情況的研究需要基于準(zhǔn)確的電機(jī)參數(shù)。永磁同步電動(dòng)機(jī)的模型參數(shù)如表1所示，與實(shí)驗(yàn)室測定的永磁同步電機(jī)參數(shù)一致。

2　故障診斷方法

對永磁同步電機(jī)運(yùn)行過程中可能頻繁出現(xiàn)的故障迚行保護(hù)是非常重要的一項(xiàng)研究，如缺相和電源電壓不平衡故障。因此，本文提出了基于定子電流三次諧波對基波幅度之比的神經(jīng)網(wǎng)絡(luò)故障檢測方法。

圖1　JMAG中的電機(jī)結(jié)構(gòu)及其剖分圖

圖2　缺相故障JMAG仿真電路

表1　永磁同步電機(jī)的主要參數(shù)

不同的不平衡電源電壓和B相缺相故障時(shí)，在不同負(fù)載情況下，定子電流三次諧波FFT幅度之比與故障的嚴(yán)重程度是線性關(guān)系。三相分別如圖3～5所示，幵且與加載情況成反比。B相缺相故障時(shí)，故障相定子電流的三次諧波對基波幅值比進(jìn)大于電源電壓不平衡故障時(shí)的比值。

圖3　A相諧波輸出結(jié)果

圖4　B相諧波輸出結(jié)果

圖5　C相諧波輸出結(jié)果

應(yīng)用所提出的方法主要有兩個(gè)步驟。第一階段，三相電動(dòng)機(jī)電流和線電壓都使用常觃的電流互感器和電壓互感器分別測定。使用通用的A/D轉(zhuǎn)換芯片來測量結(jié)果。然后采樣定子電流通過數(shù)字低通濾波器濾波。通過取樣器和預(yù)處理器將時(shí)域中的定子電流信號(hào)轉(zhuǎn)換至頻域，然后獲得三相定子電流的三次諧波與電源電壓的基波幅值的比值。在第二階段，將以上結(jié)果作為雙隱層神經(jīng)網(wǎng)絡(luò)的前饋，利用BP算法得出相應(yīng)的不平衡供電電壓條件的輸出結(jié)果。圖6表明了該人工神經(jīng)網(wǎng)絡(luò)的輸入和輸出參數(shù)。

定子三次諧波分量與基波幅值的比和三相電源電壓作為神經(jīng)網(wǎng)絡(luò)的輸入。經(jīng)過兩個(gè)都包含10個(gè)神經(jīng)元的隱藏層，每個(gè)神經(jīng)元對輸入迚行加權(quán)求和，再傳遞給log-sigmoid函數(shù)。網(wǎng)絡(luò)的輸出是由在隱層中神經(jīng)元輸出的另一個(gè)加權(quán)求和組成的。目標(biāo)輸出是電源電壓的不平衡率或缺相。前饋神經(jīng)網(wǎng)絡(luò)的輸出是由下式給出［6］。

圖6　神經(jīng)網(wǎng)絡(luò)的輸入輸出

式中，n是輸入的個(gè)數(shù)，nh是隱層中神經(jīng)元的數(shù)量。x1，x2，......，xj是輸入信號(hào)，wi1，wi2，......，wij是各神經(jīng)元的突觸權(quán)重；σ為激活函數(shù)。圖7示出了具有輸入和輸出的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。將目標(biāo)輸出“零”定義為“良好電機(jī)”，因此輸出端0.1、0.2、0.3、0.4、0.5將分別對應(yīng)于1%，2%、3%、4%、5%的不平衡供電電壓故障。目標(biāo)輸出“1”被分配到缺相故障。前饋神經(jīng)網(wǎng)絡(luò)用以觀察三相定子電流的三次諧波和基波幅值的比值是否収生了足夠的變化，來指示被監(jiān)測電動(dòng)機(jī)可能的故障狀態(tài)。采用定子電流和電壓的測量數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)迚行訓(xùn)練。最佳的性能是使用兩個(gè)隱含層與10個(gè)神經(jīng)元來實(shí)現(xiàn)的。

圖7　神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3　仿真分析

在本節(jié)中，我們針對前文提出的交流電機(jī)驅(qū)動(dòng)器模型迚行模擬仿真。這些研究旨在探討永磁同步電機(jī)在操作條件下収生不同類型和程度的故障對整個(gè)控制系統(tǒng)所造成的影響。為了評(píng)估所設(shè)計(jì)的故障診斷算法對電源電壓不平衡以及缺相故障的鑒別能力，還需要診斷電源電壓的不平衡率（故障嚴(yán)重性）。

3.1在電源電壓不平衡條件下永磁同步電機(jī)的性能分析

三相不等時(shí)會(huì)產(chǎn)生不平衡電壓，定子繞組產(chǎn)生不平衡電流，電流的變化大小取決于不平衡量，這會(huì)增加所產(chǎn)生的熱量，是電機(jī)繞組絕緣壽命縮短的主要原因。在 1.2s時(shí)，引入 3%的不平衡電源電壓。如圖 8所示的人工神經(jīng)網(wǎng)絡(luò)的響應(yīng)時(shí)間是0.3s。

3.2永磁同步電機(jī)在缺相條件下的性能分析

相位不平衡的最嚴(yán)重的情況是三相當(dāng)中的某一相完全缺失，電機(jī)將在兩相電壓下繼續(xù)工作，從而導(dǎo)致嚴(yán)重的電流不平衡，因此定子繞組絕緣層將過熱，B相繞組在1.2s斷開電源電壓，仿真電壓缺相故障情況，此時(shí)神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果為1。相應(yīng)的波形如圖9所示。

4　實(shí)驗(yàn)論證

為了驗(yàn)證理論分析和仿真結(jié)果，設(shè)計(jì)了一系列的實(shí)驗(yàn)對電壓不平衡以及缺相故障迚行檢測。在實(shí)驗(yàn)測試中使用的是三相、50Hz、6極、1.5kW、1000r/min、表貼式的永磁同步電機(jī)。通過與永磁同步機(jī)同軸耦合連接的測功機(jī)來施加不同的負(fù)載。定子電流和電壓信號(hào)使用VIBDAQ4+數(shù)據(jù)采集卡以12kHz的頻率迚行采樣，可以使得多信道之間有一個(gè)良好的數(shù)據(jù)匹配。實(shí)驗(yàn)充分利用了平衡和不平衡兩種電源電壓條件下的測量數(shù)據(jù)。缺相是通過切除三相線中的一相，使電機(jī)僅運(yùn)行在兩相狀態(tài)。這種故障會(huì)使得另外完好的兩相電流增大。相位缺失是電壓不平衡最極端的情況，因?yàn)檫@三相中的某一相的電壓變?yōu)榱恪Ｊ褂玫膶?shí)驗(yàn)平臺(tái)如圖10所示，以實(shí)現(xiàn)對所提算法的檢測。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的正確性及可靠性。單個(gè)相位缺失可以使用相位故障模擬器實(shí)現(xiàn)，如圖11所示。它可以斷開三相中的任一相。

圖10　實(shí)驗(yàn)平臺(tái)

從圖12～14中，明顯能看出實(shí)驗(yàn)結(jié)果與仿真結(jié)果一致，證明所提出的方案能夠通過檢測不平衡供電電壓故障的不同百分比來估計(jì)故障的嚴(yán)重等級(jí)。通過更加精確的實(shí)驗(yàn)得出，即使是電源電壓不平衡率很低，這種方法也能達(dá)到良好的檢測效果。

圖11　電壓缺相模擬器

圖12　A相實(shí)驗(yàn)輸出結(jié)果

圖13　B相實(shí)驗(yàn)輸出結(jié)果

圖14　C相實(shí)驗(yàn)輸出結(jié)果

5　結(jié)論

本文所提出的神經(jīng)網(wǎng)絡(luò)方法基于定子三相電流與電源電壓三次諧波和基波的幅值比，可以很好地辨別電機(jī)缺相和電源電壓不平衡故障，幵可以給出電源電壓的不平衡率。仿真和實(shí)驗(yàn)研究的結(jié)果都表明，三相定子電流的三次諧波與電源基波幅值比隨著電源電壓供電不平衡保持恒定的增長率。這個(gè)增長比不但可以檢測出電源電壓是否存在故障，還可以檢測其電源電壓的不平衡率。本文表明所提出的方法可以有效地對電源電壓不平衡和缺相故障迚行鑒別和區(qū)分。

［1］ 陳俊碩，劉景林，張穎. 永磁同步電機(jī)新型矢量控制［J］. 西安電子科技大學(xué)學(xué)報(bào)， 2014，4（41）：179-185.

［2］ Deng X， Wang K， Xia S， et al. Design and Finite Element Analysis of Permanent Magnet Synchronous Motor with Novel Magnetic Bridge［C］//Computing， Control and Industrial Engineering （CCIE）， 2010 International Conference on. IEEE， 2010， 1： 97-100.

［3］ Narasimha G. Lv protective devices for electrical equipment［C］//Industry Applications Conference，2002. 37th IAS Annual Meeting. Conference Record of the. IEEE， 2002， 3： 2252-2257.

［4］ Wang Y J， Yang M J. Probabilistic modeling of three-phase voltage unbalance caused by load fluctuations［C］//Power Engineering Society Winter Meeting， 2000. IEEE. IEEE， 2000， 4： 2588-2593.

［5］ Soleimani J， Vahedi A. IPM Synchronous Motor for Traction Applications： Performance Analysis Considering Airgap Variation［J］. Przegl?dElektrotechniczny， 2012， 88（12a）： 200-205.

［6］ Ciesielski K， Sacha J P， Cios K J. Synthesis of feedforward networks in supremum error bound［J］. IEEE Transactions on Neural Networks， 2000， 11（6）：1213-1227.

［7］ 張裊娜， 王永慶， 李景帥. 基于SOM神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)故障診斷［J］. 吉林大學(xué)學(xué)報(bào)， 2012，6（30）： 555-560.

［8］ 王國貞， 王福忠， 袁世鷹. 基于模糊小波神經(jīng)網(wǎng)絡(luò)的永磁直線同步電機(jī)故障診斷［J］. 煤礦機(jī)械，2007， 1（28）： 170-172.

［9］朱鵬，張曉鋒，喬鳴忠，蔡巍，梁京輝.五相集中整距繞組感應(yīng)電機(jī)缺相容錯(cuò)控制［J］.中國電機(jī)工程學(xué)報(bào)，2011，33（31）：131-137.

［10］王瑞，趙金，鄧歆，劉洋.三相異步電機(jī)缺相運(yùn)行分析與實(shí)驗(yàn)［J］.電氣傳動(dòng)，2011，9（40）：13-15.

［11］劉曼蘭，于海芳，崔淑梅.一種永磁直流電機(jī)故障診斷方法［J］.電工技術(shù)學(xué)報(bào)，2011，10（22）：42-48.

許允之（1961-），1986年畢業(yè)于中國礦業(yè)大學(xué)自動(dòng)化專業(yè)，現(xiàn)從事高電壓技術(shù)與電機(jī)故障診斷的教學(xué)與研究工作，高級(jí)工程師。

審稿人：宮海龍

Failure Diagnosis of Unbalanced Supply and Phase Loss in PMSM Using ANN-Based Protection Scheme

XU Yunzhi， YANGJiabin， FANG Lei
（School of Information and Electrical Engineering， China University of Mining and Technology，Xuzhou 221116， China）

Recently， permanent Magnet Synchronous Motors （PMSM） is one of the most attractive electric machine in industrial applications， therefore must be protected against electrical and mechanical failures for continuing their operation safely. However， different kinds of faults are unavoidable in motors during their operational service. Unbalancing in the supply voltage is common in grid supply. However， the unbalance supply and phase loss produces similar symptoms. Therefore， this paper focuses on unbalanced supply condition diagnosis and discrimination between unbalancing in supply and single phasing or phase loss fault based. The proposed technique utilizes the ratio of third harmonic to fundamental of stator line currents and supply voltages using artificial neural network （ANN）. The presented approach gives high degree of accuracy in detection and diagnosis of phase loss fault and those due to supply voltages unbalance using artificial neural network. All simulations in this paper are conducted using finite element analysis software. The approach is proven effectively through experimental validation.

fault detection； PMSM； single phasing fault； unbalanced supply voltage； ANN

TM351

A

1000-3983（2016）04-0001-05

2015-10-17