极端条件下基于特征层面信号融合的电励磁双凸极电机匝间短路故障诊断.pdfVIP

2023 年 5 月 电 工 技 术 学 报 Vol.38 No. 10 第 38 卷第 10 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY May 2023 DOI: 10.19595/ki.1000-6753.tces.220516 极端条件下基于特征层面信号融合的 电励磁双凸极电机匝间短路故障诊断 赵 耀 沈 翀 李东东 林顺富 杨 帆 （上海电力大学电气工程学院 上海 200090 ） 摘要 电励磁双凸极电机（WFDSM ）具有结构简单、可靠性高等优点，适用于航空航天等 环境恶劣领域。当发生小匝数短路故障时，由于其电流、振动等信号不会产生明显的变化，难以 用传统的检测手段区分。因此，该文提出一种基于特征层面多源信号融合和改进神经网络的 WFDSM 匝间短路故障诊断方法，用于诊断极端环境下WFDSM 早期匝间短路故障。首先，对电 流信号进行经验模态分解，获得本征模态函数，同时对振动信号进行小波包变换，并对分解后的 各个频段提取峭度和裕度特征，同时计算能量占比；然后，将上述特征矩阵处理后输入改进卷积 神经网络训练模型中；最后，通过实验表明，采取特征融合的计算方法诊断准确率可达98 % ，较 数据层面和结果层面的融合计算方法准确率有明显的提升，并且对极端运行环境下的噪声，该方 法具有很强的抗干扰能力。 关键词：电励磁双凸极电机 经验模态分解 特征层融合 改进卷积神经网络 极端环境 中图分类号：TM352 目前，针对磁阻电机的优化设计、容错分析等 0 引言 方面已经进行了大量研究[5-10] ，但对于其故障诊断 电 励 磁 双 凸 极 电 机 （Wound-Field Doubly 方面研究较少。针对磁阻电机的故障，当前主流诊 Salient Machine, WFDSM ）结构简单、控制方便， 断方法主要有三类[11] ：一是通过构建数学模型进行 由于其转子上没有任何绕组，它在发电运行环境下 故障预测；二是通过信号处理方法如奇异值分解、 表现优异，适合于风力发电、航空航天等极端环境 小波包变换将部分信号的变化作为故障判断依据； 应用领域[1-3] 。虽然，WFDSM 励磁回路独立，且具 三是通过智能算法，依靠大数据智能判断电机的运 有较高的可靠性，但极端场合下的故障诊断能够进 行状态。 一步提高电机的可靠性和环境适应能力。定子绕组 构建数学模型是故障诊断中最为常见的方法， 匝间短路是 WFDSM 最常见的故障之一，由于匝间 已在同步电机特别是磁阻电机诊断中得到了广泛的 短路故障在早期阶段现象不明显，难以被察觉，因 应用。文献[12]通过构建磁阻电机在正常、故障等 此容易导致电机局部发热严重。最终，随着电机的 不同工况下的模型，确定不同故障下的转矩特征， 运行，导致设备产生损坏，严重时甚至可能引发安 并由此判断故障类型。文献[13]对磁阻电机的功率 全事故[4] 。同时，极端环境下信号容易受到干扰， 变换器建立模型，分析了斩波信号和特定位置电流 传统电机故障检测方法更难判断电机运行状态，因 信息的关系，以相电流作为诊断量进行故障诊断， 此准确诊断极端环境下 WFDSM 的匝间短路故障对 并在 12/8 开关磁阻电机上验证了该方法的有效性。 电机安全稳定运行具有十分重要的意义。 文献[14]构建了双凸极电机功率变换器模型，分析 了不同开路故障下相电流的变化趋势，通过检查反 国家自然科学基金）、上