十二相整流同步发电机系统的故障诊断技术研究.pdfVIP

十二相整流同步发电机系统的故障诊断技术研究

摘要

十二相整流同步发电机系统在船舶直流发电领域中被较多采用，由于其输出的直流

电压品质较高且功率密度较优，能够更好地适应海上航行过程中多变的工作情况。作为

船舶动力重要组成部分的发电系统一旦发生故障，可能会对船舶整体的稳定性造成很大

的影响，甚至对船舶的安全运行造成威胁。本文以船舶直流发电领域常用的十二相整流

同步发电机系统作为研究对象，以其定子绕组中发生的特征较为相似的两种故障作为辨

识对象，通过变分模态分解（VariationalModeDecomposition,VMD）与支持向量机

（SupportVectorMachine,SVM）及其优化算法对研究对象的故障进行了诊断与辨识。

基于Matlab/Simulink搭建了正常运行条件下研究对象的定转子分解仿真数学模型，

该模型主要包括发电机本体、整流系统、励磁控制系统三个模块；基于发电机本体的相

关参数，利用ANSYSMaxwell仿真平台搭建了正常运行条件下的十二相交流同步发电

机有限元仿真模型，并在仿真环境下得到了仿真波形。

对发电机定子绕组中较为常见的定子绕组匝间短路故障、定子绕组分支断路故障和

影响相对较大的励磁系统失磁故障进行了机理分析与仿真分析，通过定转子分解模型仿

真波形与有限元模型的磁力线变化进行了故障发生前后的对比。基于三种故障发生后的

时频域特征相似程度，选取了待辨识故障。

筛选待辨识故障的特征信号，分别通过经验模态分解（EmpiricalModeDecomposition,

EMD）与变分模态分解进行信号分解，实现了故障特征的有效提取，选择变分模态分解

结果作为后续辨识模型的输入。

通过SVM方法对正常运行状态、失磁故障状态、定子绕组匝间短路故障状态和定

子绕组分支断路状态进行了辨识模型训练与测试，该辨识模型能够对待辨识故障进行较

高准确度的分类；针对SVM模型辨识率已经达标的情况，通过布谷鸟搜索算法（Cuckoo

Search,CS）和最小二乘支持向量机（LeastSquaresSupportVectorMachine,LS-SVM）对

辨识模型进行优化，提高了模型对定子绕组相似故障辨识的准确率。

关键词：十二相整流发电机系统；故障辨识；变分模态分解；支持向量机。

十二相整流同步发电机系统的故障诊断技术研究

ABSTRACT

Twelve-phaserectifiersynchronousgeneratorsystemiswidelyusedinthefieldofship

DCpowergeneration.BecauseofitshighDCvoltagequalityandhighpowerdensity,itcan

betteradapttothechangeableworkingconditionsintheprocessofseanavigation.Oncethe

powergenerationsystem,asanimportantpartofshippower,fails,itmayhaveagreatimpact

ontheoverallstabilityoftheship,andevenposeathreattothesafeoperationoftheship.This

papertakesthetwelve-phaserectifiersynchronousgeneratorsystemcommonlyusedinthefield

ofmarineDCpowergenerationastheresearchobject,andtakestwokindsoffaultsinitsstator

windingswithsimilar