基于AI的永磁同步电机定子绕组故障在线诊断研究.pdfVIP

摘要

随着电动汽车行业的不断发展，电动汽车用永磁同步电机的可靠运行就尤

显重要。由于永磁同步电机运行工况复杂，环境恶劣，电机定子绕组故障的出

现难以避免。因此，及时有效地识别和诊断电机故障对保证电机安全稳定运行

具有重要意义。

首先，本文对永磁同步电机进行故障建模，并进行了仿真分析。通过建立

电机有限元模型及驱动控制系统，本文主要研究了一股或多股并绕导体开路的

绕组开路故障、一股或多股导体在不同股不同匝的匝间短路故障和两相之间一

股或多股并绕导体短路的相间短路故障。并通过对相同工况下健康、绕组开路、

匝间短路和相间短路故障模型进行仿真分析，揭示了匝间短路、绕组开路和相

间短路的故障特征规律。

其次，本文进行了复杂工况下的故障特征提取，并通过研究运行工况对故

障特征的影响规律，实现了特征的筛选。本文对典型的匝间短路和绕组开路故

障进行了实验分析，提出了基于转速自适应随机窗的故障特征提取方法，并通

过对比单一工况下各故障特征的分布情况，得到了电机实际故障特征规律。通

过研究运行工况对各故障特征的影响，本文揭示了转速和转矩对故障特征的影

响规律。最后，本文提出了故障特征在复杂工况下的性能指标，并据此实现了

故障特征的筛选。

再次，本文研究了基于故障特征的AI诊断策略。由于低转速工况下部分故

障特征发生混叠，本文采取基于故障特征的AI诊断策略实现复杂工况下的电机

在线故障诊断。本文通过SVM实现电机的在线诊断及诊断的可视化，并通过参

数优化和诊断策略调整进一步提高诊断的精确性。考虑到混叠现象的存在和

SVM的局限性，低转速工况下存在一定的误诊，本文通过BN优化残差ANN

进行在线故障诊断，进一步提高诊断的精确性。

最后，本文基于TextRCNN实现了对低转速工况下匝间短路故障的精确诊

断。本文基于A相电流，通过双向长短期记忆网络实现浅层特征提取，并通过

最大池化层去除无效信息提取深层特征，实现了对低转速工况下匝间短路故障

的精确诊断。此外，本文针对浅层特征冗余、感受野不合适和过拟合等问题，

进一步提高诊断的精确性。

关键词：永磁同步电机；定子绕组故障；在线诊断；人工智能；TextRCNN

Abstract

Withthecontinuousdevelopmentoftheelectricvehicleindustry,thereliable

operationofpermanentmagnetsynchronousmotorsforelectricvehiclesis

particularlyimportant.Duetothecomplexoperatingconditionsandharsh

environmentofpermanentmagnetsynchronousmotors,theoccurrenceofmotor

statorwindingfaultsisunavoidable.Therefore,timelyandeffectiveidentification

anddiagnosisofmotorfaultsisimportanttoensurethesafeandstableoperationof

motors.

First,thispaperperformsfaultmodelingandsimulationanalysisofpermanent

magnetsynchronousmotor.Byestablishingthemotorfiniteelementmodelanddrive

controlsystem,thispapermainlystudiesthewindingopencircuitfaultwithoneor

moreparallel-woundconductorsopencircuit,theturn-to-turnshortcircuitfaultwith

oneormorecondu