基于數字孿生的永磁同步電機故障診斷技術研究

龍玉江,王杰峰,錢俊鳳,趙文彬

(1.貴州電網有限責任公司 信息中心, 貴陽 550000;2.上海電力大學,上海 201306)

0 引 言

電機在電力系統和動力系統中發揮著重要作用[1],永磁同步電機因其轉矩密度高、可調速度范圍寬等優勢,應用于眾多行業[2-3],例如電動汽車[4]、飛機[5]、風力發電[6]等。永磁同步電機運行的可靠性和穩定性對于整個系統的安全運行具有重要意義,如果電機出現故障,就可能會導致系統停機,帶來經濟損失,嚴重情況下甚至危及工作人員的生命安全[7],因此,對永磁同步電機進行故障診斷與分析是十分重要的。

永磁同步電機的故障類型主要包括機械故障[8]、永磁體故障[9]和電氣故障[10]。匝間短路故障和退磁故障是常見的永磁同步電機故障類型[11],會影響系統運行的穩定性,嚴重時會損壞電機?，F階段,匝間短路故障的診斷主要依靠電流特性分析,該方法通過檢測電流諧波,對諧波進行FFT頻域分析和故障診斷[12],但是匝間短路引起的電流諧波分量和正常運行狀態下產生的諧波分量會出現重疊部分,而且受環境因素的影響較大,因此該方法的準確性不高。退磁故障主要依靠信號變換方法,例如傅里葉變換[13]、小波變換[14]等,該方法對硬件的要求較高,并且多種故障類型會產生相同的故障頻率分量,檢測精度不高。

鑒于上述問題,本文介紹一種基于數字孿生的永磁同步電機故障診斷方法。首先,通過建立幾何模型、分析模型和孿生模型,構建永磁同步電機的數字孿生模型,然后,在此模型基礎上,與基于深度學習的故障診斷技術相結合,提出閉環的數字孿生故障診斷系統,形成智能化的永磁同步電機故障診斷方法。

1 數字孿生框架

根據數字孿生技術所要實現的功能,本文設計了如圖1所示的數字孿生架構。第一層為物理實體,包括運行中的永磁同步電機設備、數據感知設備等實體。第二層為交互層,包括測量感知、數據傳輸、數據處理三部分。測量感知是通過相關技術實時感知電機的運行參數和環境信息;數據傳輸需要選擇合適的設備進行通訊協議、數據的傳輸方式等;數據處理主要對采集的數據進行格式統一、加工、清洗等處理。第三層為數字孿生模型層,包括建模與仿真兩個部分:建模主要是對永磁同步電機物理實體進行虛擬映射,可以通過CAD、3D掃描儀等方法創建模型;仿真是使用模型進行零部件之間的裝配約束、運動仿真。第四層為用戶層,工作人員可以通過人機結構、應用軟件實現故障診斷功能。

圖1 數字孿生架構

2 永磁同步電機數字孿生模型構建

永磁同步電機虛擬模型主要包括幾何模型、分析模型和孿生模型,由永磁同步電機實體構建永磁同步電機的幾何模型,在幾何模型基礎上進行數據的仿真分析,最后構建出永磁同步電機的孿生模型,具體如圖2所示。

2.1 永磁同步電機幾何模型構建

幾何模型是指在數字化空間中對物理對象進行簡化和抽象,是進行虛擬仿真的基礎。永磁同步電機的幾何模型建模主要通過CAD和SolidWorks實現,用來描述電機的幾何參數和零件間的裝配關系。

永磁同步電機主要由定子和轉子兩大部分組成。定子由定子鐵心和電樞繞組構成。轉子是由永磁體、轉子鐵心和軸承組成。以上結構的幾何參數和裝配關系構成了永磁同步電機的幾何模型。

2.2 永磁同步電機分析模型構建

分析模型是根據永磁同步電機的數學控制模型對永磁同步電機的運行狀態進行仿真,對永磁同步電機故障進行分析。一方面,其仿真結果可以作為數字孿生故障診斷的數據集;另一方面,可以驗證診斷結果的準確性。

2.2.1 永磁同步電機健康數學模型

永磁同步電機在a,b,c坐標系下的健康數學模型:

(1)

λs,abc=Lshis,abc+λPM,abc

(2)

永磁體產生的磁鏈:

(3)

式中:λPM為磁鏈幅值;θ為轉子電角位置。

通過式(1)～式(3)建立永磁同步電機模型,該模型可以用于退磁故障診斷。

退磁故障時磁通損耗不僅降低電動機效率,還可能產生磁力諧波,從而引起噪聲、振動并增加銅損。另外,由于功率因數的變化,氣隙磁通量分布的變化將導致電機中的電磁轉矩降低。

2.2.2 永磁同步電機匝間短路數學模型

永磁同步電機A相匝間短路故障模型如圖3所示。A相發生匝間短路故障相當于在A相增加一個短路回路,回路電阻用Rf表示,故障電流為if,ea、eb、ec為三相反電動勢,健康部分為ea1,故障部分為ea2。

圖3 A相匝間短路示意圖

永磁同步電機匝間短路故障電氣方程:

Vsf,abc=Rsfisf,abc+Lsf

(4)

永磁同步電機匝間短路時的轉矩方程:

(5)

式中:ωr為轉子機械角速度。

永磁同步電機發生匝間短路故障時,電機結構不再對稱,進而使電機的轉速、轉矩發生不同程度的波動。

2.3 永磁同步電機孿生模型構建

孿生模型是將電機的實時運行狀態映射到虛擬空間中。該模型以構建的幾何模型為基礎,通過模型對數據進行模擬分析,獲取永磁同步電機的實際運行狀態,對數字孿生模型進行修正和更新。孿生模型構建的關鍵是永磁同步電機孿生數據的獲取和物理實體、孿生數據、虛擬模型之間的連接。

孿生數據是構建孿生模型的根源,其將多種類、多維度的數據融合起來,將物理實體的運行狀態全面的映射出來。永磁同步電機的孿生數據主要包括永磁同步電機的參數、外界環境參數、知識數據和數據采集裝置的參數。

物理實體、孿生數據、虛擬模型之間的連接主要包括永磁同步電機實體和虛擬孿生模型之間的連接、永磁同步電機實體和孿生數據之間的連接、虛擬孿生模型和孿生數據之間的連接。永磁同步電機孿生模型調用故障診斷算法進行故障診斷,將診斷的結果保存到孿生數據庫中。永磁同步電機實體再從孿生數據中讀取故障信息,對故障信息進行計算分析,使永磁同步電機實體作出相應的調整,并處理故障,形成閉環的故障診斷模型。

3 基于數字孿生的永磁同步電機故障診斷方法

目前,故障診斷向著智能化的方向發展,本文基于深度學習故障診斷方法對電機進行故障診斷,并采用模型仿真的結果進行驗證,構建閉環的數字孿生故障診斷系統,系統結構圖如圖4所示。

圖4 數字孿生故障診斷系統結構圖

為了保證深度學習診斷模型的可靠性以及物理實體與孿生模型之間的實時交互性,本文采用模型仿真來驗證故障診斷結果,如果兩者結果一致,則調整優化故障診斷模型;如果兩者結果不一致,則進行新型故障分析,實現在故障未知的情況下的模型自動學習功能。修正的孿生模型可以驅動數字孿生模型更新,實現永磁同步電機的智能化診斷。其診斷流程如圖5所示。

圖5 基于數字孿生的永磁同步電機故障診斷流程圖

3.1 基于稀疏自編碼網絡的故障診斷

稀疏自編碼網絡(Sparse Auto-Encoder Net,SAE)是一種無監督學習模型,在訓練時主要包括編碼階段和解碼階段兩個部分。編碼階段主要分析多維數據的特征,得到數據的重要屬性,將復雜的數據分布,利用自身的稀疏性原理實現局部連接和權值共享;解碼階段主要是通過對編碼后的數據信息進行恢復處理,從而得出預測結果,然后通過目標函數,對比預測結果與實際數據,以確定相似度,然后用梯度下降算法優化權值,將目標函數最小化,記錄不同狀態下的網絡參數。此時訓練好的稀疏自編碼網絡模型可用于永磁同步電機的故障診斷。稀疏自編碼網絡模型如圖6所示。

圖6 稀疏自編碼網絡模型

3.2 基于模型仿真的診斷結果驗證

基于模型仿真的診斷結果驗證方法主要通過數據仿真的方法來驗證故障診斷結果的準確性。建立如表1所示的電機模型,分析永磁同步電機的匝間短路和退磁故障。

表1 電機參數

通過比較永磁同步電機在無故障情況下和故障狀態下的轉矩,診斷永磁同步電機的故障類型,并將診斷結果與基于稀疏自編碼網絡的故障診斷結果比較分析,驗證診斷結果的準確性。

4 實驗分析

4.1 永磁同步電機匝間短路和退磁故障仿真

永磁同步電機在正常運行條件下的轉矩圖如圖7所示。

圖7 永磁同步電機正常運行狀態下的轉矩圖

永磁同步電機發生匝間短路故障(u=0.1,Rf=0.288 6 Ω)時的轉矩圖如圖8所示。在正常運行狀態下,電磁轉矩平穩波動,當匝間短路故障發生時,波動不再平穩。

圖8 永磁同步電機匝間短路故障狀態下的轉矩圖

永磁同步電機發生退磁50%故障時的轉矩圖如圖9所示。永磁同步電機發生退磁故障時,電機轉矩降低,轉矩脈動增加。

圖9 永磁同步電機退磁50%狀態下的轉矩圖

通過對比永磁同步電機正常運行狀態下和發生匝間短路或退磁狀態下的轉矩圖,可以判斷電機是否發生匝間短路或退磁故障,以構造故障數據集。

4.2 診斷結果對比分析

通過建模仿真得到永磁同步電機的故障數據樣本構建實驗數據集,對數據集進行訓練。將診斷結果與基于模型仿真的結果比較,驗證其正確性,選用正確率ACC和召回率RC作為評價指標,計算公式如下:

(6)

(7)

式中:TP表示預測結果和實際結果都為真;TN表示預測結果和實際結果都為假;FP表示預測結果為真,實際結果為假;FN表示預測結果為假,實際結果為真。

將本文方法和其他常用診斷方法進行對比實驗,如表2所示。

表2 實驗結果

可以看出,小波變換和經驗模態分解作為常用的信號處理手段,與支持向量機相結合,用作永磁同步電機的故障診斷,這兩種方法過程簡單,計算方便,但是診斷的準確程度不高。BP神經網絡由于具備優秀的監督學習功能,也常被用于電機故障診斷領域,其診斷結果相較于傳統方法較好,但是整體的效率還需大幅度提升。本文基于數字孿生的永磁同步電機故障診斷方法,通過構建閉環的數字孿生故障診斷系統,對電機的故障進行診斷,正確率和召回率都較高,相比于其他方法具有較好的診斷結果。

5 結 語

本文在數字孿生技術研究的基礎上,探討了永磁同步電機智能化故障診斷的思路,提出了一種基于數字孿生的永磁同步電機故障診斷方法?；跀底謱\生的框架,通過建立幾何模型、分析模型和孿生模型,完成永磁同步電機數字孿生模型的構建,在此模型基礎上形成一種閉環的數字孿生故障診斷方法。實驗結果表明,基于數字孿生的永磁同步電機故障診斷方法相比于其他方法具有較高的準確性,證明了本文方法的有效性。