一种基于SVM的开关磁阻电机故障检测方法

作者:戴婷;李军 刊名:电机与控制应用 上传者:丁巧

【摘要】提出了一种基于支持向量机的开关磁阻电机故障检测方法,通过对相关信号的小波变换,提取故障特征信息,通过支持向量机对特征信号分类辨识。IGBT是开关磁阻电机功率变换器中的关键元件,通过试验仿真验证该方法能准确辨识IGBT元件的开路、短路、性能偏移等故障。

全文阅读

0引言开关磁阻电机(SwitchedReluctanceMotor,SRM)的系统可靠性高,主要源自功率变换器各相主电路之间及电机本体中各相磁路之间相互独立的工作特性。在要求高可靠性的应用场合,电机驱动系统一旦出现故障或停止运行,会造成巨大的经济损失,甚至可能危及人身安全,故对电机驱动系统进行有效的故障诊断十分必要。1SRMSRM结构简单、坚固、工作可靠、效率高,由其构成的调速系统开关磁阻电机调速系统(SwithedReluctanceDrive,SRD)是一种具有特殊双凸极结构的新型电机驱动系统。该系统兼有异步电动机变频调速系统和直流电动调速系统的优点,调速范围宽、调速性能优异。这些优点使得开 关磁阻电机特别适合一些环境恶劣、要求连续工作的应用场合,如在家用电器、通用工业、航空工业/发电系统、车载系统、矿井提升机、牵引电机、高转速电机等。SRD主要由SRM、功率变换器、控制器、位置检测和电流检测五部分组成,如图1所示。图1SRD的基本构成SRM是调速系统中实现机电能量转换的部件,也是此系统区别于其他电机调速系统的主要标志。功率变换器负责向开关磁阻电机提供运行 所需能量,其由蓄电池或交流电经整流提供直流电。控制器是整套调速系统的核心,其综合处理给定转速、速度反馈信号及位置传感器和电流传感器反馈的信号,然后向功率变换器发出控制信号,实现功率变换器对开关磁阻电机的驱动。2支持向量机支持向量机(SupportVectorMachine,SVM)是由Vapnik于1995年在统计学习理论的基础上提出的一种新的机器学习方法。以VC维理论和结构风险最小化原则为基础,该算法能够保证找到的极值解是全局最优解,在解决非线性及高维模式识别问题中表现出了许多特有的优势。支持向量机具有在小样本下即可获得满意的学习效果,及保证所求解为全局最优解等优点,所以基于SVM的方法被广泛应用于故障诊断等问题。本文针对SRM故障诊断问题,通过对SVM的应用,并对算法进行改进,使之能够更好的满足工业生产中SRM的适应性和稳定性要求。3故障检测IGBT是开关磁阻电机功率变换器的关键元件,短路、开路及性能偏移软故障是其常见故障。本文通过试验模拟了这3种信号。为更好地接近实际,试验中给电机添加了随机负载,采样周期为0.01s,采集的正常信号及3类故障波形如图2所示。图2正常信号及3类故障波形由图2可知,在SRM发生故障时,产生的信号含有大量的非平稳成分;故障类型不同,输出信号在各频率波段中的表现也不同。小波包分析方法可把不同频率的信号分解到不同的频带中,提高时频分辨率,实现故障特征提取。3.1小波包故障特征提取在不同的负载下,即使是同一故障,其信号波形幅值也相差很大,但其频谱特征基本相同,小波分析是频谱分析的有力工具。经过对比筛选,本文使用Daubechies小波作w为3层小波包分解后提取状态特征(既保证一定的时频分辨率,又减少特征提取、训练与诊断的计算量)。分别提取第3层从低频到高频8个频率成分的特征信号,小波分解树结构如图3所示。图3小波分解树结构图3中每个结点都代表一定的信号特征。(0,0)代表原始信号S;(1,0)代表小波包分解的第1层低频系数X10,依此类推。S10代表X10的重构信号,依此类推。由于输入信号是一个随机信号,其输出也是一个随机信号。设S3j(j=0,1,…,7)对应的能量是E3j(j=0,1,…,7),则有E3j=|S3j(t)|2dt=nk=1|xjk|2。系统出现故障时,会对各频带内信号的能量有较大影响,因此可用能量为元素构造一个特征向量T=(E30,E31,E

参考文献

引证文献

问答

我要提问