朱歆州，石靈丹

?

直流電動(dòng)機(jī)故障診斷系統(tǒng)研究

朱歆州，石靈丹

（武漢船用電力推進(jìn)裝置研究所，武漢 430064）

本文主要介紹在LabVIEW軟件平臺(tái)下開(kāi)發(fā)了基于徑向基（RBF）神經(jīng)網(wǎng)絡(luò)的直流電動(dòng)機(jī)故障診斷系統(tǒng)。經(jīng)過(guò)驗(yàn)證，系統(tǒng)具有良好的診斷精度，滿足直流電動(dòng)機(jī)故障診斷系統(tǒng)的設(shè)計(jì)要求。

徑向基神經(jīng)網(wǎng)絡(luò) 直流電動(dòng)機(jī) 故障診斷

1 故障診斷基本過(guò)程

直流電動(dòng)機(jī)故障診斷的過(guò)程分為：

1) 信號(hào)采集

通過(guò)傳感器采集檢測(cè)電動(dòng)機(jī)設(shè)備狀態(tài)的特征信號(hào),如溫度、頻率、振動(dòng)烈度等。

2) 征兆提取

從檢測(cè)的特征信號(hào)中提取征兆信號(hào)。

3) 狀態(tài)評(píng)估

它是診斷過(guò)程的核心步驟，是將提取的征兆輸入融合判斷中心進(jìn)行識(shí)別評(píng)估電動(dòng)機(jī)狀態(tài)，將電動(dòng)機(jī)正常運(yùn)行及典型故障狀態(tài)工況的參數(shù)與當(dāng)前的待檢工況參數(shù)進(jìn)行比較，從而判斷電動(dòng)機(jī)狀態(tài)。

2 故障診斷原理

機(jī)械設(shè)備故障診斷是識(shí)別設(shè)備運(yùn)行狀態(tài)的一門(mén)新興學(xué)科。它研究的是設(shè)備運(yùn)行狀態(tài)的變化在診斷信息中的反映，其研究?jī)?nèi)容包括對(duì)機(jī)器運(yùn)行現(xiàn)狀的識(shí)別診斷、對(duì)其運(yùn)行過(guò)程的監(jiān)測(cè)以及對(duì)其運(yùn)行發(fā)展趨勢(shì)的預(yù)測(cè)等三個(gè)方面。長(zhǎng)期以來(lái)。機(jī)械設(shè)備故障(特別是突發(fā)性故障)給生產(chǎn)和生命造成了巨大損失。并且一直是生產(chǎn)過(guò)程中的潛在威脅。傳統(tǒng)的機(jī)械設(shè)備故障診斷專家系統(tǒng)雖然取得了一定成功，然而它還存在許多問(wèn)題。如知識(shí)獲得能力弱。問(wèn)題求解有一定局限性。

直流電動(dòng)機(jī)故障類型多種多樣，既有電氣故障又有機(jī)械故障，既有線性系統(tǒng)故障又有非線性系統(tǒng)故障，既有突變故障又有緩變故障，其關(guān)系錯(cuò)綜復(fù)雜，僅借助單一信息源提供的信息，采用常規(guī)或傳統(tǒng)的故障診斷理論和方法，根據(jù)幾個(gè)主要的故障特征量做出判斷，難以實(shí)現(xiàn)診斷目標(biāo)。隨著研究的不斷深入，目前新的理論和方法應(yīng)用于電動(dòng)機(jī)故障診斷的研究越來(lái)越多，其中運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行故障診斷已經(jīng)越來(lái)越廣泛。設(shè)計(jì)中準(zhǔn)備采用學(xué)習(xí)速度快，精度高的徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，根據(jù)所采集電動(dòng)機(jī)的電壓、電流、繞組溫度等特征信息，結(jié)合已知的參數(shù)、結(jié)構(gòu)特點(diǎn)和環(huán)境溫度對(duì)可能要發(fā)生的或已發(fā)生的故障進(jìn)行預(yù)報(bào)和分析、判斷、確定故障的性質(zhì)和類型。圖1為故障診斷原理框圖。

3 相關(guān)文獻(xiàn)中直流電機(jī)故障診斷特征值及故障類型的確定

通過(guò)對(duì)直流電機(jī)的故障診斷相關(guān)研究論文的分析，可以獲悉直流電動(dòng)機(jī)的常見(jiàn)故障診斷常用特征值及診斷出的故障類型如下：

1）《直流電機(jī)故障診斷專家系統(tǒng)》[1]一文提出的電機(jī)故障診斷

特征值：電壓，電樞電流及其時(shí)域波形，電機(jī)轉(zhuǎn)速及其時(shí)域波形，繞組溫度，扭振典型波形，換向器表面形態(tài)，換向火花及其時(shí)域波形，軸承振動(dòng)及其時(shí)域波形，絕緣電阻。

對(duì)應(yīng)的故障：換向故障，振動(dòng)故障，扭振故障，絕緣故障。

2）《基于參數(shù)估計(jì)和Fuzzy ARTMAP 的直流電動(dòng)機(jī)故障診斷》[2]一文提出的電機(jī)故障診斷

特征值：端電阻，轉(zhuǎn)動(dòng)慣量，電感，反電勢(shì)系數(shù)，摩擦系數(shù)。

對(duì)應(yīng)的故障：正常，電樞電阻增加，電刷磨損或電刷彈簧壓力不足，線圈斷路，換向片間或繞組短路，繞組與換向片開(kāi)焊。

3）《BP神經(jīng)網(wǎng)絡(luò)在直流電動(dòng)機(jī)故障診斷應(yīng)用方面的設(shè)計(jì)和實(shí)現(xiàn)》[3]一文提出的電機(jī)故障診斷

特征值：電樞電壓，電樞電流，電機(jī)轉(zhuǎn)速。

對(duì)應(yīng)的故障：正常，過(guò)壓，欠壓，過(guò)流，過(guò)載，堵轉(zhuǎn)，空載。

4）《永磁直流電動(dòng)機(jī)故障監(jiān)測(cè)和智能診斷裝置》[4]一文提出的電機(jī)故障診斷

特征值：穩(wěn)態(tài)電樞電流均值，穩(wěn)態(tài)電樞電流的標(biāo)準(zhǔn)差，穩(wěn)態(tài)電樞電流的譜峰對(duì)應(yīng)的頻率，啟動(dòng)過(guò)程電流峰值點(diǎn)附近的斜率。

對(duì)應(yīng)的故障：正常，電刷故障，元件開(kāi)路，繞組脫焊，匝間短路。

4 故障診斷特征值及故障類型的確定

現(xiàn)已知監(jiān)測(cè)到的直流電動(dòng)機(jī)模擬信號(hào)如下所示：

前電樞電壓，前電樞電流，前勵(lì)磁電流，后電樞電壓，后電樞電流，后勵(lì)磁電流，電機(jī)轉(zhuǎn)速，艏端軸承溫度，艏端進(jìn)風(fēng)口溫度，艏端鐵芯出口溫度，艉端軸承溫度，艉端進(jìn)風(fēng)口溫度，艉端鐵芯出口溫度，換向器出風(fēng)口溫度。

通過(guò)對(duì)模擬信號(hào)的監(jiān)測(cè)、分析以及對(duì)上述文獻(xiàn)資料研究結(jié)果的整理，可以初步確定直流電動(dòng)機(jī)故障診斷系統(tǒng)的特征值如下：

1）時(shí)域信號(hào)特征值

艏端軸承溫度，艏端進(jìn)風(fēng)口溫度，艏端鐵芯出口溫度，艉端軸承溫度，艉端進(jìn)風(fēng)口溫度，艉端鐵芯出口溫度，換向器出風(fēng)口溫度,換向火花監(jiān)測(cè)值，振動(dòng)烈度，旋轉(zhuǎn)頻率，低頻信號(hào)An的時(shí)域參數(shù)—峰值、峰值指標(biāo)。

2）時(shí)頻信號(hào)特征值：將振動(dòng)信號(hào)小波分解后各頻帶小波能量值:

直流電動(dòng)機(jī)的故障類型初步確定有如下幾種：

正常；電樞匝間短路；換向器故障；轉(zhuǎn)子不平衡；轉(zhuǎn)子不對(duì)中；軸承座松動(dòng)；電樞繞組損壞，接地故障或SCR觸發(fā)不可靠故障；電刷故障；觸發(fā)脈沖板故障，或者主回路保險(xiǎn)絲燒斷；可控硅、控制插件板故障以及接線松動(dòng)或保險(xiǎn)絲燒斷；比較電路插件版（速度調(diào)節(jié)器）故障；電流經(jīng)過(guò)了直流電機(jī)軸承通道后而接地。

5 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及算法的選取

已知輸入層為21神經(jīng)元，輸出層為10個(gè)神經(jīng)元，根據(jù)經(jīng)驗(yàn)公式：

根據(jù)上述一式，采用三層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。則隱層神經(jīng)元個(gè)數(shù)為：n=28 。即所取神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為21-28-10結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)選取徑向基（RBF）網(wǎng)絡(luò)，算法采用LMS算法，即最小均方差或者梯度算法。下圖2為利用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的原理示意圖。

6 故障模式識(shí)別方法的選取

故障診斷問(wèn)題，實(shí)質(zhì)上是一個(gè)模式識(shí)別問(wèn)題。

表1 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本

表2 神經(jīng)網(wǎng)絡(luò)對(duì)待檢故障特征診斷的結(jié)果

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)就是對(duì)多個(gè)特征參數(shù)的冗余故障信息進(jìn)行學(xué)習(xí)并辨識(shí)，輸出一組向量，這組向量就是一組待檢的故障模式。因此要想診斷出電機(jī)故障，必須將待檢向量與已知模式A, A, A ..A進(jìn)行比較，即要求出待檢模式與哪個(gè)已知的模式最為接近。

當(dāng)已知模式與待檢模式都用向量來(lái)表示時(shí)，模式識(shí)別就簡(jiǎn)化為兩個(gè)向量的比較和擇近問(wèn)題，也就是比較待檢故障模式與各已知的故障模式向量A之間的貼進(jìn)度。

設(shè)每個(gè)模式都是論域={u,u,u}中的一個(gè)向量：

則稱待檢模式應(yīng)歸入已知模式A中，從而完成模式的識(shí)別。其中∈(,A)為兩個(gè)向量的貼近度，目前計(jì)算的公式很多，常用的有以下兩種：

1）最小最大貼近度1

2）歐式距離貼近度2

式中A=(a1,a2,….an)，B=(b1,b2,….bn)。

另一方面文獻(xiàn)《基于BP神經(jīng)網(wǎng)絡(luò)模型電機(jī)故障診斷專家系統(tǒng)》[5]一文中指出：在診斷故障時(shí)，輸出節(jié)點(diǎn)判斷閾值(0<<1)是一個(gè)比較重要的參數(shù)，如果輸出層某神經(jīng)元的輸出值大于，則認(rèn)為有該類故障存在；否則，認(rèn)為無(wú)故障。在確定值時(shí)應(yīng)非常慎重，如果選取較小，對(duì)故障現(xiàn)象輸入比較敏感，抗干擾能力差，可能導(dǎo)致誤判；如果選取較大，則會(huì)造成故障漏檢。因此，值選取應(yīng)仔細(xì)考慮。一般對(duì)于要求不太高的系統(tǒng)，

值可取得大些；對(duì)于出現(xiàn)故障后損失重大或嚴(yán)重影響性能的故障，寧可錯(cuò)檢也要使值小些。

在本設(shè)計(jì)中將選用歐氏距離貼近度進(jìn)行故障識(shí)別，與此同時(shí)選用一個(gè)合適的輸出節(jié)點(diǎn)判斷閾值(0<<1)，兩種模式識(shí)別方法結(jié)合使用，能大大提高系統(tǒng)的準(zhǔn)確性和可靠性。本系統(tǒng)是用于重要場(chǎng)合電機(jī)的故障診斷，這些故障出現(xiàn)后會(huì)影響到電機(jī)的壽命、動(dòng)力性及經(jīng)濟(jì)性，因而選取值應(yīng)偏小一些。

7 RBF神經(jīng)網(wǎng)絡(luò)在直流電動(dòng)機(jī)故障診斷中的應(yīng)用實(shí)例

在設(shè)計(jì)好電機(jī)故障診斷系統(tǒng)后，必須要對(duì)系統(tǒng)進(jìn)行驗(yàn)證，以檢驗(yàn)其功能是否能滿足設(shè)計(jì)要求。

在電機(jī)試驗(yàn)臺(tái)上人為設(shè)置了如下8種故障狀態(tài)，8種故障對(duì)應(yīng)的字母編號(hào)為：．正常；. 電樞匝間短路；. 轉(zhuǎn)子不平衡；. 轉(zhuǎn)子不對(duì)中；.軸承座松動(dòng)；. 電樞繞組損壞.電刷故障；. 電流經(jīng)過(guò)了直流電機(jī)軸承通道后而接地。經(jīng)過(guò)測(cè)試獲取每種故障狀態(tài)下的振動(dòng)信號(hào)及對(duì)應(yīng)的時(shí)域特征值10組，然后提取出特征值，那么就可以得到10組特征向量，經(jīng)過(guò)數(shù)據(jù)融合得到每種故障狀態(tài)對(duì)應(yīng)融合后的特征向量，為10組電樞匝間短路故障狀態(tài)下提取出的電機(jī)故障特征值和分批估計(jì)融合數(shù)據(jù)對(duì)比表（在實(shí)驗(yàn)中，人為設(shè)定的故障狀態(tài)有8種，限于篇幅，只能給出其中一種故障狀態(tài)的10組實(shí)驗(yàn)數(shù)據(jù)）。從應(yīng)用效果上來(lái)看，數(shù)據(jù)融合的處理方法要比簡(jiǎn)單的平均值方法更加合理，更接近真實(shí)值。然后在對(duì)融合后的特征值進(jìn)行數(shù)據(jù)歸一處理，便得到了故障診斷知識(shí)庫(kù)。

經(jīng)過(guò)歸一化處理后得到故障診斷知識(shí)庫(kù)即神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本見(jiàn)表1所示。得到表1中的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本后，即可開(kāi)始對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，。

從表2可以看出神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的結(jié)果和各組特征值對(duì)應(yīng)的故障完全一致，而且診斷精度高，容錯(cuò)性好，正確診斷率幾乎為100%，完全符合了直流電動(dòng)機(jī)智能故障診斷系統(tǒng)設(shè)計(jì)的要求。

圖2為電機(jī)故障診斷流程示意圖，圖3為電機(jī)故障診斷原理示意圖。

8 結(jié)論

經(jīng)過(guò)實(shí)例驗(yàn)證，將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于直流電動(dòng)機(jī)的故障診斷，具有可行性。開(kāi)發(fā)這樣的智能故障診斷系統(tǒng)無(wú)疑具有良好的工程效益。對(duì)交流電機(jī)乃至其它機(jī)械設(shè)備的故障診斷都具有良好的借鑒意義。

圖3 電機(jī)故障診斷原理示意圖

[1] 沈標(biāo)正等.直流電機(jī)故障診斷專家系統(tǒng)[J]. 人工智能技術(shù)應(yīng)用, 2003, （1）:16-19.

[2] 楊靜等.基于參數(shù)估計(jì)和Fuzzy ARTMAP 的直流電動(dòng)機(jī)故障診斷[J]. 北京航空航天大學(xué)學(xué)報(bào), 2001，27（3）:284-288.

[3] 崔立志. BP神經(jīng)網(wǎng)絡(luò)在直流電動(dòng)機(jī)故障診斷應(yīng)用方面的設(shè)計(jì)和實(shí)現(xiàn)[J]. 電氣開(kāi)關(guān)2005,（5）:45-48.

[4] 劉曼蘭等.永磁直流電動(dòng)機(jī)故障監(jiān)測(cè)和智能診斷裝置[J]. 微特電機(jī)2005,（9）:14-15.

[5] 黃丹等. 基于BP神經(jīng)網(wǎng)絡(luò)模型電機(jī)故障診斷專家系統(tǒng)[J]. 自動(dòng)化儀表2003，24（3）：15-17.

Research on DC Motor Fault Diagnosis System

Zhu Xinzhou, Shi Lingdan

(Wuhan Institute of Marine Electric Propulsion, Wuhan 430064, China)

TM33

A

1003-4862（2013）01-0035-04

2012-04-16

朱歆州（1972-），男，高級(jí)工程師。研究方向：船舶動(dòng)力系統(tǒng)監(jiān)控。