褚云博

（遼寧鐵道職業(yè)技術學院 遼寧錦州 121000）

2020 年中國國家鐵路集團有限公司發(fā)布了《新時代交通強國鐵路先行規(guī)劃綱要》，綱要中提出到2035 年全國建成鐵路網(wǎng)20 萬公里左右，其中高鐵7 萬公里左右。截止2020 年7 月，我國動車保有量3600 標準組，日均開行動車組7000 列。“京張高鐵”開啟了我國智慧高鐵的新時代。智慧高鐵主要包括智慧裝備和智慧運維等方面，對于動車組的檢修和運用，智慧動車組可以完成“自感知、自診斷、自決策、自適應、自修復”等功能；智慧運維技術可以利用人工智能和大數(shù)據(jù)等手段對動車組各設備進行早期故障檢測和健康管理。

目前，我國運行的動車組普遍采用三相鼠籠式異步電動機作為其牽引電機。牽引電機作為動車組機電能量轉換的關鍵部件，其運行狀態(tài)直接關系到動車組運行的安全性和檢修成本。動車組牽引電機采用吊掛的方式安裝在轉向架上，由于其工作條件惡劣，并且在工作過程中經(jīng)常受到熱應力、機械應力和電磁力的作用，牽引電機經(jīng)常發(fā)生定子絕緣、轉子斷條、軸承破損和氣隙偏心等故障。在牽引電機的各種故障當中，定子故障約占所有故障的30%-40%，主要原因是由于牽引電機絕緣老化，并且動車組牽引電機變流器輸出的電壓波形為PWM 和方波，對牽引電機的定子絕緣系統(tǒng)造成過電壓沖擊。當動車組發(fā)生相間絕緣和對地絕緣故障時會觸發(fā)相應保護，而當牽引電機產(chǎn)生發(fā)生匝間故障時，故障特征微弱，TCU（動車組牽引控制單元）難以檢測，匝間故障會隨時間不斷擴展，進而發(fā)展到對地短路故障和相間故障。

隨著大數(shù)據(jù)和人工智能技術的發(fā)展，人工神經(jīng)網(wǎng)絡已經(jīng)成功應用于各種設備的故障診斷當中，人工神經(jīng)網(wǎng)絡具有結構相對簡單和魯棒性好等優(yōu)點。提出了基于人工神經(jīng)網(wǎng)絡動車組牽引電機匝間短路故障的系統(tǒng)結構，故障特征提取方法。該診斷方法可以在定子繞組匝間短路故障初期完成故障的檢測、故障程度判斷和匝間短路故障的定位。

1 故障診斷系統(tǒng)的組成

如圖1 所示，基于神經(jīng)網(wǎng)絡的電機匝間短路故障診斷系統(tǒng)主要包括信號的預處理部分、特征提取部分和神經(jīng)網(wǎng)絡分類器三部分[1]。牽引電機通過牽引系統(tǒng)自有的電流傳感器或附加安裝的加速度傳感器采集牽引電機信號電流和震動等信號。電機信號經(jīng)過濾波等預處理，得到故障診斷系統(tǒng)可用的信號。為了能夠充分反映牽引電機匝間短路的故障現(xiàn)象，需要選取信號中合適的量值作為故障特征輸入到神經(jīng)網(wǎng)絡分類器。神經(jīng)網(wǎng)絡分類器通過故障特征對分類，可以檢測動車組牽引繞組匝間短路故障、評估故障程度和定位匝間短路位置。

2 故障特征提取方法

當動車組牽引電機定子繞組發(fā)生匝間故障時，初期故障特征微弱，采用可靠的故障特征提取方法是能夠在早期進行正確診斷的基本。表1 列舉了目前常見的故障信號提取方法，與傳統(tǒng)的頻域分析方法FFT變換相比，小波變換、WVD 和Hilbert-huang Transform 變換更適合對牽引電機表現(xiàn)出的非平穩(wěn)信號進行故障特征提取。

表1 常用故障特征提取方法

3 神經(jīng)網(wǎng)絡在故障診中的應用

隨著人工智能技術的發(fā)展，人工神經(jīng)網(wǎng)絡、SVM（支持向量機）、貝葉斯網(wǎng)絡、隨機森林等算法已經(jīng)在成功應用于各個領域。其中，很多學者在研究基于神經(jīng)網(wǎng)絡的設備故障診斷技術。圖2 為采用神經(jīng)網(wǎng)絡作為分類器對電機的故障進行識別。人工神經(jīng)網(wǎng)絡故障診斷與傳統(tǒng)的故障診斷相比有主要有以下三個優(yōu)點，首先，神經(jīng)網(wǎng)絡故障診斷方法不但能在模式空間內形成各種復雜的判決界面，而且網(wǎng)絡具有自適應能力，網(wǎng)絡既能自適應學習，又能自適應調節(jié)網(wǎng)絡的大??；其次一般的神經(jīng)網(wǎng)絡故障診斷方法兼有模式識別和特征提取的功能；再次神經(jīng)網(wǎng)絡對輸入模式信息的不完備性或特征的缺損不太敏感，也就是說神經(jīng)網(wǎng)絡具有容錯性，和傳統(tǒng)的故障診斷方法比較起來，神經(jīng)網(wǎng)絡故障診斷方法在背景噪聲統(tǒng)計特性未知的情況下，其性能更好。

圖2 神經(jīng)網(wǎng)絡對電機信號分類

目前應用于電機故障診斷的神經(jīng)網(wǎng)絡共有十余種，其中具有被學者具體研究的主要包括多層感知器(MLP)網(wǎng)絡、BP 神經(jīng)網(wǎng)絡、徑向基神經(jīng)網(wǎng)絡（RBF）、自組織映射神經(jīng)網(wǎng)絡（SOFM）、概率神經(jīng)網(wǎng)絡（PNN）、盒中腦(BSB)模型、細胞神經(jīng)網(wǎng)絡(CNN)和Elman 神經(jīng)網(wǎng)絡等。根據(jù)牽引電機的實際應用情況，采用自組織映射神經(jīng)網(wǎng)絡（SOFM）可以對牽引電機的匝間短路故障進行診斷，并可以對牽引電機的絕緣狀態(tài)進行評估。

4 結論

智慧高鐵對智能動車組和智能運維技術提出了新的要求。牽引電機定子匝間絕緣是電機絕緣最薄弱的絕緣結構，對其進行短路的故障監(jiān)測和故障診斷意義重大。利用小波變換等先進的時頻信號分析技術，提取牽引電機的故障分量；采用自組織映射神經(jīng)網(wǎng)絡（SOFM）對故障特征進行識別，可以檢測牽引電機匝間短路故障、評估故障程度和故障定位。