【技术实现步骤摘要】
本专利技术涉及电机故障诊断，尤其涉及一种永磁同步电机退磁故障诊断方法和系统。
技术介绍
1、永磁同步电机由于具有功率密度大、结构简单、效率高等优点被广泛应用于军工、航天及汽车等领域。然而，永磁同步电机使用了永磁体作为励磁源，当运行在各种复杂工况下时，永磁体有可能由于高温、弱磁电流过大、撞击、化学腐蚀等因素而发生不可逆退磁故障。永磁体不可逆退磁故障将直接引起电机动力性的下降，并间接对电机所驱动的系统安全性与可靠性造成影响。因此对永磁同步电机进行退磁故障诊断具有较为重大的意义。
2、目前，永磁同步电机退磁故障诊断方法主要有直接诊断法、基于数学模型的诊断法、基于数据的诊断法、基于人工智能的诊断法等、信号注入诊断法。直接诊断法主要是通过霍尔传感器、探测线圈等设备对电机内部某个或某几个物理量直接进行测量，由于与故障相关物理量直接联系，此种方法具有高准确率的优点，但由于需要在电机内部进行安装所以需要在电机设计时提前考虑，对已经成型的电机不太适用。基于数学模型的诊断法现在主要是构建不同形式的永磁磁链观测器，通过在线观测与正常电机的查表对比来查看永磁磁链是否有减小，若减小则说明退磁故障发生，但此种方法只能综合表示故障发生，无法将故障进行分类细化。基于数据的诊断法有依据电机三相电流、感应电动势等物理量，通过傅里叶变换、小波变换、希尔伯特黄变换等数据处理方法发现信号中隐藏的故障特征信息，从而进行故障诊断，此种方法容易受到噪声影响，且电机拓扑结构也会对其造成影响。基于人工智能的诊断法同样基于某种物理量如三相电流，通过训练非线性模型如卷积神
技术实现思路
1、本专利技术的目的在于解决
技术介绍
中的至少一个技术问题，提供一种永磁同步电机退磁故障诊断方法和系统。
2、为实现上述目的，本专利技术提供一种永磁同步电机退磁故障诊断方法，包括：
3、获取多个正常和故障电机的不同电角度下的电流特征值序列，将其按比例分为训练样本与测试样本；
4、将训练样本的正常状态和不同故障状态作为标签，各个电角度下电流特征值序列作归一化处理后作为输入训练随机森林模型；
5、使用测试集对训练后的随机森林模型进行准确率检验，若不符合要求则对最小叶子数进行调整；
6、通过所述训练后的随机森林模型，将被测电机各电角度下电流特征值序列作为输入，根据输出结果判断电机故障状态。
7、根据本专利技术的一个方面，所述电流特征值序列的获取方法为：
8、使电机定转子保持静止，通过方波电压注入法获取0-180°电角度的电流响应；
9、将响应电流正负峰值相加得到不同电角度下的电流特征值形成序列。
10、根据本专利技术的一个方面，所述电机注入的方波电压在三相绕组中表达为：
11、
12、
13、
14、其中，v为方波电压幅值；为相位滞后的单位方波电压信号；θ0为电机初始状态转子d轴与a相轴线相差电角度；θ为变化电角度，范围0-180°。
15、根据本专利技术的一个方面，同类型的所述电机的电角度θ分布值与方波电压幅值相同。
16、根据本专利技术的一个方面，所述电流响应经坐标变换至dq旋转坐标系下，得出电流定子d轴分量i：
17、
18、式中，ia、ib和ic为分别对应ua、ub和uc的三相电流，θ为变化电角度，范围0-180°，θ0为电机初始状态转子d轴与a相轴线相差电角度；
19、所述电流特征值序列为i在稳态时间段内正负峰值之和。
20、根据本专利技术的一个方面，所述电流响应的稳态时间段为峰值点前后相邻周期差值小于0.05％。
21、根据本专利技术的一个方面，所述归一化处理为将各电角度下电流特征值序列统一转化到[0,1]区间内，计算公式为：
22、
23、其中，在一个电流特征值序列中，mi为归一化后的电流特征值，ni为归一化之前的电流特征值，nmax为最大电流特征值，nmin为最小电流特征值。
24、根据本专利技术的一个方面，所述随机森林模型的训练过程包括：
25、将不同状态电机产生的电流特征值序列分为训练集和测试集，训练集中使用bootstraping方法随机有放回进行n_trees次采样，每次采样取出m个样本，生成n_trees个决策树模型；
26、在单个决策树内部，每次分裂依据gini指数选择最好的特征进行分裂；
27、将多个决策树组成随机森林，按照多个树分类器投票决定新样本所属类别；
28、对训练后的随机森林模型进行模型验证分析：依据对测试集的分类是否正确绘制预测结果对比曲线以及混淆矩阵，并计算准确率，若准确率小于满意值，调整最小叶子数并重新进行训练，准确率表达式为：
29、
30、其中，n(xp＝xr)为预测故障状态xp等于真实故障状态xr时的测试样本总数量，n为测试样本总数量。
31、为实现上述目的，本专利技术还提供一种永磁同步电机退磁故障诊断系统，包括：
32、数据处理模块，获取多个正常和故障电机的不同电角度下的电流特征值序列，将其按比例分为训练样本与测试样本；
33、模型训练模块，将训练样本的正常状态和不同故障状态作为标签，各个电角度下电流特征值序列作归一化处理后作为输入训练随机森林模型；
34、模型优化模块，使用测试集对训练后的随机森林模型进行准确率检验，若不符合要求则对最小叶子数进行调整；
35、故障诊断模块，通过所述训练后的随机森林模型，将被测电机各电角度下电流特征值序列作为输入，根据输出结果判断电机故障状态。
36、为实现上述目的，本专利技术还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的永磁同步电机退磁故障诊断方法。
37、为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的永磁同步电机退磁故障诊断方法。
38、根据本专利技术的方案，本专利技术在电机定转子保持静止时注入不同电角度的方波电压信号，获得不同电角度下的电流响应，并将电流正负峰值相加得到电流特征值序列。对不同状态电机有相对应的电流特征值序列，分别获得之后成为数据集，将之进行标签化之后分为训练集与测试集用于训练随机森林模型与故障诊断。由于数据集获得方法为信号注入法获得值，所以数据集无需进行任何噪声处理。且信号注入法结合随机森林分类算法后，无需具有先验知识即可进行故障诊断，并且解决了单一信号注入法无法进行故障分类的问题。
39、根据本专利技术的方案，本专利技术在信号本文档来自技高网...
【技术保护点】
1.永磁同步电机退磁故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的永磁同步电机退磁故障诊断方法，其特征在于，所述电流特征值序列的获取方法为：
3.根据权利要求1所述的永磁同步电机退磁故障诊断方法，其特征在于，所述电机注入的方波电压在三相绕组中表达为：
4.根据权利要求1所述的永磁同步电机退磁故障诊断方法，其特征在于，同类型的所述电机的电角度θ分布值与方波电压幅值相同。
5.根据权利要求2所述的永磁同步电机退磁故障诊断方法，其特征在于，所述电流响应经坐标变换至dq旋转坐标系下，得出电流定子d轴分量I：
6.根据权利要求1所述的永磁同步电机退磁故障诊断方法，其特征在于，所述电流响应的稳态时间段为峰值点前后相邻周期差值小于0.05％。
7.根据权利要求1所述的永磁同步电机退磁故障诊断方法，其特征在于，所述归一化处理为将各电角度下电流特征值序列统一转化到[0,1]区间内，计算公式为：
8.根据权利要求1-7中任一项所述的永磁同步电机退磁故障诊断方法，其特征在于，所述随机森林模型的训练过程包括：
9.永磁同步电机退磁故障诊断系统，其特征在于，包括：
10.电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的永磁同步电机退磁故障诊断方法。
11.计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的永磁同步电机退磁故障诊断方法。
...【技术特征摘要】
1.永磁同步电机退磁故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的永磁同步电机退磁故障诊断方法，其特征在于，所述电流特征值序列的获取方法为：
3.根据权利要求1所述的永磁同步电机退磁故障诊断方法，其特征在于，所述电机注入的方波电压在三相绕组中表达为：
4.根据权利要求1所述的永磁同步电机退磁故障诊断方法，其特征在于，同类型的所述电机的电角度θ分布值与方波电压幅值相同。
5.根据权利要求2所述的永磁同步电机退磁故障诊断方法，其特征在于，所述电流响应经坐标变换至dq旋转坐标系下，得出电流定子d轴分量i：
6.根据权利要求1所述的永磁同步电机退磁故障诊断方法，其特征在于，所述电流响应的稳态时间段为峰值点前后相邻周期差值小于0.05％。
7.根...
【专利技术属性】
技术研发人员：葛晨，戴必翔，王闰羿，刘少伟，经周，江圳，徐胜，
申请(专利权)人：南京国电南自电网自动化有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。