【技术实现步骤摘要】
本专利技术属于城轨列车故障诊断，具体是涉及一种城轨列车多永磁同步电机驱动系统智能故障诊断方法。
技术介绍
1、近年来，城轨列车以其大容量、高安全性、高速度的特点，已经在缓解人口流动压力、改善环境污染、提高人民出行质量等方面发挥了重要且积极的作用。城轨列车对其驱动系统的要求是转矩控制能力良好、转矩密度高、运行可靠并在整个调速范围内的效率尽可能高，从而保证车辆具有良好的动力性能和控制性能。永磁同步电机因其效率高、功率密度大等优点，成为了目前城轨列车驱动电机的升级方向；然而，在永磁同步电动机的长时间运行过程中往往会由于意外因素导致潜在故障发生的可能，这将对的城轨列车的安全运行产生严重威胁。此外，当多种类型的故障同时发生时，不同故障之间的耦合将使得故障诊断和分类任务更难实现。
2、针对永磁同步电动机故障诊断的局限性，现有研究中大多数基于提取的特征和系统动态模型提出了相应的解决方案。例如，通过设计的滑模故障观测器进行永磁同步电机干扰解耦，并对传感器故障进行故障估计；又或者是通过设计一个全新的未知输入观测器，重构未知的系统状态、传感器和执行器故障。可以看出，目前大多数故障诊断策略都是基于系统动力学模型开发的，在计算复杂度和工程实现方面具有优势，但这些方法也有明显的局限性。首先，从设计原理来看，基于模型的故障诊断方法的准确性非常依赖于一个显式的系统动力学模型，不具有泛用性；同时，单一模型无法实现对所有故障类型的诊断。此外，某些故障类型之间可能存在强耦合，基于单一动态模型难以诊断所有故障类型；而且，基于模型的故障诊断方法需要确定触发
技术实现思路
1、为解决上述技术问题，本专利技术提供了一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，利用数据驱动方法避免了传统基于模型的故障诊断方法的缺点，还解决了任意工况下的诊断兼容性等实际应用问题，提高了该方法的适用性。
2、本专利技术所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，包括以下步骤：
3、步骤1、模拟并采集城轨列车各永磁同步电机在额定角速度和负载转矩下正常运行及发生不同故障时的三相定子电流，构建训练集和验证集；采集任意角速度和负载转矩下的三相定子电流，构建测试集；
4、步骤2、设计自适应因子使测试集中任意角速度和负载转矩下的定子电流与额定角速度及负载转矩下的定子电流相对应；
5、步骤3、将步骤2得到的调整后一维的三相定子电流信号转换为二维rgb图像；
6、步骤4、建立卷积神经网络架构，每台永磁同步均配备一个卷积神经网络进行本地诊断，且各卷积神经网络均采取不同的训练集和验证集进行训练，使各训练后的卷积神经网络具有不同的诊断能力；
7、步骤5、结合通信拓扑，利用本地及邻域的多个卷积神经网络对本地永磁同步电机实现协同诊断，通过注意力机制对各个卷积神经网络的诊断信息赋予不同权重，构造融合诊断信息；
8、步骤6、设计深度神经网络实现整体分析，将融合诊断信息作为深度神经网络的输入以及数据样本并对其进行训练，依据深度神经网络分类结果诊断通信数据信息判断永磁同步电机运行状态。
9、进一步的，通过pmsm实验平台在额定角速度及负载转矩下模拟城轨列车永磁同步电机的正常状态h、过程故障状态fp、传感器故障状态fs以及过程和传感器故障状态fps；采集额定工况下的三相定子电流采样数据并将其转换为rgb图像样本，构造各卷积神经网络的训练集和验证集；采集城轨列车永磁同步电机在任意角速度和负载力矩下的三相定子电流数据，并将其转换为rgb图像样本构造测试集。
10、进一步的，对于测试集中的任意角速度信息，为实现对电流波形的压缩，设计采样区间自适应因子为：
11、afω＝ωn/ωr
12、其中，ωn和ωr表示额定速度和实时角速度；通过自适应因子调整处理后的定子电流采样间隔为：
13、ti_proc_samp＝ti_n_samp×afω
14、其中，ti_n_samp和ti_proc_samp分别是额定速度和处理后的采样间隔。
15、进一步的，对于测试集中的负载转矩信息，设计定子电流幅值对负载转矩的自适应因子为：
16、
17、其中，tl.n和tl分别表示额定转矩和实际负载转矩，ip.n和ip.0分别表示额定负载转矩和空载时的峰值定子电流；
18、通过定子电流幅值对负载转矩的自适应因子调整后的定子电流表示为：
19、xi_proc_abc＝xi_real_abc×aft
20、其中，xi_real_abc和xi_proc_abc分别表示真实的采样数据和处理后的采样数据。
21、进一步的，将经过自适应因子处理后三相定子电流信号的a、b、c相分别对应于rgb图像的r、g、b信道，且每个采样点对应于图像中的一个像素；为使采样信号值压缩在0-255范围内，设计图像转换方法如下：
22、
23、其中，p(m,n,k)是转换后的采样信号值，round{}是舍入函数；m、n分别为像素所在行、列；k＝r,g,b表示颜色通道，r,g,b分别对应a、b、c相定子电流；m为图像的像素强度，sk表示样本队列。
24、进一步的，每个卷积神经网络均包含四个交替卷积层和池化层，以及两个全连接层，输入图像的大小设为64×64，采用零填充方式保证采样信息的完整性，防止维数损失。
25、进一步的，步骤5中，结合通信拓扑，通过本地及邻域的多个卷积神经网络对本地永磁同步电机实现协同诊断；借助注意力机制对不同卷积神经网络的诊断信息fi赋予不同的权重系数，构造融合信息f：
26、
27、其中，n为卷积神经网络数量，sfi为不同卷积神经网络的注意力权重。
28、进一步的，借助深度神经网络对融合信息实现进一步的学习与分类，将融合诊断信息作为网络输入，训练深度神经网络学习关键信息，输出层以softmax作为激活函数，损失函数为交叉熵损失函数，迭代优化器为adam，依据深度神经网络分类结果诊断通信数据信息判断永磁同步电机运行状态。
29、本专利技术所述的有益效果为：
30、1)本专利技术所述方法提出将一维三相定子电流转换为二维rgb图像，使永磁同步电机发生故障时，每个样本都能包含完整的故障信息，有助于提高诊断的准确性。
31、2)本专利技术提出定子电流幅值和采样间隔自适应因子，将任意工况下的三相定子电流映射到额定工况下，从而使得卷积神经网络的训练过程只需要由额定工况样本构建的数据集，确保对所有角速度和负载转矩工况的故障诊断适用性的同时，降低了神经网络的训练负担；利用卷积神经网络模型出色的图像分类处理能力，将永磁同步电机的故障诊断任务转化为图像分类问题；
32、3)通过注意力机制融合不本文档来自技高网...
【技术保护点】
1.一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，通过PMSM实验平台在额定角速度及负载转矩下模拟城轨列车永磁同步电机的正常状态H、过程故障状态fp、传感器故障状态fs以及过程和传感器故障状态fps；采集额定工况下的三相定子电流采样数据并将其转换为RGB图像样本，构造各卷积神经网络的训练集和验证集；采集城轨列车永磁同步电机在任意角速度和负载力矩下的三相定子电流数据，并将其转换为RGB图像样本构造测试集。
3.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，对于测试集中的任意角速度信息，为实现对电流波形的压缩，设计采样区间自适应因子为：
4.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，对于测试集中的负载转矩信息，设计定子电流幅值对负载转矩的自适应因子为：
5.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于
6.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，每个卷积神经网络均包含四个交替卷积层和池化层，以及两个全连接层，输入图像的大小设为64×64，采用零填充方式保证采样信息的完整性，防止维数损失。
7.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，步骤5中，结合通信拓扑，通过本地及邻域的多个卷积神经网络对本地永磁同步电机实现协同诊断；借助注意力机制对不同卷积神经网络的诊断信息fi赋予不同的权重系数，构造融合信息f：
8.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，设计深度神经网络对融合信息实现进一步的学习与分类，将融合诊断信息作为网络输入，训练深度神经网络学习关键信息，输出层以Softmax作为激活函数，损失函数为交叉熵损失函数，迭代优化器为Adam，依据深度神经网络分类结果诊断通信数据信息判断永磁同步电机运行状态。
...【技术特征摘要】
1.一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，通过pmsm实验平台在额定角速度及负载转矩下模拟城轨列车永磁同步电机的正常状态h、过程故障状态fp、传感器故障状态fs以及过程和传感器故障状态fps；采集额定工况下的三相定子电流采样数据并将其转换为rgb图像样本，构造各卷积神经网络的训练集和验证集；采集城轨列车永磁同步电机在任意角速度和负载力矩下的三相定子电流数据，并将其转换为rgb图像样本构造测试集。
3.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，对于测试集中的任意角速度信息，为实现对电流波形的压缩，设计采样区间自适应因子为：
4.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，对于测试集中的负载转矩信息，设计定子电流幅值对负载转矩的自适应因子为：
5.根据权利要求1所述的一种城轨列车多永磁同步电机驱动系统智能故障诊断方法，其特征在于，将经过自适应因子处理后的三相定子电流信号的...
【专利技术属性】
技术研发人员：戴宇辰，杜晓康，李磊，孙建锋，
申请(专利权)人：浙江师范大学，
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。