电机维修后短路实验准确率可达98电励磁双

电励磁双凸极电机（WFDSM）具有结构简单、可靠性高等优点，适用于航空航天等环境恶劣领域。当发生小匝数短路故障时，由于其电流、振动等信号不会产生明显的变化，难以用传统的检测手段区分。因此，上海电力大学电气工程学院的赵耀、沈翀、李东东、林顺富、杨帆，在2023年第10期《电工技术学报》上撰文，提出一种基于特征层面多源信号融合和改进神经网络的电励磁双凸极电机匝间短路故障诊断方法，用于诊断极端环境下电励磁双凸极电机早期匝间短路故障。

实验表明，采取特征融合的计算方法诊断准确率可达98 %，较数据层面和结果层面的融合计算方法准确率有明显的提升，并且对极端运行环境下的噪声，该方法具有很强的抗干扰能力。

电励磁双凸极电机（WFDSM）结构简单、控制方便，由于其转子上没有任何绕组，它在发电运行环境下表现优异，适合于风力发电、航空航天等极端环境应用领域。虽然，电励磁双凸极电机励磁回路独立，且具有较高的可靠性，但极端场合下的故障诊断能够进一步提高电机的可靠性和环境适应能力。

定子绕组匝间短路是电励磁双凸极电机最常见的故障之一，由于匝间短路故障在早期阶段现象不明显，难以被察觉，因此容易导致电机局部发热严重。最终，随着电机的运行，导致设备产生损坏，严重时甚至可能引发安全事故。同时，极端环境下信号容易受到干扰，传统电机故障检测方法更难判断电机运行状态，因此准确诊断极端环境下电励磁双凸极电机的匝间短路故障，对电机安全稳定运行具有十分重要的意义。

目前，针对磁阻电机的优化设计、容错分析等方面已经进行了大量研究，但对于其故障诊断方面研究较少。针对磁阻电机的故障，当前主流诊断方法主要有三类：一是通过构建数学模型进行故障预测；二是通过信号处理方法如奇异值分解、小波包变换将部分信号的变化作为故障判断依据；三是通过智能算法，依靠大数据智能判断电机的运行状态。

构建数学模型是故障诊断中最为常见的方法，已在同步电机特别是磁阻电机诊断中得到了广泛的应用。除了建立模型之外，也有文献通过信号处理进行故障诊断。得益于近年来智能算法的开发和推广，可以将难以识别的海量数据通过智能算法进行区分，辨识出其中隐含的故障特征信息。此时，采用数据融合的方法检测故障即可减小单一检测量带来的测量误差问题。数据融合通过综合考虑多个变量，全面考虑各检测量内部的故障信息，从而提高故障诊断的精确性。

图1 四相8-10极电励磁双凸极电机

但传统的融合算法往往是基于结果的融合，虽然可以减小大量的运算，使得容错性更高，但是也损失了大量的数据特征。电励磁双凸极电机作为磁阻电机，电流、振动等物理量谐波含量多且复杂，同时运行环境复杂多变，特征检测容易受到各种环境因素影响。因此，上海电力大学电气工程学院的研究人员采取了特征融合的方法，在减小了融合的数据量的同时，又保存了大部分的故障特征。

针对不同转速下电励磁双凸极电机故障诊断过程中的时频特征提取和智能诊断问题，他们提出了基于多信号特征融合提取和改进神经网络算法的智能诊断方法，挖掘出不同信号故障特征的同时也为电励磁双凸极电机的故障检测提供了新思路。

研究人员首先分别通过小波包变换法对不同工况下的振动信号、经验模态分解法对不同工况下的电流信号进行分解和特征向量的提取；然后，对特征进行并行排列，对形成的特征矩阵进行区间缩放、归一化处理；最后，将融合完成后的特征矩阵作为特征向量输入改进的卷积神经网络中。

图3 故障诊断流程

研究人员指出，电励磁双凸极电机在发生短路故障时，其磁场会发生畸变，有额外高次谐波产生，并间接导致了电流量和振动量较正常时发生变化；提出了多信号特征融合的故障诊断方法，该方法相较于单信号诊断方法、数据层面融合诊断方法、结果层面融合诊断方法的准确率和收敛速度均有较大的提升。

他们表示，在模拟极端运行情况的有噪声干扰场景下的故障诊断实验结果表明，相较于其余两种融合方法，所提出的特征层面融合的诊断方法在扰动较大时仍具有较高的准确率，抗干扰能力更强。此外，作为对比的单一电流和振动检测量方法也均有着较高准确率，证明了通过EMD和小波包变换提取的特征在故障识别方面有着良好的作用，同时改进卷积神经网络对于故障也具有较好的分类效果。

本工作成果发表在2023年第10期《电工技术学报》，论文标题为“极端条件下基于特征层面信号融合的电励磁双凸极电机匝间短路故障诊断”。本课题得到国家自然科学基金、上海市青年科技启明星计划和上海市自然科学基金的支持。

海外求医十大中介

赴美就医服务咨询电话

出国看病的服务机构