[发明专利]一种检测三相异步电动机故障的方法

权利要求书

1.一种检测三相异步电动机故障的方法，其特征在于，包括以下步骤：

步骤1、根据电机出现的故障事件，找出故障发生的直接或间接原因，建立故障事件的逻辑关系；

步骤2、根据Petri网的可达性结合步骤1中的逻辑关系，构建电机的模糊故障Petri网的故障检测模型；

步骤3、综合模糊规则、专家知识、及历史数据，利用模糊统计法的方法，确定初始库所置信度、权值、变迁可信度和阈值；

步骤4、利用矩阵推理对电机进行故障检测和诊断；

步骤4中的故障检测与诊断为全矩阵模式的正反推理方式；正向推理是在电机无故障发生时，通过在线监测设备预测可能出现的故障，实现对系统故障严重程度的评价和传播途径的描述；反向推理是当系统发生故障时，根据所产生的故障现象，通过矩阵进行反向推理，追溯最可能的故障源，即底层库所，为设备的诊断维修提供依据，从而为提高设备系统的可靠性提供有效的方法；为了更好的进行矩阵推理，定义如下算子：

(1)比较算子Θ：C＝AΘB，A，B和C均为m×n矩阵，当a_ij＞b_ij时，C_ij＝1；当a_ij＜b_ij时，C_ij＝0，i＝1,2,…,m；j＝1,2,…,n；

(2)取小算子∧：C＝A∧B，A,B和C均为m×n矩阵，C_ij＝min(a_ij,b_ij)，i＝1,2,…,m；j＝1,2,…,n；

(3)取大算子A，B和C均为m×n矩阵C_ij＝max(a_ij,b_ij)，i＝1,2,…,m；j＝1,2,…,n；

(4)乘法算子A，B和C分别为m×q，q×n，m×n矩阵，i＝1,2,…,m；j＝1,2,…,n；

(5)直乘算子Δ：C＝AΔb，A和C分别为m×n，n×m矩阵，b为n维向量，则C_ij＝a_ij·b_i，i＝1,2,…,m；j＝1,2,…,n；

首先，正向推理矩阵包括库所置信度推理矩阵、变迁点火矩阵和故障状态标识推理矩阵，只有满足变迁点火条件，相关库所中的故障token才能传递到后置库所，而变迁点火矩阵又需要前置库所置信度为依据；

库所置信度推理矩阵为U为变迁规则可信度矩阵；

其中O为Petri网输出矩阵；

变迁点火矩阵为：

其中y＝(y₁,y₂,…,y_n)^T为变迁预使能判别矩阵；如果变迁满足点火条件，则点火向量元素y_i＝1，否则y_i＝0；H为变迁阈值向量；

G(x)＝I^←·α_k，G(x)＝(g₁,g₂,…,g_n)^T，表示库所置信度与权值的等效和值n维列向量，

当有p_i至t_j的有向弧时，当有t_j至p_i的有向弧时，其中i＝1,2,…m，j＝1,2,…,m；

λ代表变迁阈值，q要足够大，使得x＞λ时，x＜λ时，

I为petri网输入矩阵；

为故障状态标识推理矩阵，M_k为故障状态标识向量，代表故障token在模型库所中的分布及传播途径；

反向推理为正向推理的逆，因此我们先定义逆向推理的输入、输出库所分别为正向输出、输入库所；即I^-＝O，O^-＝I；如果故障源库所有多个，则根据最小割集故障发生率来确定优先诊断顺序；若库所最小割集的故障率的集合F＝{f₁,f₂,...,f_n}，则最小割集故障发生率为

反向推理也包括反向变迁点火矩阵和库所置信度推理矩阵；反向变迁点火矩阵为

其中为第k次逆向点火时的逆网使能变迁序列；

l_m＝(1,1,…1)^T为m维列向量；

库所反向置信度推理矩阵与正向相同。