[发明专利]一种永磁同步电机退磁故障诊断模型构建方法及故障诊断方法和系统

说明书

本发明公开了一种永磁同步电机退磁故障诊断模型构建方法及故障诊断方法和系统，并适用于多工况和变工况，其中，本发明所述方法将电机表面漏磁信号作为故障诊断的原始信号，并将其拓展为对称点阵图像，进而提取对称点阵图像的多类局部高层特征，并进行融合，最后利用融合后的特征构建分类器，尤其是优选构建模糊多模型分类器进行故障诊断，可以有效提高故障诊断结果的精度，其中，对称点阵图像对工况具备较强的不变适应性，并通过图像的多类局部高层特征的融合提升了特征的有效性，进一步保证了模型的准确性，高精度识别退磁故障，有效解决了多工况和变工况下永磁同步电机退磁故障诊断的难题。

技术领域

本发明涉及永磁同步电机故障诊断，具体涉及一种永磁同步电机退磁故障诊断模型构建方法及故障诊断方法和系统，尤其是适用于多工况和变工况的永磁同步电机退磁故障诊断。

背景技术

永磁同步电机采用永磁体生成电机磁场，结构简单、效率和控制精度高被广泛的应用于数控机床、电动汽车、航空航天和风力发电等领域。永磁同步电机的磁钢片大多采用钕铁硼永磁材料，其居里温度较低。因此，电机的过载和散热系统损坏等都会导致永磁体磁损失。电枢反应磁场和永磁体磁场方向相反，具有本质性的退磁作用，尤其在大负载工况和定子绕组短路故障情况下，极易引起永磁体退磁。最后，制造安装缺陷、多变的工况和环境也会加速电机损伤和老化，从而引发电机故障。退磁故障会加剧转矩脉动和电机损耗，严重降低设备性能，严重时造成财产损失和人员伤亡。

永磁同步电机在风力机与电动汽车等应用领域，会随着外部的风速或路况等改变运行工况。现有的诊断方法大多通过对比电机间状态信号的不同实现故障诊断。然而，电机在变工况时，状态信号同样会发生变化，这将使得故障诊断更为困难。目前用于退磁故障诊断的状态信号有电机定子电流、电压、转矩和磁通等。以上状态信号的变化都是受永磁体退磁故障间接影响导致的，同时也容易受到其他故障的干扰。相比其他状态信号，退磁故障的发生将直接导致电机磁场发生变化。齿槽磁通和气隙磁通信号实现了永磁电机退磁故障诊断。然而，这些磁通信号的采集需要拆卸电机获取成本较高，且容易引入人为干扰。

电机状态信号中不仅包含了故障特征，同时还混杂着冗余信号和其他干扰信号。因此，在电机故障诊断中故障特征的提取显得尤为重要。现有的理论和方法集中于时域、频域或则小波域的细节特征提取。主要的特征提取方法有短时傅里叶变换与连续小波变换等。这些方法只提取一维下的细节特征，而无法获得状态信号中二维特征。将状态信号拓展到二维图像，将更有利于故障诊断。图像的局部特征及其描述符是局部领域紧凑向量表示。常用的局部特征有角落特征和斑点特征等。用于分类的特征描述方法主要有热图、形状等。然而，由于不同图像的局部特征数并不固定，使得提取的特征集不平衡，难以满足大多数分类算法对输入特征的要求。

综上所述，现有的诊断方法存在以下几个技术问题：

1)电机状态诊断信号容易受到干扰，采集成本较高；

2)一维的细节特征无法满足大多数分类算法的需求，不利于故障诊断，尤其是多变工况的影响，同一电机的信号都会多变，从而使得单一的特征提取难以满足故障诊断的精度要求。

此外，现有的诊断方法大多只在定工况或限定条件下有效，限制了它们在变工况工业领域的应用。因此，亟需研究一种适用于多工况和变工况的永磁同步电机退磁故障诊断方法及系统。

发明内容

本发明的目的是用于解决上述现有技术中至少存在的部分技术问题，进而提供一种永磁同步电机退磁故障诊断模型构建方法及故障诊断方法和系统。本发明所述方法选择提取故障电机在不同工况下的漏磁信号作为原始信号，并将一维时域信号转换为二维图像，丰富故障信号特征，有效解决一维细节特征和单一的特征提取难以满足精确的故障诊断的问题。

一方面，本发明提供的一种永磁同步电机退磁故障诊断模型构建方法，其包括：信号采集、对采集的信号进行二维图像转换、提取二维图像的特征并融合、利用融合特征构建故障诊断分类器，具体如下：