[发明专利]一种检测三相异步电动机故障的方法

摘要

本发明公开了一种检测三相异步电动机故障的方法，步骤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；根据Petri网的可达性结合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；综合模糊规则、专家知识、及历史数据，利用模糊统计法等方法，确定初始库所置信度、权值、变迁可信度和阈值；利用矩阵推理对电机进行故障检测和诊断。该方法能提高电机故障检测的有效性、准确性。

主权项

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aij＞bij时，Cij＝1；当aij＜bij时，Cij＝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，Cij＝min(aij,bij)，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Cij＝aij·bi，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,...,fn}，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；lm＝(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。