[發(fā)明專(zhuān)利]一種檢測(cè)三相異步電動(dòng)機(jī)故障的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510369416.5
• 申請(qǐng)日: 2015-06-29
• 公開(kāi)（公告）號(hào): CN105005644B
• 公開(kāi)（公告）日: 2019-03-01
• 發(fā)明（設(shè)計(jì)）人: 程學(xué)珍;王程;陳強(qiáng);劉建航;亢菲菲;馮翠萍;張延響;張同輕
• 申請(qǐng)（專(zhuān)利權(quán)）人: 山東科技大學(xué)
• 主分類(lèi)號(hào): G06F17/50
• 分類(lèi)號(hào): G06F17/50
• 代理公司: 濟(jì)南鼎信專(zhuān)利商標(biāo)代理事務(wù)所(普通合伙) 37245
• 代理人: 曹玉琳

1.一種檢測(cè)三相異步電動(dòng)機(jī)故障的方法，其特征在于，包括以下步驟：

步驟1、根據(jù)電機(jī)出現(xiàn)的故障事件，找出故障發(fā)生的直接或間接原因，建立故障事件的邏輯關(guān)系；

步驟2、根據(jù)Petri網(wǎng)的可達(dá)性結(jié)合步驟1中的邏輯關(guān)系，構(gòu)建電機(jī)的模糊故障Petri網(wǎng)的故障檢測(cè)模型；

步驟3、綜合模糊規(guī)則、專(zhuān)家知識(shí)、及歷史數(shù)據(jù)，利用模糊統(tǒng)計(jì)法的方法，確定初始庫(kù)所置信度、權(quán)值、變遷可信度和閾值；

步驟4、利用矩陣推理對(duì)電機(jī)進(jìn)行故障檢測(cè)和診斷；

步驟4中的故障檢測(cè)與診斷為全矩陣模式的正反推理方式；正向推理是在電機(jī)無(wú)故障發(fā)生時(shí)，通過(guò)在線監(jiān)測(cè)設(shè)備預(yù)測(cè)可能出現(xiàn)的故障，實(shí)現(xiàn)對(duì)系統(tǒng)故障嚴(yán)重程度的評(píng)價(jià)和傳播途徑的描述；反向推理是當(dāng)系統(tǒng)發(fā)生故障時(shí)，根據(jù)所產(chǎn)生的故障現(xiàn)象，通過(guò)矩陣進(jìn)行反向推理，追溯最可能的故障源，即底層庫(kù)所，為設(shè)備的診斷維修提供依據(jù)，從而為提高設(shè)備系統(tǒng)的可靠性提供有效的方法；為了更好的進(jìn)行矩陣推理，定義如下算子：

(1)比較算子Θ：C＝AΘB，A，B和C均為m×n矩陣，當(dāng)a_ij＞b_ij時(shí)，C_ij＝1；當(dāng)a_ij＜b_ij時(shí)，C_ij＝0，i＝1,2,…,m；j＝1,2,…,n；

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

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

(4)乘法算子A，B和C分別為m×q，q×n，m×n矩陣，i＝1,2,…,m；j＝1,2,…,n；

(5)直乘算子Δ：C＝AΔb，A和C分別為m×n，n×m矩陣，b為n維向量，則C_ij＝a_ij·b_i，i＝1,2,…,m；j＝1,2,…,n；

首先，正向推理矩陣包括庫(kù)所置信度推理矩陣、變遷點(diǎn)火矩陣和故障狀態(tài)標(biāo)識(shí)推理矩陣，只有滿足變遷點(diǎn)火條件，相關(guān)庫(kù)所中的故障token才能傳遞到后置庫(kù)所，而變遷點(diǎn)火矩陣又需要前置庫(kù)所置信度為依據(jù)；

庫(kù)所置信度推理矩陣為U為變遷規(guī)則可信度矩陣；

其中O為Petri網(wǎng)輸出矩陣；

變遷點(diǎn)火矩陣為：

其中y＝(y₁,y₂,…,y_n)^T為變遷預(yù)使能判別矩陣；如果變遷滿足點(diǎn)火條件，則點(diǎn)火向量元素y_i＝1，否則y_i＝0；H為變遷閾值向量；

G(x)＝I^←·α_k，G(x)＝(g₁,g₂,…,g_n)^T，表示庫(kù)所置信度與權(quán)值的等效和值n維列向量，

當(dāng)有p_i至t_j的有向弧時(shí)，當(dāng)有t_j至p_i的有向弧時(shí)，其中i＝1,2,…m，j＝1,2,…,m；

λ代表變遷閾值，q要足夠大，使得x＞λ時(shí)，x＜λ時(shí)，

I為petri網(wǎng)輸入矩陣；

為故障狀態(tài)標(biāo)識(shí)推理矩陣，M_k為故障狀態(tài)標(biāo)識(shí)向量，代表故障token在模型庫(kù)所中的分布及傳播途徑；

反向推理為正向推理的逆，因此我們先定義逆向推理的輸入、輸出庫(kù)所分別為正向輸出、輸入庫(kù)所；即I^-＝O，O^-＝I；如果故障源庫(kù)所有多個(gè)，則根據(jù)最小割集故障發(fā)生率來(lái)確定優(yōu)先診斷順序；若庫(kù)所最小割集的故障率的集合F＝{f₁,f₂,...,f_n}，則最小割集故障發(fā)生率為

反向推理也包括反向變遷點(diǎn)火矩陣和庫(kù)所置信度推理矩陣；反向變遷點(diǎn)火矩陣為

其中為第k次逆向點(diǎn)火時(shí)的逆網(wǎng)使能變遷序列；

l_m＝(1,1,…1)^T為m維列向量；

庫(kù)所反向置信度推理矩陣與正向相同。