[發明專利]一種基于深層神經網絡的永磁同步電機故障診斷方法

在審

• 申請號: 202310346865.2
• 申請日: 2023-04-03
• 公開（公告）號: CN116127856A
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 皇甫海濱;周勇;張超;馬尚君;劉更
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/214;G06F18/241;G06N3/0464;G06N3/048;G01R31/34;G01R31/52;G01R31/72
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 金鳳

本發明提供了一種基于深層神經網絡的永磁同步電機故障診斷方法，通過運行故障仿真模型采集故障數據，將故障數據作為樣本集數據，將采集到的故障數據使用數據增強的方式進行樣本集的擴充，并通過添加高斯白噪聲，得到仿真數據，建立永磁同步電機的故障模型，并訓練得到訓練好的故障模型，輸入數據為三相電流數據，輸出數據為故障類型，采集永磁同步電機的三相電流導入故障模型，完成永磁同步電機的故障診斷。本發明具有更高的故障診斷準確率，故障診斷的失誤率降低了2倍，極大的降低了硬件成本，減少了網絡的訓練時間，與VGG16模型相比，本發明減少了將近50%的訓練時間，而且對計算機硬件的要求也大大降低。

技術領域

本發明涉及電機領域，尤其是一種機電作動器中永磁同步電機故障診斷方法。

背景技術

液壓作動系統為早期應用最多的機載作動系統，其最大優點是輸出功率較大；其次，可無級調速并具有較快的響應；另外，傳動具有良好的潤滑性能，且不需要額外潤滑。但同時也有著很多缺陷，例如油路復雜且油利用率較低，作動系統沉重，平均維護時間間隔短，散熱性能差等。因此，研制一種優勢更為顯著的新型飛行器作動系統就變得迫切與緊要。

作為多電飛行器的核心技術之一，機電作動器（Electromechanical?actuators，EMA）是其最主要的研究方向。相較于傳統液壓管路，應用EMA的飛行器其重量明顯減輕，從而使得飛行器耗能減少。例如，空客A380通過在主要飛行控制系統（Flight?ControlSystem，FCS）)上使用多個電靜液作動器（EHA）并去掉三個液壓回路中的一個，實現了重量減少1500公斤的目標。隨著“功率電傳”（power-by-wire）技術的發展，多電飛行器逐漸成為下一代飛行器發展的主要潮流，越來越多的科研機構進行了更深層次的研究。電氣系統部分取代了其它三大系統如液壓系統。飛機舵面作動器將液壓作動用電作動代替。

隨著機電作動器的逐步廣泛應用于飛控系統，其健康狀態與飛機的安全性能緊密關聯。為了防止飛行器因機電作動器的故障導致整體飛控系統失效，最終造成嚴重后果的事情發生，對機電作動器進行準確高效的故障診斷具有十分重要的研究意義。

傳統的故障診斷方法主要是依靠特征信號內蘊含的信息。將建模或采集獲得的故障信號分類放入數據庫中，利用大量的專家經驗和系統運行過程中的各種狀態信息進行分析處理，得到系統的運行狀態或者故障情況。目前采用的信號主要有電流、振動、電壓、溫度信號等。這一類方法基于健康系統的行為特征，通過與測量信號做比較進行的。目前，基于信號處理的故障診斷技術主要有：EMD、小波變換法及頻域方法等。這種方法主要依靠專家的經驗來進行判斷，準確率不足且流程復雜。相較于傳統方法，本方法提出的基于VGG16深層神經網絡的永磁同步電機故障診斷方法不必對數據進行人工處理，且診斷準確率高。

發明內容

為了克服現有技術的不足，本發明提供一種基于深層神經網絡的永磁同步電機故障診斷方法。為了實現對機電作動器永磁同步電機的故障檢測與診斷問題，本發明提供了一種基于VGG16深層神經網絡的永磁同步電機故障診斷方法，作為機電作動器永磁同步電機工作狀態監測與故障診斷的手段。相比于傳統的故障檢測與診斷方式，它可以更快且更加準確的對永磁同步電機常見的故障進行診斷。該模型可以直接通過三相電流數據對故障進行診斷，具有實用性以及有效性。

本發明解決其技術問題所采用的技術方案包括以下步驟：

步驟1：使用Matlab/Simulink搭建永磁同步電機永磁體失磁故障模型以及單相接地故障模型，使用ANSYS?Maxwell搭建匝間短路故障仿真模型，通過運行故障仿真模型采集故障數據，將故障數據作為樣本集數據；

步驟2：將采集到的故障數據使用數據增強的方式進行樣本集的擴充，并通過添加高斯白噪聲，得到仿真數據，使得仿真數據更接近真實數據；

步驟3：建立永磁同步電機的故障模型，并通過ImageNet數據集以及步驟2處理好的仿真數據進行網絡訓練，得到訓練好的故障模型，輸入數據為三相電流數據，輸出數據為故障類型；