基于BPNN的无轴承异步电机传感器故障诊断及容错控制

针对无轴承异步电机(bearinglessinductionmotor,BL-IM)速度传感器故障识别问题,提出一种基于反向传播神经网络(back propagation neural network,BPNN)的故障诊断控制策略。首先,选取BL-IM转矩、相电流等信号作为BPNN传感器故障诊断依据,并利用传感器在不同故障下的转矩等故障数据样本不断地对BPNN进行训练学习,提高故障诊断及故障分类的准确率。其次,利用分数阶模型参考自适应控制(fractional order model reference adaptive system,FO-MRAS)建立无速度传感器容错控制系统,完成故障系统到容错控制系统的切换,最终实现BL-IM在传感器故障下的正常运行。仿真和实验结果均表明,提出的BPNN故障诊断系统不仅能够实现空载以及带载运行时速度传感器故障的准确识别,并且容错控制系统能显著降低传感器故障对转速的影响,同时电机悬浮转子也具有较好的悬浮特性,提高了BL-IM的安全性和可靠性。