基于灰度纹理特征提取和CS-SNN的双初级永磁同步直线电机退磁故障诊断研究

引入一种基于图像形态学纹理特征提取与布谷鸟搜索优化脉冲神经网络(cuckoo search-spiking neural network,CS-SNN)算法相结合的方法,以解决双初级永磁同步直线电机(dual primary permanent magnet synchronous linear motor,DPPMSLM)退磁故障精细定量化诊断识别的问题。首先,根据DPPMSLM拓扑结构约束,通过有限元仿真提取电机气隙空间中三线磁密信号作为有效故障信号;其次,引入图像纹理分析的方法,将一维数据信号映射为二维灰度图像,再采用伽马矫正和边缘提取技术增强图像信息,以提取图像纹理特征组成故障特征向量;然后建立两级CS-SNN分类器实现退磁故障位置类型和严重程度的精确诊断分类;最后,通过退磁样机制作和实验平台验证,提出的新方法能够准确识别DPPMSLM退磁故障位置和严重程度,并具有良好的鲁棒性,是一种有效可行的方法。

永磁同步电动机退磁故障的分析与实验研究

永磁同步电动机(PMSM)因其特有的永磁体结构,和感应电动机相比,存在着不可逆的退磁风险;同时电动机是一个强耦合系统,永磁体发生退磁会导致电动机的损坏,给电动机拖动系统带来严重的后果。分析了永磁体的退磁机理,对各种退磁情况进行了比较研究。以一台4极24槽的表贴式PMSM为例,对直接设定的均匀退磁和局部退磁进行比较分析,得到相应物理量的变化以及退磁故障诊断的方法,并进行了实验验证。通过退磁研究可以判断电动机故障为快速排除故障提供依据,提高生产效率。

基于分形维数的PMSM局部退磁故障诊断

为了实现永磁同步电机(PMSM)永磁体局部退磁故障诊断,首先建立计及永磁体局部退磁故障的PMSM数学模型,实现永磁体局部退磁故障电气特性的定性与定量描述。在此基础上,提出了集成自适应基波提取和经验模态分解(EMD)于一体,基于分形维数的永磁体局部退磁故障诊断方法。最后,通过PMSM驱动系统稳态和动态运行工况对所提出的永磁体局部退磁故障诊断方法进行仿真测试和实验验证,综合系统仿真和实验验证结果证实了该方法的可行性和有效性。

电动汽车PMSM退磁故障诊断及故障模式识别

电动汽车永磁同步电动机(PMSM)驱动系统受其功率密度、控制方式以及运行环境的影响,易出现永磁体局部退磁或均匀退磁故障,为了实现电动汽车PMSM驱动系统的安全可靠运行,PMSM退磁故障诊断与故障模式识别已成为亟需解决的关键技术问题之一。首先提出采用代数辨识法实现永磁体磁链的在线辨识,将辨识结果作为退磁故障定性诊断的依据;在此基础上,采用基于希尔伯特黄变换的定子电流瞬时频率分析方法,实现车用工况下局部退磁故障非平稳特征信号的有效提取。最后,通过系统仿真研究和实验研究证实建议的永磁体退磁故障诊断及故障模式识别的一体化解决方案能够在测量噪声和车用工况约束下,通过永磁体磁链的在线准确辨识及局部退磁非平稳微弱故障特征信号的有效提取,实现永磁体退磁故障的在线准确诊断及故障模式的有效识别。