基于d-q变换及WOA-LSTM的异步电机定子匝间短路故障诊断方法

为了实现对异步电机定子绕组匝间短路故障的可靠在线诊断,提出一种基于d-q变换及鲸鱼优化算法(WOA)优化的长短期记忆网络(LSTM)的故障诊断方法。通过理论推导可知,d-q变换可有效提取定子电流中的特征频谱数据。采用鲸鱼优化算法对长短期记忆网络中的3个关键参数进行优化,建立WOA-LSTM故障分类模型。为了验证基于d-q变换和WOA-LSTM故障诊断方法的有效性,分别以小波变换、快速傅里叶变换及d-q变换提取电流频谱数据作为输入数据集,以一台YE2-100L1-4型异步电机为实验对象进行实验验证。研究结果表明:相比于小波变换及快速傅里叶变换,采用d-q变换能更准确的提取出定子电流中的故障特征,更精确地反映电机故障状态,有助于提高故障分类准确率;相比于传统的LSTM算法,经WOA优化后的LSTM算法分类准确率可达98.3%,能可靠地实现不同程度匝间短路故障的诊断。

基于d-q理论的双馈异步电机定子匝间短路故障诊断方法

为实现双馈异步电机定子绕组匝间短路的早期故障诊断,提出一种基于转子电流特征频率分量的故障诊断方法 .首先,通过分析故障后电机的电磁特性,得到故障后转子电流中会产生特征频率分量的结论 .然后,通过对转子单相电流进行特殊的相移构造出三相电流,并对该组电流进行d-q变换,利用理论推导证明d-q变换后的直流分量幅值能够反映特征谐波的大小,将直流分量作为故障特征量进行双馈异步电机匝间短路故障的诊断.最后,依据有限元法建立故障前后电机的仿真模型,对不同工况下故障特征量的变化进行研究.结果表明:基于d-q理论提取的故障特征量与定子绕组的短路匝数呈正相关,且在转速变化和电压不平衡时也可有效诊断出匝间短路故障;通过设置合理的故障阈值可实现对双馈异步电机定子绕组匝间短路故障的精确辨识.研究结果可以为电机绕组匝间短路故障诊断提供参考.