本發(fā)明屬于永磁電機故障診斷，涉及一種基于卷積神經網絡和電流矢量軌跡的永磁電機驅動系統(tǒng)開路故障診斷方法。

背景技術：

1、永磁同步電機(permanent?magnet?synchronous?motor，pmsm)具有體積小、功率密度高和峰值功率大等顯著優(yōu)點，在航空航天、軌道交通以及電動汽車等領域得到了廣泛的關注和應用。

2、然而，電動汽車運行環(huán)境嚴苛，長時間高溫運行時永磁同步電機驅動系統(tǒng)的安全性和可靠性受到嚴峻挑戰(zhàn)。電壓源逆變器故障是永磁同步電機驅動系統(tǒng)中最常見的嚴重故障之一，其故障診斷和辨識技術受到國內、外學者和汽車廠商的廣泛關注。逆變器故障可分為功率開關管開路故障和短路故障兩大類。其中，短路故障發(fā)展迅速、故障電流大，可通過在逆變器中增加熔斷器將短路故障轉化為開路故障。逆變器開路故障將會對整個驅動系統(tǒng)產生嚴重不可逆嚴重影響。若逆變器開路故障未被及時、準確診斷，有可能導致系統(tǒng)發(fā)生二次開路故障，從而造成驅動系統(tǒng)的崩潰，嚴重影響電動汽車運行的穩(wěn)定性和安全性。因此，能夠及時對pmsm驅動系統(tǒng)進行開路故障診斷具有重大的實際意義。

3、目前，已經提出了一些方法來進行逆變器開路的故障診斷方法，大致方法可以歸納為如下幾類：

4、一、基于解析模型。該類方法是在分析被控對象運行機理的基礎上，建立其數(shù)學解析模型，并根據(jù)模型和觀測參數(shù)來構建殘差信號以實現(xiàn)開路故障診斷。然而，其模型和觀測器的構建十分復雜，因此應用場合十分有限。

5、二、基于信號處理。該類方法是在采集若干物理信號，如電流、電壓、轉速、振動、噪聲等的基礎上，利用頻譜分析、傅里葉級數(shù)、小波變換、模態(tài)分解等方法來分析并提取相應的故障特征變量，根據(jù)頻率、方差、幅值等特征變量值的異常變化來進行故障診斷。然而該類方法對于微弱的故障特征信號難以進行有效的分析和特征提取，因此限制了此類方法在實際工程領域中的應用。

6、三、基于數(shù)據(jù)驅動。與傳統(tǒng)方法相比，數(shù)據(jù)驅動法在模糊邏輯，神經網絡和機器學習等算法的支持下，無需構建復雜的數(shù)學模型，同時克服人為因素引入的隨機干擾，因此具有廣泛的應用前景。

7、針對傳統(tǒng)方法中的這些問題本文提出了一種基于卷積神經網絡(convolutionalneural?network，cnn)的永磁電機驅動系統(tǒng)開路故障診斷方法來對故障進行高效和穩(wěn)定的診斷。

技術實現(xiàn)思路

1、為克服現(xiàn)有技術的不足，本發(fā)明旨在提供一種基于卷積神經網絡的pmsm驅動系統(tǒng)的開路故障診斷方法，該方法既能夠精確辨識電機系統(tǒng)功率管的開路故障，同時也能夠滿足電動汽車用永磁電機驅動場合的高可靠性要求。

2、本發(fā)明所采用的技術方案是：針對由兩電平電壓源逆變器饋電的pmsm驅動系統(tǒng)(two-level?voltage-sourced?inverter-fed?pmsm?drive，2l-vsi-pmsm)開路故障診斷問題，提出了基于lenet-5?cnn的開路故障診斷策略。在所提策略中，首先分析并構建逆變器單管、雙管開路故障后靜止坐標系下電機電流的解析表達式，構建起定子電流軌跡與開路故障分類間的映射規(guī)律。其次分別提取逆變器單管、雙管開路故障后的歸一化電流矢量軌跡，并以全部電流軌跡圖像作為lenet-5?cnn訓練樣本，以期cnn能夠辨識出不同電流軌跡對應的開路故障狀態(tài)。

3、具體設計步驟如下：

4、第1步：設采集到的pmsm三相定子電流為ia、ib和ic并進行clark變換

5、

6、式中，t3s/2s表示三相靜止坐標系a、b、c至兩相靜止坐標系α、β的變換陣。

7、第2步：根據(jù)當前電機轉子位置θ，將定子電流進一步變換至同步旋轉坐標系下，利用pi控制器實現(xiàn)pmsm磁場和轉矩的高性能解耦控制。

8、第3步：采用空間矢量調制技術，確定逆變器中6個開關管的開關信號，保證施加于電機定子的電壓矢量等于控制器得到的參考電壓矢量。

9、第4步：根據(jù)采集到的兩相靜止坐標系下的電流，繪制出pmsm正常運行時和逆變器開路故障時的電流矢量軌跡。

10、第5步：將預處理后的電流矢量軌跡二維圖像錄入樣本庫，并將圖像樣本分為訓練集和測試集兩部分。

11、第6步：建立lenet-5卷積神經網絡模型，并對劃分的訓練集樣本進行相應的訓練。

12、第7步：將測試集樣本輸入到提出的lenet-5卷積神經網絡中，對故障模式進行識別。

13、第8步：根據(jù)識別結果，完成pmsm驅動系統(tǒng)的開路故障診斷。

14、本發(fā)明的特點及有益效果是：

15、(1)本發(fā)明將pmsm正常運行時和驅動系統(tǒng)開路故障時的兩相靜止平面的電流轉換為二維的電流矢量軌跡圖，來作為所提lenet-5卷積神經網絡的輸入。

16、(2)通過在傳統(tǒng)的lenet-5神經網絡結構中增加兩個dropout層，來減少神經網絡訓練過程中的過擬合問題。

17、所提出的方法將原本的兩相靜止坐標系下的電流轉化為二維的電流矢量軌跡圖，增加了信號的可視化程度，加強了原始信號中的特征信息，更加有利于深度學習時的特征識別，且避免了人為干預的影響；而dropout層的加入減少了神經網絡訓練過程中的過擬合的影響。提升了pmsm驅動系統(tǒng)開路故障診斷的精確度。

技術特征：

1.一種基于卷積神經網絡的永磁同步電機驅動系統(tǒng)開路故障診斷方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的提出的基于lenet-5的神經網絡結構，其特征在于，所述利用卷積神經網絡模型進行訓練包括：

技術總結
本發(fā)明公開了一種基于卷積神經網絡的永磁電機驅動系統(tǒng)開路故障診斷方法：采集永磁同步電機正常運行時和開路故障后的三相定子電流，并進行Clark變換；將獲取到的兩相靜止坐標系下的電流進行處理，并繪制出PMSM正常運行時和逆變器開路故障時的電流矢量軌跡；將得到的二維電流矢量軌跡圖圖像進行預處理，將預處理后的圖像錄入樣本庫，并劃分為訓練集和測試集；利用訓練集對本文所提出的LeNet?5卷積神經網絡進行訓練；將測試集樣本輸入到訓練后的LeNet?5卷積神經網絡進行測試，以完成永磁同步電機驅動系統(tǒng)的開路故障診斷。本發(fā)明專利將獲取到的三相定子電流信號進行圖像化處理，使得原始信號可視化并進行了歸一化處理，保留并加強了原始信號中的特征信息，避免了人工過多干預所帶來的不確定性，提升了永磁同步電機驅動系統(tǒng)開路故障診斷的精確度。

技術研發(fā)人員：周湛清,王一璇,楊匯濱
受保護的技術使用者：天津工業(yè)大學
技術研發(fā)日：
技術公布日：2024/10/21