一种基于模型预测控制的异步电机匝间故障在线诊断方法

本发明涉及异步电机状态监测与故障诊断领域，尤其涉及一种基于模型预测控制的异步电机匝间故障在线诊断方法。

背景技术：

1、在异步电动机驱动系统中，定子相关故障约占37％。目前普遍认为大多数定子绕组故障是从初期匝间故障(inter-turn fault,itf)开始的，绝缘故障引起的itf在开始时对电机性能影响不大，但短路部分会产生较大的故障电流，故障段温度升高，从而加速绝缘劣化，如果不采取预防措施，故障会迅速蔓延，最终发展为更严重的相间或接地故障。

2、在已经提出的itf的检测技术中，电机电流信号分析(motor current signalanalysis,mcsa)是应用最广泛的技术之一。然而，在闭环驱动系统中，当使用mcsa时，检测精度会降低，特别是在早期故障的情况下。为了解决这一问题，当前主要有电压矢量分布统计以及基于残差两类方法。前者需要较长的统计周期才能具有代表性，实时性较差。后者利用观测器来估计不同类型的残差，然而观测器会消耗额外的计算资源，并且观测器的调参有时很复杂。此外，由于上述研究在故障电机建模和诊断过程中没有考虑故障位置，因此诊断后确定故障位置需要复杂的计算，不利于诊断方法的在线实现。

3、近年来，模型预测控制(model predictive control,mpc)因其动态响应快、算法直观、结构灵活，易于包含系统约束等特点而受到业界的广泛关注。然而，以往的itf检测方法大多基于传统的控制方法，mpc策略与传统的控制方法明显不同。

技术实现思路

1、为了解决现有itf检测技术检测精度低、计算及调参复杂、实时性与鲁棒性差的问题，本发明提出一种基于模型预测控制的异步电机匝间故障在线诊断方法，可在mpc控制范式下实现匝间短路故障的在线诊断与定位，解决上述问题。

2、本申请公开了一种基于模型预测控制的异步电机匝间故障在线诊断方法，包括以下步骤：

3、s1、建立感应电机模型预测控制器；

4、s2、建立感应电机匝间故障条件下αβ轴电压方程；

5、s3、根据αβ轴电压方程获取αβ轴的电流残差信号；

6、s4、利用αβ轴的电流残差信号构建匝间短路诊断指标与定位指标；

7、s5、使用匝间短路诊断指标与定位指标对匝间短路故障进行诊断与定位。

8、优选的，所述s1包括以下步骤：

9、采用欧拉离散化方法，得到感应电机的离散状态空间模型为：

10、

11、其中，上标k和k+1表示采样时刻，ψsα和ψsβ为αβ轴定子磁链，usα和usβ为αβ轴定子电压，isα和isβ为αβ轴定子电流，rs为定子电阻，ts为采样周期，tr为转子电磁时间常数，lr为转子电感和rr为转子电阻，ω为定子电角速度，σ为电机互感系数且ls为定子电感，lm为定子互感；

12、根据控制变量的不同，感应电机的模型预测控制器分为模型预测电流控制器和模型预测转矩控制器，这种差异体现在成本函数的构建上，模型预测转矩控制器成本函数gmptc和模型预测电流控制器成本函数gmpcc可以分别写成：

13、

14、其中，t为转矩值，ψ为磁链值，*表示变量的参考值，^表示变量的预测值，kψ为磁通量加权因子。

15、优选的，所述s2中的αβ轴电压方程为：

16、

17、其中，usα_f和usβ_f为匝间短路情况下αβ轴电压，isα_f和isβ_f为匝间短路情况下αβ轴定子电流，irα_f和irβ_f为匝间短路情况下αβ轴转子电流，θf为故障相与电机相a之间的电角度，μ为短路系数，iint_f为短路电流。

18、优选的，所述s3中αβ轴的电流残差信号计算公式如下：

19、

20、在模型预测控制模式下，在k-1时刻选择下一时刻的最优电压矢量vopt，根据选择的最优电压矢量vopt在αβ坐标系下，计算k时刻的预测电流值，将k时刻的预测电流值与实际测量值做差，得到上述αβ轴的电流残差信号。

21、优选的，所述s4包括以下步骤：

22、s41、将αβ轴电流残差信号分别自乘得到其平方值，然后进行低通滤波，将得到的直流分量fiα和fiβ作为第一组故障指标；

23、s42、将αβ轴电流残差信号进行坐标变换，使其顺时针旋转120°，使旋转后的α轴与电机c相轴线重合，将坐标变换后的电流残差值分别自乘得到其平方值，然后进行低通滤波，将得到的直流分量fiα_c和fiβ_c作为第二组故障指标；

24、s43、分别计算s41和s42得到的两组故障指标中αβ轴分量之差，得到故障检测指标fidet和fidet_c；

25、s44、分别计算s41和s42得到的两组故障指标中αβ轴分量之比，得到故障定位指标filoc和filoc_c。

26、优选的，所述s5包括以下步骤：

27、s51、测量健康状态时的故障检测指标fidet，以其1.5倍的值作为故障检测阈值，当故障检测指标fidet和fidet_c任一超过故障检测阈值，即可判定出现匝间短路故障；

28、s52、当检测到匝间短路故障后，进行故障定位：

29、若idet>fidet_c，则故障发生在b相；

30、若idet≤fidet_c，且filoc_c>1，则故障发生在c相；

31、若idet≤fidet_c，且filoc_c≤1，则故障发生在a相。

32、本发明的有益效果：

33、(1)本发明只利用模型预测控制的模式，不依赖于特定的结构，不同于以往只适用于特定控制方式下的诊断方法，本发明所提出的方法可适用于模型预测电流控制和模型预测转矩控制以及它们的变体。

34、(2)本发明通过对感应电机匝间短路故障的分析，在αβ轴下建立了考虑故障定位的改进匝间短路故障模型，明确了αβ轴下故障位置对itf诊断结果的影响，不同于以往将故障诊断与定位分离的方法，本发明可使得故障诊断与定位得以同时实现，不仅增加了诊断的精准度，还有利于后续的故障切除和容错控制。

35、(3)在模型预测控制模式下，本发明所提出的两组故障诊断与定位指标只需通过预测电流和测量电流直接计算出来，无需复杂的数学计算或参数调整，也不需要额外的硬件或状态观测器。

36、(4)本发明所提出方法不同于常规的基于电流残差的方法，而是利用电流残差的差和比值定义故障诊断与定位指标，具有提高鲁棒性和降低参数灵敏度的特点，不受转速或负载变化的影响，即使出现参数失配，依然可正常工作。

技术特征：

1.一种基于模型预测控制的异步电机匝间故障在线诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于模型预测控制的异步电机匝间故障在线诊断方法，其特征在于，所述s1包括以下步骤：

3.根据权利要求2所述的基于模型预测控制的异步电机匝间故障在线诊断方法，其特征在于，所述s2中的αβ轴电压方程为：

4.根据权利要求3所述的基于模型预测控制的异步电机匝间故障在线诊断方法，其特征在于，所述s3中αβ轴的电流残差信号计算公式如下：

5.根据权利要求4所述的基于模型预测控制的异步电机匝间故障在线诊断方法，其特征在于，所述s4包括以下步骤：

6.根据权利要求5所述的基于模型预测控制的异步电机匝间故障在线诊断方法，其特征在于，所述s5包括以下步骤：

技术总结本发明公开了一种基于模型预测控制的异步电机匝间故障在线诊断方法，包括以下步骤：S1、建立感应电机模型预测控制器；S2、建立感应电机匝间故障条件下αβ轴电压方程；S3、获取αβ轴的电流残差信号；S4、构建匝间短路诊断指标与定位指标；S5、对匝间短路故障进行诊断与定位。本发明所提出的方法可适用于模型预测电流控制和模型预测转矩控制以及它们的变体，可使得故障诊断与定位得以同时实现，无需复杂的数学计算或参数调整，也不需要额外的硬件或状态观测器，具有提高鲁棒性和降低参数灵敏度的特点。技术研发人员：宋文胜,贾震,麻宸伟,曹虎,葛兴来,苟斌,王青元,冯晓云受保护的技术使用者：西南交通大学技术研发日：技术公布日：2024/6/18