基于数字孪生的永磁同步电机故障诊断研究
致力于数字孪生体技术的研究与发展
通过解决方案和工程化应用造福人类
来源：滚动轴承故
障诊断与寿命预测
摘要
永磁同步电机长期运行后,会发生各种故障,例如退磁故障、匝间短路故障、轴承故障等,及时对电机故障进行诊断是一项重要工作。提出了一种基于数字孪生的永磁同步电机故障诊断方法,介绍了数字孪生技术的基本架构,根据永磁同步电机的物理实体参数,构建永磁同步电机数字孪生模型,并将其与故障诊断技术相结合,实现对永磁同步电机的匝间短路和退磁故障智能化诊断。
电机在电力系统和动力系统中发挥着重要作用,永磁同步电机因其转矩密度高、可调速度范围宽等优势,应用于众多行业,例如电动汽车、飞机、风力发电等。永磁同步电机运行的可靠性和稳定性对于整个系统的安全运行具有重要意义,如果电机出现故障,就可能会导致系统停机,带来经济损失,严重情况下甚至危及工作人员的生命安全,因此,对永磁同步电机进行故障诊断与分析是十分重要的。永磁同步电机的故障类型主要包括机械故障 、永磁体故障和电气故障。匝间短路故障和退磁故障是常见的永磁同步电机故障类型 ,会影响系统运行的稳定性,严重时会损坏电机。现阶段,匝间短路故障的诊断主要依靠电流特性分析,该方法通过检测电流谐波,对谐波进行 FFT 频域分析和故障诊断 ,但是匝间短路引起的电流谐波分量和正常运行状态下产生的谐波分量会出现重叠部分,而且受环境因素的影响较大,因此该方法的准确性不高。退磁故障主要依靠信号变换方法,例如傅里叶变换 、小波变换 等,该方法对硬件的要求较高,并且多种故障类型会产生相同的故障频率分量,检测精度不高。鉴于上述问题,本文介绍一种基于数字孪生的永磁同步电机故障诊断方法。
首先,通过建立几何模型、分析模型和孪生模型,构建永磁同步电机的数字孪生模型,然后,在此模型基础上,与基于深度学习的故障诊断技术相结合,提出闭环的数字孪生故障诊断系统,形成智能化的永磁同步电机故障诊断方法。
根据数字孪生技术所要实现的功能,本文设计了如图 1 所示的数字孪生架构。第一层为物理实体,包括运行中的永磁同步电机设备、数据感知设备等实体。第二层为交互层,包括测量感知、数据传输、数据处理三部分。测量感知是通过相关技术实时感知电机的运行参数和环境信息;数据传输需要选择合适的设备进行通讯协议、数据的传输方式等;数据处理主要对采集的数据进行格式统一、加工、清洗等处理。第三层为数字孪生模型层,包括建模与仿真两个部分:建模主要是对永磁同步电机物理实体进行虚拟映射,可以通过 CAD、3D扫描仪等方法创建模型;仿真是使用模型进行零部件之间的装配约束、运动仿真。第四层为用户层,工作人员可以通过人机结构、应用软件实现故障诊断功能。
永磁同步电机数字孪生模型构建
永磁同步电机虚拟模型主要包括几何模型、分析模型和孪生模型,由永磁同步电机实体构建永磁同步电机的几何模型,在几何模型基础上进行数据的仿真分析,最后构建出永磁同步电机的孪生模型,具体如图 2 所示。
永磁同步电机孪生模型构建
孪生模型是将电机的实时运行状态映射到虚拟空间中。该模型以构建的几何模型为基础,通过模型对数据进行模拟分析,获取永磁同步电机的实际运行状态,对数字孪生模型进行修正和更新。孪生模型构建的关键是永磁同步电机孪生数据的获取和物理实体、孪生数据、虚拟模型之间的连接。
孪生数据是构建孪生模型的根源,其将多种类、多维度的数据融合起来,将物理实体的运行状态全面的映射出来。永磁同步电机的孪生数据主要包括永磁同步电机的参数、外界环境参数、知识数据和数据采集装置的参数。
物理实体、孪生数据、虚拟模型之间的连接主要包括永磁同步电机实体和虚拟孪生模型之间的连接、永磁同步电机实体和孪生数据之间的连接、虚拟孪生模型和孪生数据之间的连接。永磁同步电机孪生模型调用故障诊断算法进行故障诊断,将诊断的结果保存到孪生数据库中。永磁同步电机实体再从孪生数据中读取故障信息,对故障信息进行计算分析,使永磁同步电机实体作出相应的调整,并处理故障,形成闭环的故障诊断模型。
基于数字孪生的永磁
同步电机故障诊断方法
目前,故障诊断向着智能化的方向发展,本文基于深度学习故障诊断方法对电机进行故障诊断,并采用模型仿真的结果进行验证,构建闭环的数字孪生故障诊断系统,系统结构图如图 4 所示。
为了保证深度学习诊断模型的可靠性以及物理实体与孪生模型之间的实时交互性,本文采用模型仿真来验证故障诊断结果,如果两者结果一致,则调整优化故障诊断模型;如果两者结果不一致,则进行新型故障分析,实现在故障未知的情况下的模型自动学习功能。修正的孪生模型可以驱动数字孪生模型更新,实现永磁同步电机的智能化诊断。其诊断流程如图 5 所示。
实验分析
结 论
本文在数字孪生技术研究的基础上,探讨了永磁同步电机智能化故障诊断的思路,提出了一种基于数字孪生的永磁同步电机故障诊断方法。基于数字孪生的框架,通过建立几何模型、分析模型和孪生模型,完成永磁同步电机数字孪生模型的构建,在此模型基础上形成一种闭环的数字孪生故障诊断方法。实验结果表明,基于数字孪生的永磁同步电机故障诊断方法相比于其他方法具有较高的准确性, 证明了本文方法的有效性。
【参考文献】龙玉江, 王杰峰, 钱俊凤, 等. 基于数字孪生的永磁同步电机故障诊断技术研究[J]. 微特电机, 2024, 52(2): 74.
