PAGE14 電工技術(shù)學(xué)報(bào) 2005年3月第20卷第3期 石健將等一種輸入端自然均流/高電壓增益組合式變換器研究 PAGE15基于譜估計(jì)的三相逆變器故障診斷摘要逆變器中的開關(guān)元件故障是造成變頻調(diào)速系統(tǒng)可靠性低的主要原因，研究了基于譜估計(jì)和神經(jīng)網(wǎng)絡(luò)的逆變器故障檢測與診斷方法。通過理想無故障逆變器與實(shí)際逆變器輸出電壓信號的比較，得到了譜殘差估計(jì)方程，利用復(fù)參數(shù)最小二乘估計(jì)方法獲得了逆變器電壓信號的實(shí)時譜殘差估計(jì)，提出了簡單的故障決策機(jī)制，實(shí)現(xiàn)了逆變器實(shí)時故障檢測。對譜殘差進(jìn)行適當(dāng)處理得到了相對譜殘差，結(jié)合多層感知器神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了逆變器的故障分離。仿真結(jié)果驗(yàn)證了本文方法的有效性。關(guān)鍵詞：逆變器譜殘差最小二乘估計(jì)故障檢測與診斷神經(jīng)網(wǎng)絡(luò)2005年1月 電工技術(shù)學(xué)報(bào) Vol.20No.1第20卷第1期 TRANSACTIONSOFCHINAELECTROTECHNICALSOCIETY Jan.20051引言目前，逆變器供電的電動機(jī)變頻驅(qū)動系統(tǒng)在工業(yè)生產(chǎn)中得到廣泛應(yīng)用。這些電動機(jī)變頻驅(qū)動系統(tǒng)對逆變器故障非常敏感，常常會因逆變器故障引起不必要的停車[1]。因此，近年來有關(guān)逆變器故障檢測與診斷問題已經(jīng)引起國內(nèi)外眾多研究者極大關(guān)注。盡早發(fā)現(xiàn)調(diào)速系統(tǒng)中存在的故障，正確的故障診斷策略以及準(zhǔn)確的故障分離技術(shù)都成為提高變頻驅(qū)動系統(tǒng)可靠性、避免系統(tǒng)崩潰的重要手段[2]。在線實(shí)時狀態(tài)監(jiān)控及故障實(shí)時診斷可有效防止逆變器故障對電動機(jī)的損壞，最終實(shí)現(xiàn)逆變器容錯驅(qū)動[3-4]。逆變器故障檢測與診斷技術(shù)最早可追溯到Wallace[5]和Spee[6]的仿真分析診斷法，該方法通過逆變器故障后的系統(tǒng)仿真，利用獲取的故障電流、轉(zhuǎn)矩波形與正常波形的對比實(shí)現(xiàn)逆變器故障診斷。Peuget[7]等人則利用逆變器元件故障后的電流軌跡分析提出了一種基于知識的故障診斷方法，該方法雖然可以實(shí)現(xiàn)故障檢測與診斷，但當(dāng)外界干擾較強(qiáng)時，干擾會嚴(yán)重影響電流軌跡，不利于故障分離。本文通過對逆變器輸出電壓信號地變換獲取了電壓瞬時值正序?qū)ΨQ分量表達(dá)式，利用復(fù)數(shù)最小二乘估計(jì)方法可以實(shí)時提取逆變器驅(qū)動系統(tǒng)的譜特征。提出了譜殘差的概念，利用基本譜殘差實(shí)現(xiàn)了逆變器的故障檢測，結(jié)合神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)了逆變器的故障元件定位。仿真結(jié)果驗(yàn)證了本文方法的有效性。2逆變器的故障及其特征逆變器供電的電動機(jī)驅(qū)動系統(tǒng)包含逆變器、控制器、傳感器及電動機(jī)等部分。電動機(jī)驅(qū)動系統(tǒng)任何一部分發(fā)生故障都有可能影響系統(tǒng)正常運(yùn)行。電動機(jī)部分的故障很多研究者已對其進(jìn)行了深入研究，并已經(jīng)形成了很有成效的診斷方法。圖1為逆變器供電的電動機(jī)驅(qū)動系統(tǒng)示意圖。本文主要針對逆變器存在的功率開關(guān)元件斷路故障、功率開關(guān)元件短路故障為研究重點(diǎn)，并假定任一時刻僅有一種故障發(fā)生。逆變器有六個半導(dǎo)體開關(guān)元件，本文假定的故障模式有12種，即開關(guān)元件1、2、3、4、5、6出現(xiàn)短路故障及其斷路故障。為方便研究，定義無故障狀態(tài)為0號故障，表示為F0，第1、2、3、4、5、6種故障分別表示開關(guān)元件1、2、3、4、5、6短路故障，表示為F1，F(xiàn)2，…，F(xiàn)6，第7、8、9、10、11、12種故障分別表示開關(guān)元件1、2、3、4、5、6斷路故障，表示為F7，F(xiàn)8，…，F(xiàn)12。圖1逆變器驅(qū)動的電動機(jī)系統(tǒng)Fig.1Schematicdiagramoftheinverter-fed

Motordrivesystems故障特征是用于表征逆變器供電的電動機(jī)調(diào)速系統(tǒng)中那些對逆變器故障狀態(tài)最為敏感的某些特征量，只有獲得了這些故障特征量才能實(shí)現(xiàn)逆變器的故障診斷。由于逆變器的輸出電壓信號直接反映著逆變器的工作狀態(tài)，因此通過對逆變器輸出電壓信號的分析就能有效檢測電動機(jī)驅(qū)動系統(tǒng)的運(yùn)行狀態(tài)。對稱分量方法是Fortescue為分析多相感應(yīng)電動機(jī)不對稱運(yùn)行狀態(tài)下的穩(wěn)態(tài)性能而在1918年創(chuàng)立的，即一組不對稱的相量可用一組對稱的正序、負(fù)序和零序相量來表示[8-9]。這為分析電動機(jī)不對稱狀態(tài)下的穩(wěn)態(tài)性能帶來極大的方便。理想狀態(tài)下，逆變器各相輸出波形是一致的，電動機(jī)在電壓對稱狀態(tài)下工作，這時電動機(jī)有良好的運(yùn)行性能。但是，當(dāng)逆變器發(fā)生故障時，各相輸出波形不再一致，即逆變器輸出三相電壓是不對稱的。因此，利用對稱分量方法可方便分析因逆變器故障而造成的不對稱三相電壓系統(tǒng)。如果設(shè)逆變器輸出的各相電壓分別為va(t)、vb(t)、vc(t)。則系統(tǒng)的正序瞬時值對稱分量可表示為（1）式中，=exp[j2/3]。將式（1）進(jìn)行變換，并進(jìn)行離散化，可得電動機(jī)變頻調(diào)速系統(tǒng)的輸出電壓信號[10]（2）為了便于研究，將上式進(jìn)行變換，可得（3）式中Vpk——正序?qū)ΨQ分量；Vnk——負(fù)序?qū)ΨQ分量；——角頻率；kM——最大諧波次數(shù)；t——采樣時間間隔。由于負(fù)序?qū)ΨQ分量與正序?qū)ΨQ分量互為共扼，因此只需估計(jì)正序?qū)ΨQ分量。如果要估計(jì)前N次正序?qū)ΨQ分量（一般取N=10，也可根據(jù)需要確定諧波次數(shù)），即估計(jì)Vpk(k=1,2,…,N)，這時，調(diào)速系統(tǒng)信號模型可表示為（4）式中(m)可看作系統(tǒng)噪聲處理，且可表示為（5）式（3）表示為矩陣形式，有（6）上式為一個標(biāo)準(zhǔn)的最小二乘估計(jì)方程，由于各次正序?qū)ΨQ分量為復(fù)數(shù)，因此需要利用復(fù)最小二乘估計(jì)方法對其進(jìn)行估計(jì)，具體實(shí)現(xiàn)可參見文獻(xiàn)[11]。3故障特征的獲取當(dāng)逆變器某開關(guān)元件發(fā)生故障時，其輸出信號的頻譜肯定會發(fā)生相應(yīng)的變化。這也就是說，不同故障下逆變器輸出信號的各次頻譜不同于正常系統(tǒng)的頻譜。因此，本文選取故障后逆變器與無故障逆變器的輸出信號的各次譜之差（即譜殘差）作為故障特征。為了方便地獲取譜殘差，定義理想無故障系統(tǒng)、實(shí)際系統(tǒng)的輸出信號分別為（7a）（7b）為了便于研究，將上式進(jìn)行變換，可得（8a）（8b）式中Vpk、——理想無故障系統(tǒng)、實(shí)際系統(tǒng)的正序?qū)ΨQ分量；Vnk、——理想無故障系統(tǒng)、實(shí)際系統(tǒng)的負(fù)序?qū)ΨQ分量；——角頻率；kM——最大諧波次數(shù)；t——采樣時間間隔。由于負(fù)序?qū)ΨQ分量與正序?qū)ΨQ分量互為共扼，因此只需估計(jì)正序?qū)ΨQ分量。如果要估計(jì)前N次正序?qū)ΨQ分量，即估計(jì)Vpk(k=1,2,…,N)，這時，式（8）可表示為（9a）（9b）式中(m)可看作系統(tǒng)噪聲處理，且可表示為（10a）（10b）定義實(shí)際系統(tǒng)與理想無故障系統(tǒng)輸出信號之差為（11）由式（7）、式（8），式（11）可得（12）式中rp(1)——基本譜殘差，；rp(i)——第i次譜殘差，；。式（12）表示為矩陣形式，有（13）上式為一個標(biāo)準(zhǔn)的最小二乘估計(jì)問題，因此可以利用本文提出的復(fù)最小二乘估計(jì)方法實(shí)現(xiàn)系統(tǒng)各次譜殘差的估計(jì)。同時，為了考慮系統(tǒng)噪聲對參數(shù)估計(jì)的影響，采用加權(quán)遺忘因子法進(jìn)行估計(jì)，加權(quán)矩陣取W(k)的協(xié)方差矩陣Rk的先驗(yàn)信息。當(dāng)Rk未知時，實(shí)際協(xié)方差的對角線項(xiàng)可用下式進(jìn)行估計(jì)(i=1,2,…,n)式中，xi表示第i次譜殘差rp(i)，這樣可獲得故障特征（14）4逆變器故障檢測的實(shí)現(xiàn)基本正序?qū)ΨQ分量和頻率是決定電動機(jī)變頻調(diào)速系統(tǒng)性能的兩個重要參數(shù)。在變頻調(diào)速系統(tǒng)中，逆變器的工作頻率是早已確定好的，這樣，利用逆變器輸出電壓的基本正序?qū)ΨQ分量就足以描述調(diào)速系統(tǒng)的運(yùn)行狀態(tài)。因此，當(dāng)逆變器開關(guān)元件發(fā)生故障時，通過觀測基本譜殘差的幅值變化可實(shí)現(xiàn)逆變器故障的實(shí)時檢測。由于基本譜殘差為復(fù)數(shù)，為便于實(shí)現(xiàn)，定義決策函數(shù)如下（15）系統(tǒng)有無故障由下式確定＜（16）＜式中閾值TD可通過仿真及試驗(yàn)確定，例如在故障仿真或故障實(shí)驗(yàn)中，設(shè)置各種故障模式，利用仿真結(jié)果或?qū)嶒?yàn)數(shù)據(jù)可直接獲取各種故障狀態(tài)下的決策函數(shù)值，據(jù)此可確定閾值TD。本文以三相逆變器供電的電動機(jī)驅(qū)動系統(tǒng)為例，采用規(guī)則采樣法形成三相PWM波形，具體參數(shù)為：角頻率=2×42.5rad/s，載波比R=18，調(diào)制系數(shù)M=0.85，輸入直流電壓U=632V。為了濾除信號采集過程中的高次諧波影響，采用低通濾波器對采集信號進(jìn)行濾波處理，限定最高諧波次數(shù)kM=60，取采樣頻率fs=5440Hz。圖2、圖3分別表示開關(guān)元件1在時間t=0.115s時分別發(fā)生常閉合、常斷開故障時的決策函數(shù)估計(jì)圖。當(dāng)故障發(fā)生時，決策函數(shù)值明顯發(fā)生跳躍現(xiàn)象。其他開關(guān)元件故障與此類似，不再一一贅述。因此，利用決策函數(shù)可以對逆變器進(jìn)行故障診斷。圖2元件1常閉合故障的決策函數(shù)Fig.2Decisionfunctionofthe

switch-onfaultwithswitch1圖3元件1常斷開故障的決策函數(shù)Fig.3Decisionfunctionofthe

switch-offfaultwithswitch15基于神經(jīng)網(wǎng)絡(luò)的故障分離故障檢測只解決了逆變器有無故障的問題，為了使電機(jī)驅(qū)動系統(tǒng)在逆變器故障狀態(tài)下仍可以正常工作，進(jìn)一步實(shí)現(xiàn)逆變器容錯驅(qū)動，還需要進(jìn)行故障分離工作。故障分離就是利用提取的故障特征確定對應(yīng)的故障位置及其性質(zhì)，即明確發(fā)生故障的開關(guān)元件及其故障狀態(tài)。由于逆變器工作原理的復(fù)雜性，加上相對譜殘差與逆變器各工作狀態(tài)間的關(guān)系難以確立，這就造成了逆變器故障分離定位或診斷的復(fù)雜性。傳統(tǒng)的模式識別技術(shù)根據(jù)故障特征對故障狀態(tài)進(jìn)行歸并分類，這種歸并分類需要建立某種映射變換。故障狀態(tài)較少時的這種映射變換還好建立，但當(dāng)故障狀態(tài)較多時這種映射關(guān)系就會非常復(fù)雜，甚至難以建立。考慮到神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)能力，且具有逼近任意復(fù)雜的非線性函數(shù)（或映射）的能力，因此神經(jīng)網(wǎng)絡(luò)很適合于電動機(jī)變頻調(diào)速系統(tǒng)的故障分類器[12-14]。根據(jù)故障類型及樣本數(shù)目，本文選取的多層感知器神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)為：輸入層神經(jīng)元數(shù)取為10，輸出層神經(jīng)元數(shù)為13。將某個故障樣本的10個故障特征值輸入到圖4所示的3層神經(jīng)網(wǎng)絡(luò)的輸入層對應(yīng)結(jié)點(diǎn)中，網(wǎng)絡(luò)輸出層的13個輸出結(jié)點(diǎn)便會有相應(yīng)的輸出。采用經(jīng)典的BP學(xué)習(xí)方法[14]對神經(jīng)圖43層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.4Architectureofatypicalthreelayerperceptron網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)。由于譜殘差為復(fù)數(shù)值，為此須對譜殘差進(jìn)行正規(guī)化處理。為了研究方便，定義相對譜殘差rrpi=1,2,…,N（17）式中，rp(i)∈CN×1表示系統(tǒng)第i次譜殘差，利用參數(shù)估計(jì)方法獲得。取瞬時正序?qū)ΨQ分量的1、2、3、4、5、6、7、8、9、10次10項(xiàng)正序?qū)ΨQ分量。表1為調(diào)速系統(tǒng)不同故障狀態(tài)下的相對譜殘差結(jié)果（故障特征值）。應(yīng)用圖4所示的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以表1中的相對譜殘差作為網(wǎng)絡(luò)輸入，以表2的神經(jīng)網(wǎng)路理想輸出作為網(wǎng)絡(luò)的學(xué)習(xí)樣本，網(wǎng)絡(luò)的實(shí)際輸出結(jié)果見表3。表1相對譜殘差結(jié)果Tab.1Resultsofrelativespectralresidual故障類型相對譜殘差12345678910F10.138000.878390.289990.986000.290630.836970.382850.720160.657550.10215F20.115220.988930.668410.999920.993690.878330.349020.830880.900070.46909F30.139150.991910.682640.180400.254720.095010.806010.341770.998850.11099F40.141040.967260.722770.965780.777940.789340.996750.697470.012780.06309F50.099690.985910.822590.914830.994900.930290.278330.966440.941770.39791F60.128470.856120.277570.327240.341920.181310.998070.422340.756000.10411F70.129140.607320.411750.839040.291860.688580.903390.677550.990890.13887F80.269180.627930.620900.637700.978490.265370.841810.118690.998650.19543F90.157040.976730.269930.852470.858250.328610.612290.809730.073150.22998F100.163660.971130.494670.369770.250740.523450.997330.244850.968940.05951F110.291450.998970.660890.787440.644920.917980.547560.048870.7655670.12958F120.098380.272190.640440.187270.137000.982750.987950.391530.352260.32523表2神經(jīng)網(wǎng)絡(luò)的理想輸出Tab.2Theidealoutputsofthenetwork故障網(wǎng)絡(luò)的理想輸出12345678910111213F01000000000000F10100000000000F20010000000000F30001000000000F40000100000000F50000010000000F60000001000000F70000000100000F80000000010000F90000000001000F100000000000100F110000000000010F120000000000001表3網(wǎng)絡(luò)實(shí)際輸出Tab.3Theactualoutputsofthenetwork故障網(wǎng)絡(luò)輸出12345678910111213F01.00090.00120.002910.00450.00060.00410.00330.00110.00050.00110.00000.00150.0004F10.00230.99690.00430.00820.00030.00820.00530.00200.00110.00260.00010.00320.0013F20.00000.00181.00810.012380.00010.01370.00520.00380.00050.00240.00030.00210.0008F30.00190.00160.00701.01000.00090.01100.00690.00180.00150.00300.00000.00280.0012F40.00160.00250.00550.01211.00160.01250.00620.00100.00090.00370.00050.00410.0031F50.00010.00140.00950.01200.00080.98520.00490.00400.00000.002380.00020.00270.0005F60.00180.00240.00550.00950.00040.00890.99370.00180.00100.00220.00030.00260.0006F70.00300.00410.00620.01290.00010.01180.00911.00260.00160.00400.00010.00480.0027F80.00200.00210.00240.00820.00200.00460.00560.00260.99880.00190.00020.00270.0008F90.00010.00080.00570.00950.00060.01040.00400.00210.00061.00190.00020.00210.0012F100.00210.00170.00280.00600.00380.00200.00570.00430.00010.00120.99950.00250.0000F110.00050.00190.00740.01280.00060.01280.00520.00220.00130.00230.00070.99740.0006F120.00240.00290.00550.01160.00110.00880.00820.00250.00140.00270.00010.00391.0017PAGE2 電工技術(shù)學(xué)報(bào) 2009年11月2005年1月 電工技術(shù)學(xué)報(bào) Vol.20No.1第20卷第1期 TRANSACTIONSOFCHINAELECTROTECHNICALSOCIETY Jan.2005由表3可以看出，針對所研究的13種故障類型，對應(yīng)每種故障的13個網(wǎng)絡(luò)輸出中總有一個接近1的最大輸出值。當(dāng)發(fā)生具體故障時，系統(tǒng)主要根據(jù)網(wǎng)絡(luò)的輸出進(jìn)行判斷。例如當(dāng)發(fā)生開關(guān)元件短路故障（故障1）時，如果將故障1的10個故障特征值輸入網(wǎng)絡(luò)，則從網(wǎng)絡(luò)13個結(jié)點(diǎn)輸出的13個值看，只有一個值接近于1，而其他結(jié)點(diǎn)輸出結(jié)果近似為0，所以神經(jīng)網(wǎng)絡(luò)故障診斷的結(jié)果為“故障1”，即發(fā)生了開關(guān)元件1短路故障。另外，從表3所示的網(wǎng)絡(luò)實(shí)際輸出結(jié)果看，每一種故障類型Fi(i=1,2,…,13)的下標(biāo)i與網(wǎng)絡(luò)結(jié)點(diǎn)最大輸出值的位置j(j=1,2,…,13)滿足這樣的的對應(yīng)關(guān)系，即i=j1。因此，選取故障分離的準(zhǔn)則為（18）6結(jié)論通過對逆變器輸出電壓信號地處理獲得一個標(biāo)準(zhǔn)的最小二乘估計(jì)方程，利用復(fù)參數(shù)最小二乘估計(jì)方法可實(shí)時得到信號系統(tǒng)的各次譜及其譜殘差。提出了一個簡單的故障決策函數(shù)，實(shí)現(xiàn)了逆變器驅(qū)動系統(tǒng)的故障檢測。提出了相對譜殘差概念，各次相對譜殘差可作為神經(jīng)網(wǎng)絡(luò)的輸入，利用網(wǎng)絡(luò)的輸出實(shí)現(xiàn)了故障分離，確定了故障開關(guān)元件及其故障性質(zhì)。利用譜估計(jì)的實(shí)時性和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力是實(shí)現(xiàn)逆變器驅(qū)動系統(tǒng)故障診斷的一條切實(shí)可行的途徑。參考文獻(xiàn)[1] deAraujoRibeiroRL,JacobinaCB,daSilvaERC,etal.Faultdetectionofopen-switchdamageinvoltage-fedPWMmotordrivesystems[J].IEEETransactionsonPowerElectronics2003,18(2):587-593.[2] AwadallahMA,MorcosMM,GopalakrishnanS,etal.DetectionofstatorshortcircuitsinVSI-fedbrushlessDCmotorsusingwavelettransform[J].IEEETransactionsonEnergyConversion,2006,21(1):1-8.[3] 趙爭鳴，閔勇．電機(jī)-控制集成系統(tǒng)的高故障容限研究[J]．中國電機(jī)工程學(xué)報(bào)，1999，19(3)：22-25．ZhaoZhengming，MinYong．Highfaulttoleranceforacmotorsintegratedwithcontrolsystem[J].ProceedingsoftheCSEE,1999,19(3):22-25.[4] 肖嵐，李睿.逆變器并聯(lián)系統(tǒng)功率管開路故障診斷研究[J].中國電機(jī)工程學(xué)報(bào)，2006，26(4):99-104.XiaoLan,LiRui.Researchontheopen-circuitfaultdiagnosisoftransistorininverterparallelingsystem[J].ProceedingsoftheCSEE,2006,26(4):99-104.[5] WallaceAK,SpeeR.ThesimulationofbrushlessDCdrivefailures[C].PESCRecord-IEEEPowerElectronicsSpecialistsConference,1988:199-206.[6] SpeeR,WallaceAK.RemedialstrategiesforbrushlessDCdrivefailures[J].IEEETransactionsonindustryApplications,1990,26(2):259-266.[7] PeugetR,CourtineS，RognonJP.FaultdetectionandisolationonaPWMinverterbyknowledge-basedmodel[J].IEEETransactionsonIndustryApplications,1998,34(6):1318-1326.[8] 彭力，白丹，康勇，等.三相逆變器不平衡抑制研究[J].中國電機(jī)工程學(xué)報(bào)，2004，24(5)：174-178.PengLi,BaiDan,KangYong,etal.Researchonthree-phaseinverterwithunbalancedload[J].ProceedingsoftheCSEE,2004,24(5):174-178.[9] 張宇，段善旭，康勇，等.基于瞬時對稱分量的三相逆變器特性分析[J]．中國電機(jī)工程學(xué)報(bào)，2005，25(17)：16-20.ZhangYu,DuanShanxu,KangYong,etal.Theanalysisofthree-phaseinverterbasedoninstant-