一种检测三相异步电动机故障的方法
【技术领域】
[0001] 本发明属于检测技术领域，涉及一种检测三相异步电动机故障的方法。
【背景技术】
[0002] 三相异步电动机（以下称电机）广泛应用于国民生产中的各个方面，生产过程中 需要对电机运行状态等进行实时在线检测监控。当检测到电机运行状态异常时需及时判断 电机异常原因和故障严重程度，防止事故发生。目前国内外有关电机运行状态检测监控的 方法比较成熟，但大多集中在转子断条、偏心、定子短路等单一状态方面，难以满足电机整 体故障诊断的需求。因此，寻求整体、合理的故障检测诊断方法，使其能够有效、清晰的进行 故障评价和诊断意义重大。
[0003] Petri网方法是一种具有良好的并行计算和矩阵运算能力的可用图形化表示的方 法，目前基于Petri网进行故障检测的方法主要有：基于Petri网解决知识表示问题，但故 障诊断存在不确定性，使得故障信息的表达不充分；将模糊理论与Petri网相结合，提出模 糊Petri网（FuzzyPetriNet，FPN)建模方法，并指出FPN中库所的值表示命题的置信度， 其值在0到1之间，可以解决确定性问题，但没有给出FPN的动态推理方法；根据模糊产生 式规则，提出置信度矩阵推理算法，但故障传播的固有特性没有得到体现；提出故障Petri 网的激发矩阵方法，解决故障建模中描述故障状态变化过程的问题；提出模糊故障Petri 网（FuzzyFaultPetriNet，FFPN)的概念，但没有具体的矩阵推理算法。上述各算法从不 同层面建立了模型、进行了推理等，但均存在不足，同时均没有涉及对三相异步电机的故障 进行检测。
【发明内容】
[0004] 为了克服现有技术中存在的缺陷，本发明提出了一种检测三相异步电动机故障的 方法，提高电机故障检测的有效性、准确性。
[0005] 其技术方案如下：
[0006] -种检测三相异步电动机故障的方法，包括以下步骤：
[0007] 步骤1、根据电机出现的故障事件，找出故障发生的直接或间接原因，建立故障事 件的逻辑关系；
[0008] 步骤2、根据Petri网的可达性结合1中的逻辑关系，构建电机的模糊故障Petri 网的故障检测模型；
[0009] 步骤3、综合模糊规则、专家知识、及历史数据，利用模糊统计法等方法，确定初始 库所置信度、权值、变迀可信度和阈值；
[0010] 步骤4、利用矩阵推理对电机进行故障检测和诊断。
[0011] 进一步的，所述步骤2中的模糊故障Petri网定义为一个10元组：
[0012] SFFPN= (P,T, I,0,M, Q, a ,f,H,U)
[0013] (1)P= {Pl，p2，…，pn}为故障库所集合，代表电机所发生的故障，如"熔断器熔体 故障"，"转子绕组短路"，"电机扫膛"，"轴承过度磨损"等。
[0014] (2)M= (mi,m2,…，mn)T为库所标识向量，m;代表其对应库所p;的托肯的数目（1 或0)，mi= 1表示pi库所有token，即库所代表的故障事件发生。
[0015] ⑶a=(aa2，…，an)T为库所置信度n维向量，a;为库所口；的置信度，表示 PlR表的故障事件发生的真实程度的置信度；
[0016] (4)Q= (%，，…，con)T为库所权值n维向量，表示输入库所？1对变迀规则t 的影响程度，满足V/ €『，凡―€ //〇且文％ = 1 ;
[0017] (5)f=出，f2，…fj为库所最小割集的故障率的集合，表示库所Pl代表的故障事 件发生的概率大小；
[0018] (6)H=(入丨，入2，…入n)T为变迀阈值向量，入丄表示变迀、点火的阈值；
[0019] (7)U=diag(yi，y2，…i〇为变迀规则可信度矩阵，h表示规则变迀h的可信 度。
[0020] 进一步的，步骤2的（3)中底层库所置信度由专家知识、历史经验，辅助于置信度 模糊统计法得到，而当冬e 人% =丨，2，一，"，变迀t预使能，如果 .>-1 预使能变迀t可以触发点火（点火矩阵在下文中讲述），在后继的库所？(]]产生一个新的置 信度a(P(]j)
[0021] 进一步的，步骤4中的故障检测与诊断为全矩阵模式的正反推理方式。正向推理 是在电机无故障发生时，通过在线监测设备预测可能出现的故障，实现对系统故障严重程 度的评价和传播途径的描述。反向推理是当系统发生故障时，根据所产生的故障现象，通过 矩阵进行反向推理，追溯最可能的故障源（即底层库所），为设备的诊断维修提供依据，从 而为提高设备系统的可靠性提供有效的方法。为了更好的进行矩阵推理，定义如下算子：
[0022] (1)比较算子?:C=A?B，A，B和C均为mXn矩阵，当a。〉b。时，C1 ;当 a^Cb。时，C0,i= 1，2,…，m;j= 1，2,…，n〇
[0023] (2)取小算子八：C=A八B，A,B和C均为mXn矩阵，Ci.j=min(a",t^)，i= 1，2,...，m;j= 1，2, ...，n〇
[0024] (3)取大算子C=y4? 汉A，B和C均为mXn矩阵Cij=max(au，t^)，i= 1，2,...，m;j= 1，2, ...，n〇
[0025] (4)乘法算子發.：恶A，B和C分另U为mXq，qXn，mXn矩阵，
[0026] (5)直乘算子A:C=AAb，A和C分别为mXn，nXm矩阵，b为n维向量，则h =a。?bpi= 1，2,...，m;j= 1，2, ...，n〇
[0027] 首先，正向推理矩阵包括库所置信度推理矩阵、变迀点火矩阵和故障状态标识推 理矩阵，只有满足变迀点火条件，相关库所中的故障token才能传递到后置库所，而变迀的 点火判断矩阵又需要前置库所置信度为依据。
[0028] 库所置信度推理矩阵为》" =%十
[0029] 其中0为Petri网输出矩阵。
[0030] 变迀点火矩阵为
[0031] 其中.y= (yi，y2，…，yn)T为变迀预使能判别矩阵。如果变 迀满足点火条件，则点火向量元素y;= 1，否则yi= 0 ;
[0032] G(x) = I- ? a，G(X) = (g1; g2,…，gn)T，表示库所置信度与权值的等效和值n为 列向量
[0033] I- :1 - = { ▽ "}，▽ijG[0, 1]，当有 口;至t.j的有向弧时，▽ij= 〇 i;当有t』 至Pi的有向弧时，▽ij= 〇,其中i= 1，2,…m，j= 1，2,…，m;
[0034]
X代表变迀阈值，b要足够大，使得x > X时，.供(x)_*i1 x <入时，穿
[0035] I为petri网输入矩阵；
[0036] 十为故障状态标识推理矩阵，Mk为故障状态标识向量，代表 故障token在模型库所中的分布及传播途径。
[0037] 反向推理为即为正向推理的逆，因此我们先定义逆向推理的输入、输出库所分别 为正向输出、输入库所。即1=0, 〇 =1，。如果故障源库所有多个，则根据最小割集故 障发生率来确定优先诊断顺序。若最小割集G= {Pl，p2，…，pn}，则最小割集故障发生率为
[0038] 反向推理也包括反向变迀点火矩阵和库所置信度推理矩阵。反向变迀点火矩阵为
[0039] 其中f为第k次逆向点火时的逆网使能变迀序列；
[0040] 1"= (1，1，…1) T为m维列向量。
[0041] 库所反向置信度推理矩阵与正向相同。
[0042] 本发明的有益效果为：本发明提出一种电机故障检测与诊断方法，该方法应用 矩阵推理算法来推导故障token信息的正向或反向传递，同时该算法矩阵运行速度快、以 Petri网图形方式显示直观、明了。其正向演绎算法使工作人员快速、有效的对预发故障进 行评价与检测，逆向演绎基于最小割集有效避免故障诊断的盲目性。
【附图说明】
[0043] 图1为本发明实施的电机故障推理的Petri网模型；
[0044] 图2为本发明具体实施的电机故障推理部分Petri网模型；
[0045] 图3为本发明具体实施的正向推理底层库所初始故障token的分布；
[0046] 图4为本发明具体实施的正向推理故障token的传递方向；
[0047] 图5为本发明具体实施的反向推理顶层库所初始故障token的分布；
[0048] 图6为本发明具体实施的反向推理故障token的传递方向。
【具体实施方式】