10、电机故障诊断的人工神经网络应用

电机故障诊断的人工神经网络应用

1. 无因果关系的电动模型与故障注入能力

我们可以开发一个适用于六相电机（连接为两个三相子系统）的无因果关系电动模型，该模型能够注入几种典型的永磁同步电机（PMSM）定子故障。此模型经过参数化处理，与配备多个绕组抽头的定制电机相对应，能够模拟这些故障。该模型和实际电机都可作为人工神经网络（ANN）训练和验证的数据集来源，用于诊断匝间短路故障。

Simscape 可在 Simulink 中快速自然地构建物理组件模型。组件和物理连接直接集成在框图和其他建模范式中，各个 Simscape 组件相互交互。每个 Simscape 块由一组描述组件物理行为的方程表示，这些方程在模型编译过程中自动处理。

电机可将电能转化为机械旋转能。通过转动惯量或摩擦块等机械旋转组件，可创建电机机械部分的简单模型，也可使用 Simscape 将电机连接到复杂的机械模型。

双三相电机模型的电气部分可用以下方程描述：
[u_{abc12} = R_{abc12}i_{abc12} + \frac{dL_{abc12}i_{abc12}}{dt} + e_{abc12}]

电能转换为机械转矩的过程可用以下方程表征：
[T_e = P_p \left(\frac{1}{2}i_{abc12}^T \frac{dL_{abc12}}{d\theta} i_{abc12} + \frac{i_{abc12}^T e_{abc12}}{\omega_e}\right)]

上述方程可用于模拟健康电机模型的行为。该模型可进一步扩展，将某些线圈的方程拆分为具有互感的两个线圈的串联连接，其行为与原始线圈相同。随后，可使用