张志艳 ， 马宏忠， 赵剑锷， 赵利军

(1. 河海大学 能源与电气学院，江苏 南京 211100; 2. 郑州轻工业学院 电气信息工程学院，河南 郑州 450002； 3. 郑州科技学院 电气工程学院，河南 郑州 450064； 4. 国家电网平高集团有限公司，河南 平顶山 467001)

0 引 言

永磁同步电机定子不对称故障是电机较为常见的故障。定子绕组的绝缘受损、定子绕组短路(包括匝间、股间、相间等各种短路)、铁芯短路等故障均会引起定子不对称运行。永磁同步电机发生定子不对称故障时，将会在定子电流中产生负序分量，负序电流产生的负序磁场与转子旋转方向相反，负序电流产生的电磁转矩为制动性质的转矩，增加了转子的附加损耗，致使电机输出电磁功率减少、效率降低、电机发热加剧，产生恶性循环，使得电机故障进一步扩大，影响到电机运行的安全性。

目前，国内外对永磁同步电机故障诊断的研究主要集中在转子永磁体失磁故障[1-4]、定子绕组故障[5-8]、轴承损伤故障[9-10]和转子偏心故障[9]等，采用的研究方法主要是提取永磁同步电机定子电流，利用各种先进的信号分析方法对其谐波成分进行分析，以确定故障发生。基于永磁同步电机定子电流特定谐波分析的故障诊断方法，存在两个不足之处，一是故障早期信号较为微弱，电机运行环境不同，各种信号处理方法都有着各自的优点和使用范围，采用什么样的信号处理方法从较微弱的信号中得到较为真实的谐波成分，此方面尚未有达成共识的分析方法；二是永磁同步电机发生不同种类的故障时，会产生相同次数的谐波信号，给故障种类的判断带来了一定的困难。另外，既有文献中基本上没有发现针对电动汽车用永磁同步电机定子不对称故障诊断的专门研究。文献中的研究主要集中在不对称故障后电机外部特性的研究和基于负序电流单一分量的传统电机定子不对称故障诊断方面。这些研究有一定的局限性和不全面性，主要表现在： 文献[11]对自起动永磁同步电机在三相不对称电压下的运行特性进行了研究，但其着重点在于分析永磁同步电机的外部性能，如转矩、转速以及转子铜耗等，并未对负序分量进行研究，且立足点并非不对称故障的诊断；文献[12，13]利用负序分量对传统异步电机与同步电机的定子匝间短路故障进行研究，但其仅对负序电流或负序电流相角差两个参数中的某一个参数进行了分析，因负序电流易受负载大小及转速的影响，稳定性受到了一定的限制，降低了故障判断的准确性。因此，如何融合其他方法，提高故障诊断的准确性和稳定性，是亟须解决的问题之一。

模糊逻辑故障诊断是一种基于知识的人工智能诊断方法，它能够将很难用数学模型表示的故障特征与故障之间的关系采用人类的思维模式，用模糊的关系形式表示出来，进行模式识别。其算法的核心是建立故障特征与故障原因之间的因果关系矩阵，在建立故障与故障特征之间的模糊关系方程的基础上，通过故障特征判断故障的发生[14]。基于模糊逻辑的故障诊断方法已在高压输电线路故障类型识别[15]、煤矿机械系统故障诊断[16]、飞机控制系统作动器故障诊断[17]等方面得到了应用。

基于此，为对电动汽车用永磁同步电机定子不对称故障进行准确的诊断，本文首先对基波负序电流分量、基波负序阻抗、基波负序电流最大相角偏差与转速之间的关系进行分析，获得永磁同步电机发生不对称故障时，三个基波负序分量对转速、故障严重程度的变化规律。据此，对三个基波负序分量分配了不同的权值，作为模糊逻辑判断的三个输入量，制定了相关的模糊规则，采用模糊推理机制进行推理，判断故障严重程度等级及存在的故障相。建立了试验平台，通过分析实测数据，验证了该联合诊断方法的有效性。

1 定子不对称故障试验平台构建

永磁同步电机不对称故障试验，通过在定子C相串联梯形大功率铝壳电阻实现，不对称故障严重程度的模拟通过改变串联电阻的大小实现，故障电阻分别设定为C相电阻的0.1倍、0.2倍和0.3倍。定子三相电压和三相电流信号分别通过3个单相霍尔电压和3个霍尔电流传感器进行测量，以适应频率较大范围内的变化，传感器输出信号由数据采集电路进行采集，数据采集频率设定为10kHz，采集时长为100ms。采集永磁同步电机不同转速下定子三相不对称故障状态运行时的稳态数据，其试验框图如图1所示。

图1 永磁同步电机不对称故障试验框图

2 负序分量特征分析

2.1 负序分量的获取

对采集到的定子三相电流和三相电压信号进行快速傅里叶(Fast Fourier Transform, FFT)变换，得到各相电流、电压的基波与谐波信号；按式(1)和式(2)对三相电流、三相电压分量的基波值运用对称分量分析法进行计算，得到基波负序电流和基波负序电压。

其中，a=ej120°，下标“+、-、0”分别表示正序、负序和零序分量，下标A、B、C分别表示对应的三相，仅考虑基波负序分量。如果用下标f表示永磁同步电机发生定子不对称故障时的参数，则故障状态下的基波负序电流和基波负序电压可用式(3)和式(4)表示，运用式(5)计算对应的基波负序阻抗。

(3)

Zaf(-)=Vaf(-)/Iaf(-)

(5)

2.2 试验数据分析

取定子C相绕组不平衡电阻Rf=0.1Rc，在转速为780～1780r/min之间6种不同转速情况下，对永磁同步电机三相定子电流和三相定子电压进行采集，对采集到的试验数据进行计算，得到永磁同步电机定子不平衡度为Rf=0.1Rc时的基波负序电流和基波负序阻抗随转速的变化规律，如图2所示。从图2可看出，相同转速下，基波负序电流大于基波负序阻抗，基波负序阻抗具有一定的鲁棒性，受转速影响较小，而相同状态下，基波负序电流随转速的变化影响较大。

图2 Rf=0.1Rc时，基波负序电流与基波负序阻抗随转速的变化规律

对永磁同步电机在正常(Rf=0)和定子不平衡度分别为Rf=0.1Rc、Rf=0.2Rc和Rf=0.3Rc的4种情况下，6种不同转速运行工况下的数据进行分析，得到各种运行工况下的负序阻抗，如表1所示。从表1可以看到，基波负序阻抗的大小对故障严重程度很敏感，但对转速表现出的敏感度较弱。

表1 永磁同步电机各种工况下的基波负序阻抗

对转速为1780r/min时的基波负序电流进行分析，得到其不同平衡度下的基波负序电流相量图，如图3所示。求取基波负序电流最大相角差，由图3可以看出，基波负序电流最大相角差为AB相之间的夹角，即非故障相之间的相角差，据此可以判定故障相为C相。对基波负序电流最大相角差进行标么化处理后，作为模糊逻辑诊断输入量。

图3 转速为1780r/min时，永磁同步电机基波负序电流相量图

3 加权模糊逻辑诊断中心的构建

模糊逻辑故障诊断方法的知识库由规则库和数据库两部分组成，是专家故障诊断经验与现场实际经验的融合，优点在于不需要采集与处理大量数据便可得出故障特征与故障之间的规律。

从试验数据分析的结果可知，电动汽车用永磁同步电机定子不对称故障诊断过程中，因基波负序阻抗稳定性好、受负荷波动影响小，对故障的严重程度敏感，故将其权重设置稍大。基波负序相角差从试验结果来看，稳定性相对较好，其权重介于负序阻抗与负序电流两者之间，故将基波负序阻抗、基波负序电流最大相角偏差、基波负序电流幅值的权值分别设为0.45、0.35、0.2，将其作为模糊逻辑的3个输入量，分别记为负序电流幅值I2、负序电流最大相角偏差PH和负序阻抗Z2。将3个输入量分为正常(N)、轻微偏离正常值(LD)、中等偏离正常值(MD)、严重偏离正常值(HD)4个模糊集；以永磁同步电机运行状态作为输出量，对应4个模糊集，分别为轻微故障(LF)、正常(N)、中等故障 (MF)、严重故障 (HF)。

根据实际情况，如果3个输入量均为某一个确定的模糊集，则输出量也为某一个确定的模糊集，如果3个输入量属于不同的模糊集，则输出量依据实际输入量的实际情况写出其模糊规则，该诊断中心以与或逻辑形式制定了23条模糊规则。

电动汽车用永磁同步电机定子不对称故障输入量定子基波负序电流、基波负序阻抗、基波负序电流最大相角偏差以及输出量的隶属度函数主要采用了Z型函数zmf、S型函数smf和梯形函数trapmf。据测试数据的分析结果结合经验，建立输入量和输出量的隶属度函数，如图4所示。

图4 输入量和输出量隶属度函数

4 故障诊断实例分析

对永磁同步电机转速为1580r/min，故障相电阻为C相电阻0.1倍的情况进行分析，设定故障后实测的定子三相电流/电压数据进行处理，得到其基波负序电流幅值为4.8A，基波负序电流最大相角为AB相角差160°(模糊逻辑输入负序电流最大相角偏差为40°)，基波负序阻抗为0.81Ω。同转速正常运行下，基波负序电流幅值、基波负序电流相角差、基波负序阻抗分别为0.16A、120°、1.6Ω，以此为基准值，得以对应的标幺值分别为0.5(LD或MD)、0.3(LD)和0.5(LD)，将其作为模糊逻辑的3个输入量，对应的输出量大小为0.525，为轻度故障状态(LF)，与设定的不平衡故障种类相同，判断结果正确。

5 结 语

在分析永磁同步电机定子三相不平衡故障基波负序电流幅值、基波负序电流相角差及基波负序阻抗特性的基础上，根据其稳定性和对故障的敏感性不同，设定了不同的权值，作为模糊逻辑诊断方法的3个输入量。实际算例分析结果表明，该联合诊断方法能够对永磁同步电机不平衡故障进行有效的诊断，诊断结果正确。该诊断方法克服了以往诊断方法中信号处理方法选择的困难；加权模糊逻辑诊断方法使诊断结果具有较高的可信度；对多种原因引起的定子不对称故障均可进行诊断，适用范围广；适用于负荷变动情况下的动态在线监测；不需要采集和处理大量数据，采样时间短。对不同的电机，参数变化规律并不完全一样，负序分量的变化规律也有所不同，本实例中的权值设定不一定最佳。

【参考文献】

[1] ROUX W L, HARLEY R G, HABETLER T G. Detecting rotor faults in permanent magnet synchro-nous machines[C]∥ IEEE International Symposium on Diagnostics for Electric Machines， Power Electr-onics and Drives， 2003： 198-203.

[2] ROSERO J, ROMERAL L, ORTEGA J A, et al． Demagnetization fault detection by means of hilbert huang transform of the stator current decomposition in PMSM [C]∥ 2008 IEEE International Symposium on Industrial Electronics， 2008： 172-177．

[3] RIBA R J R, ROSERO J A, ESPINOSA A G, et al． Detection of demagnetization faults in permanent mag-net synchronous motors under nonstationary condi-tions[J]． IEEE TRANSA-CTIONS ON MAGNETICS， 2009，45(7)： 2961-2969．

[4] 张志艳，马宏忠，陈诚,等．永磁电机失磁故障诊断方法综述[J]．微电机，2013，46(3)： 77-80.

[5] THOMSON W T. On-line motor current signature analysis prevents premature failure of large induction motor drives operating in the North Sea oil and gas industry [C]∥ Institution of Mechanical Engineers, Fluid Machinery Group-Ninth European Fluid Machi-nery Congress: Applying the Latest Technology to New and Existing Process Equipment， 2006： 263-272．

[6] BARENDSE P S， PILLAY P. A new algorithm for the detection of faults in permanent magnet machines [C]∥32nd Annual Conference on IEEE Industrial Electronics， 2006： 823-828.

[7] ROSERO J, ROMERAL L, ORTEGA J A, et al． Short circuit detection by means of empirical mode decomposition and wigner ville distribution for PMSM running under dynamic condition[J]． IEEE Transac-tions on Industrial Electronics， 2009，56(11)： 4534- 4547.

[8] ROSERO J, ROMERAL L, ORTEGA J A, et al． Short circuit fault detection in PMSM by means of empirical mode decomposition (EMD) and wigner ville distribution (WVD) [C]∥ Conf Proc IEEE Appl Power Electron Conf Expo APEC， 2008： 98-103.

[9] ROSERO J, ROMERAL J L, CUSIDO J, et al． Fault detection of eccentricity and bearing damage in a PMSM by means of wavelet transforms decomposition of the stator current[C]∥ 23rd Annual IEEE Applied Power Electronics Conference and Exposi-tion， 2008： 111-116.

[10] ROSERO J, CUSIDO J, ORTEGA J A, et al． PMSM bearing fault detection by means of fourier and wavelet transform[C]∥ The 33rd Annual Conference of the IEEE Industrial Electronics Society, 2007： 1163-1168.

[11] 王道涵，王秀和，仲慧,等．三相不对称供电自起动永磁同步电动机的仿真研究[J]．中国电机工程学报，2005，25(19): 152-156.

[12] 马宏忠，张志艳，张志新,等．双馈异步发电机定子匝间短路故障诊断研究[J]．电机与控制学报，2011，11(15): 19-24.

[13] 刘沛津，谷立臣．异步电机负序分量融合方法及其在定子匝间短路故障诊断中的应用[J]．中国电机工程学报，2013，33(15): 119-123.

[14] 杨军，冯振声，黄考利,等．装备智能故障诊断技术[M]．北京： 国防工业出版社，2004.

[15] 姜惠兰，梁昭君，杨维,等．基于模糊逻辑的高压输电线路故障类型识别新方法[J]．电工电能新技术，2004，23(1)： 60-63.

[16] 陈劲松．基于模糊逻辑的煤矿机械系统故障诊断[J]．煤矿机械，2012，33(8)： 255-257.

[17] 王可，夏立群．基于模糊逻辑的作动器故障诊断方法研究[J]．机床与液压，2010，38(15)： 126-128．