一种基于领域知识的电机故障模糊预测模型

卢利虹，魏庆涛，徐智超，刘君霞

(1.大连交通大学 电气信息学院，辽宁 大连 116028;2.大连科技学院，辽宁 大连 116052)＊

0 引言

由于交流电机是一种集电、磁和机械于一体的机电设备，其工作环境通常比较恶劣，出现故障不可避免.显然，对交流电机进行故障预测可以保障生产安全、提高产品质量、节约设备维修费用.因此，长期以来关于交流电机故障诊断与预测的研究一直受到人们的关注与重视［1-4］.由于电机故障的产生通常涉及众多因素(包括大量的模糊信息)，故障的发生表现出一定的随机性和模糊性，二者之间具有复杂的层次性和较强的因果关系，要建立这些故障因素与故障发生之间的精确数学关系往往是不现实的［5-7］.也就是说故障预测是一个涉及多因素、多层次、多目标的决策过程.基于这种情况，本文研究一种基于领域知识的电机故障模糊推理与故障综合判定相结合的预测模型，以期提高对电机故障预测的有效性.

1 电机故障预测模型的结构设计

该电机故障模糊预测模型应能充分利用已有的领域知识和专家经验，经过模糊推理运算来实现电机故障或性能的预测.故该预测模型主要应包括:

(1)规则库

该规则库是基于领域知识和专家经验的归纳总结而建立起来的，它实际包括领域知识库与模糊规则库两部分.在领域知识库中具体包含了电机典型故障频率特征、故障因素与故障之间的关联关系及专家经验等;通过领域知识库可以提取相应的模糊推理规则，存放在模糊规则库中.

(2)模糊推理算法

模糊推理作为近似推理的一个分支，是模糊控制的理论基础.在实际应用中，它以数值计算而不是以符号推演为特征，它并不注重如像经典逻辑那样的基于公理的形式推演或基于赋值的语义运算，而是通过模糊推理的算法，由推理的前提计算出(而不是推演出)结论.

考虑到基于Zadeh与Mamdani等人的工作而发展起来的各种模糊推理算法比较适合于经验控制领域，故在本研究中采用Mamdani的合成模糊推理算法来实现电机故障的预测.

(3)故障与性能预测数据库

由前可知，电机故障或性能预测实际上是一个时变的过程.因此，电机的故障或性能预测是基于相关时刻的工作环境参数实现的.该数据库中不仅包括电机运行工作参数、电机运行时间、电机温度、负载及一些变量的上下限报警值等，同时还包括清晰与模糊论域转换系数以及预测结果等.

(4)综合判定

(5)电机故障模糊预测模型的输入与输出

电机故障预测模型的输入是通过对实际检测到的电机定子电流信号或电机振动加速度信号进行小波包变换，得到8个子频段的能量比特征向量，作为预测模型的输入向量X(该部分内容在另文中讨论);预测模型的输出Y是一个阵，描述了不同因素引起电机不同故障类型的可能性.

根据上述故障预测模型结构设计思路，可绘制基于领域知识的电机故障模糊预测模型结构如图1所示.

图1 电机故障模糊预测模型结构图

2 预测模型的建立

2.1 规则库的建立

故障模糊预测模型所使用的领域知识库中的知识来源于实际使用电机情况、常见的故障知识及专家经验.本研究重点收集了电机在不同故障状态下的振动频谱特征［8-15］，通过归纳整理建立了小功率交流电机振动噪声频谱分析汇总表，该表构成了领域知识库的主体部分.考虑到篇幅问题，表1只给出其中的前五行.在领域知识库的基础上，提炼出描述这些特征的IF-THEN规则，从而可建立用于模糊推理的规则库.

表1 交流电机振动噪声频谱分析汇总表

为了建立规则库，首先，对汇总表中电机不同故障状态下的振动频谱特征进行归纳与分析，发现其特征频率所涉及的频带宽度在5kHz范围内.然后，根据这些故障所表现出的频率特征，比如，有的与电网频率有关，有的与转频有关等，在0～5kHz的频带内划分为五个主要子频带，它们分别是(0，50］、(50，400］、(400，1 000］、(1 000，1500］、(1 500，5 000］Hz;又考虑到这些特征频率在故障出现时并不可能是精确的、所涉及频带又很可能是交叠的，所以，这种特性十分适合于用模糊语句来描述.为了在频率域上进行模糊子集的定义，这里将这五个子频带扩展为(0，70］、［30，700］、［200，1 300］、［700，2 500］、［1 300，5 000］Hz两两相邻的子频带均有交叠部分，在这五个扩展的子频带上分别定义一个模糊子集，用1、2、3、4和5来表示.同时，对应于这五个特征频率范围，将所收集的20余种电机故障划分为五个大类，它们是:①故障特征频率与转频有关;②故障特征频率与工频有关;③ 故障特征频率在500～1 000 Hz;④ 故障特征频率在1 000～1500 Hz;⑤故障特征频率在2 000～5 000 Hz;

同理，又将这五类故障的论域称为故障论域，这样在该论域上则可定义五个模糊子集1、2、3、4和5分别对应上述故障类型①～类型⑤.

综上，可给出故障诊断规则如下:

用这五条规则可对给定输入进行故障大类的判定，所以称其为故障分类规则.当已知预测模型的实际X即子频带能量比向量时，通过模糊化将其转换为模糊输入向量'，则经模糊推理得到模糊向量'，它描述了基于领域知识的电机性能状态情况，模糊向量'中的每一个元素描述了电机状态所隶属于各故障大类的程度.

为了提高故障预测的准确性，研究中又将子频带能量比向量X同时输入到基于神经网络的故障诊断模型中.该故障诊断模型是通过采集到的不同故障状态下的电机振动数据训练得到的.本研究中模型输出向量O包含了三个元素，对应模型能够识别的三种具体故障，例如，转子断条、转子不对中等.每一个元素的取值为［0，1］的实数，描述了电机可能出现对应故障的可信度［16］.针对电机的三种故障，诊断模型的三个典型输出为 O1=(1 0 0)，O2=(0 1 0)，O3=(0 0 1)，经模糊化将其转换为对应的五个故障大类中，得到一个由5个元素构成的向量'，且与模糊向量'在同一个论域中.

2.2 预测模型的模糊推理

预测模型的模糊推理是指基于领域知识的电机故障类型推理，即由到的推理.为了完成该推理，首先要在规则库中存放由五条ifthen规则生成的总规则的具体生成公式为

2.3 故障预测的综合判定

为了实现故障预测的综合判定，首先要建立综合判定模糊规则如下:

R˜2为15×5的阵.

当模糊推理结果为B˜'和神经网络故障诊断模型输出模糊化后结果为˜C'时，则可计算综合判定结果

权重矩阵λ第i行中的五个元素表示对第i大类故障的影响程度，且有电机故障预测模型的最后输出则由下式实现

预测输出Y阵的第i行元素则表示考虑了故障因素权重后，由第j种因素引起电机出现第i大类故障的可能性.

3 结论

采用基于领域知识的故障模糊推理与综合判定相结合的结构形式是该电机故障预测模型的特点.由于综合判定模块的两个输入分别是基于领域知识的电机故障模糊推理结果和基于人工神经网络电机故障诊断模型的输出结果，而后者的诊断结果完全是由电机的实际振动数据得到的，相对比较客观.因此，将基于领域知识的电机故障模糊推理结果与该结果进行综合判定，无疑可以进一步提高电机故障预测模型的有效性.

［1］朱大奇.基于知识的故障诊断方法综述［J］.安徽工业大学学报，2002，19(3):197-204.

［2］彭宇，刘大同，彭喜元.故障预测与健康管理技术综述［J］.电子测量与仪器学报，2010，24(1):1-9.

［3］赵春雨，马伦，吕艳军，等.基于状态维修过程中的故障预测问题分析［J］.计算机与数字工程，2012，40(1):129-131.

［4］黄景德，王兴贵，王祖光.基于模糊评判的故障预测系统研究［J］.电子机械工程，2000，88(6):42-44，55.

［5］李云松，任艳君.智能诊断技术发展综述［J］.四川兵工学报，2010，31(4):122-125.

［6］曾声奎，MICHAEL G P，吴际.故障预测与健康管理(PHM)技术的现状与发展［J］.航空学报，2005，26(5):626-632.

［7］周红建.浅析电机故障诊断的技术［J］.信息系统工程，2012(7):119，121.

［8］张建.机械故障诊断技术［M］.北京:机械工业出版社，2008.

［9］左经刚.电机振动异常的识别与诊断［J］.上海大中型电机，2009(3):20-22.

［10］沈标正.电机故障诊断技术［M］.北京:机械工业出版社，1996.

［11］马宏忠.电机状态监测与故障诊断［M］.北京:机械工业出版社，2007.

［12］汪庆年，李红艳.基于频谱分析的电机噪声源的识别［J］.声学技术，2009，28(4):528-531.

［13］屈梁生，何正嘉.机械故障诊断学［M］.上海:上海科学技术出版社，1986.

［14］李文，赵慧敏，邓武.变频器驱动异步电机振动频谱特征分析［J］.电机与控制学报，2012，16(8):67-73.

［15］闫舒静.三相异步电机故障诊断的振动频谱分析研究［J］.河北建筑科技学院学报，1998，15(2):34-38.

［16］刘君霞.基于神经网络的电机故障诊断方法研究［D］.大连:大连交通大学，2014.