电动汽车电机及控制器故障诊断专家系统的研究

王传军，　李怀珍，　姚金生

(上海电科电机科技有限公司，上海　200063)

电动汽车电机及控制器故障诊断专家系统的研究

王传军，李怀珍，姚金生

(上海电科电机科技有限公司，上海200063)

摘要：随着电动汽车产业的快速发展，电动汽车的“心脏”电机及控制器的安全、稳定等备受重视。在简要介绍了几种用于电机及控制器故障诊断方法的基础上，采用PC104架构在Win XPE环境下开发了基于模糊故障诊断专家系统的电动汽车电机及控制器检测仪，并介绍了该仪器的基本硬件和软件架构。

关键词：电动汽车电机； 控制器； 故障诊断； 专家系统

0引言

电动汽车运行过程中，电机控制器故障发生的过程就是其技术状况变化的过程。这种变化必然会通过驱动电机系统参数反映出来[1]。一旦驱动电机或控制器出现故障，电机产生的瞬态扭矩将使车辆的稳定性和动力性受到影响，如果不能及时发现或修复将会带来不可估量的损失或事故，因此对电动汽车电机及控制器的故障诊断对于保证安全、减少损失具有极为重要的意义。汽车电机驱动系统的故障诊断是一门涉及电机理论、电磁测量、信号处理、计算机技术、热力学、绝缘技术、人工智能等多学科知识领域的技术[2]。

专家系统是一种具有大量知识和经验的智能程序，存储了专门领域经过事先总结分析并按照某种模式保存的专家知识。专家系统能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家求解决策问题的推理机制，来解决该领域复杂的专业问题[3]。

1电机及控制器故障诊断方法[4]

1.1基于数学模型的诊断方法

在基于数学模型的诊断方法中，基于状态估计或过程参数估计的方法在电机故障诊断中应用较为普遍。比如说如果电机输出量超出正常变化范围，则认为电机已经或即将发生故障。这种方法需要建立精确的电机数学模型和适当的决策策略。其故障诊断原理框图如图1所示。

图1　基于状态估计、参数估计的电机故障诊断

1.2基于神经网络的诊断方法

基于神经网络的故障诊断方法的原理框图如图2所示。通常利用神经网络来实现学习与分类决策的功能。为了能够对模式进行分类，往往需要学习，通过学习将系统参数或结构固定下来，即完成了训练的过程。待识别信息经已训练神经网络的处理，可自动根据某一判别原则对被识别对象进行分类，最后给出准确、及时的故障诊断结论。

图2　基于神经网络的电机故障诊断

1.3基于模糊逻辑的故障诊断方法

基于模糊逻辑的故障诊断方法如图3所示。故障诊断部分是一个典型的模糊逻辑系统，主要包括模糊化单元、参考电机、底层模糊规则和解模糊单元。其中，模糊推理和底层模糊规则是模糊逻辑系统的核心，具有模拟人的基于模糊概念的推理能力。该推理过程是基于模糊逻辑中的蕴涵关系及推理规则来进行的。模糊规则的制定有两种基本方法：(1) 启发式途径来源于实际电机操作者的语言化的经验。(2) 是采用自组织策略从正常和故障电机测量获得的信号进行模糊故障诊断的制定，将此方法通过计算机仿真实现，对电机故障有较好的识别能力。

图3　基于模糊逻辑的电机故障诊断

1.4基于遗传算法的故障诊断方法

遗传算法是基于自然选择和基因遗传学原理的搜索算法。它的推算过程就是不断接近最优解的方法，因此它的特点在于并行计算与全局最优；而且，与一般的优化方法相比，遗传算法只需较少的信息就可实现最优化控制。由于一个模糊逻辑控制器所需确定的参变量很多，专家的经验只能起到指导作用，很难根据指导准确地定出各项参数，而反复试凑的过程就是一个寻优的过程。遗传算法可以应用于该寻优过程，较有效地确定出模糊逻辑控制器的结构和数量。

遗传算法应用于感应电机基于神经网络的故障诊断方法的框图如图4所示。设计神经网络的关键在于如何确定神经网络的结构及连接权系数，就是一个优化问题，其优化的目标是使得所设计的神经网络具有尽可能好的函数估计及分类功能。具体地分，可以将遗传算法应用于神经网络的设计和训练两个方面，分别构成设计遗传算法和训练遗传算法。许多神经网络的设计细节，如隐层节点数、神经元转移函数等，都可由设计遗传算法进行优化，而神经网络的连接权重可由训练遗传算法优化。这两种遗传算法的应用可使神经网络的结构和参数得以优化，特别是用DSP来提高遗传算法的速度，可使故障响应时间小于300μs，不仅单故障信号诊断，准确率可达98%，还可用于双故障信号的诊断，准确率为66%。

图4　遗传算法在模糊逻辑的电机故障诊断中的应用

2电机及控制器故障诊断专家系统

2.1故障诊断专家系统的功能

电机及控制器故障诊断专家系统是一个多功能诊断性专家系统，内部结构如图5所示，由数据库、知识库、推理机、知识获取、数据采集、故障处理、人机接口等部分组成。

(1) 数据库：用于存放电机及控制器配置信息和通过通信接口接收到的传感器的各种状态信息。

图5　电机及控制器故障诊断专家系统内部结构

(2) 知识库：用于存放领域专家或由其他知识源获取的故障诊断领域知识和相关知识。

(3) 推理机：它是利用知识库中的知识，根据征兆事实进行推理诊断的功能模块。

(4) 知识获取包括知识库的建立，以及知识的插入、修改、删除、一致性检查和知识库查询等功能。

(5) 故障处理：进行正向推理的诊断和反向推理的诊断，以便在电机及控制器发生故障时能迅速而准确地诊断，能对电机和控制器的运行状态、行为和故障诊断过程进行正确的解释，并提供对故障的处理功能进行重构的建议。

(6) 人机接口：用于用户、领域专家、知识工程师的信息交换。

2.2电机及控制器故障诊断专家系统设计

2.2.1专家系统的硬件框架设计

考虑产品主要是随车携带和维修维护使用，既要能作为电机及控制器运行状态监视使用，同时也要为电机和控制器维修维护提供诊断技术，因而选用了嵌入式PC104主板设计便携式检测仪。系统硬件架构如图6所示。

图6　电机及控制器故障诊断专家系统硬件架构图

在此，选用了通过总线方式进行数据采集，采用通信转换接口模块将测试数据转换成标准格式后传输给检测仪。在电机及控制器开放协议的情况下可以直接从其中获取电机及控制器状态信息及故障情况，然后通过通信转换模块转换成标准格式后传送给检测仪；在不能从电机及控制器获取信息的情况下也可从外接传感器进行信号采集。这样一来，既兼顾了检测仪的开放性又不失设备的兼容性；既能作为监控监测使用，又方便了维修维护人员获取专家知识。

2.2.2故障诊断模糊专家系统的知识表示

本文采用产生规则和模糊数学结合的模糊产生式规则来表示知识。模糊产生式规则可以有效地表达启发式知识，并可以根据数据可靠性给出可信度因子，从而实现模糊推理。

模糊规则是将传统产生式规则模糊化，其模糊化主要从以下几个方面来进行：前提条件模糊化、动作或结论模糊化、规则激活阀值λ(0<λ<1)和规则可信度CF(0

一个模糊产生式规则

IF(p1′,p2′，…，pm′)then(q1′,q2′,…)withCF(R)

则相应表达为

IF(p1,f1,t1)and(p2,f2,t2)and…and(pm,fm,tm)

THEN[(q1,g1,s1),(q2,g2,s2),…withCF(R)]

其中：p1′、p2′…pm′——规则中的各模糊前提条件；

q1′、q2′,…——规则中的模糊结论及动作；

CF(R)——规则强度或可信度；

p1、p2…pm——p1′、p2′…pm′相应的确定性表达；

q1、q2…——q1′、q2′…相应的确定性表达；

f1、f2…fm——p1、p2…pm表达p1′、p2′…pm′时的状态可能性分布；

t1、t2…tm——用(p1,f1)，(p2,f2)，…(pm,fm)表达p1′、p2′…pm′时的确信度；

g1、g2…——用q1、q2…表达q1′、q2′…时的状态可能性分布；s1、s2、q1′、q2′…——用(q1,g1)，(q2,g2)…表达q1′、q2′…时的确信度。

2.2.3模糊数据库

随着模糊数学理论体系的建立，人们可以用数据来描述模糊事件并能够进行模糊计算。这样，就可以把不完全性、不确定性、模糊性引入数据库系统中，从而形成模糊数据库。模糊数据库是指能够处理模糊数据的数据库，是进行机器学习和模糊推理的依据，其存放原因隶属度，根据事例的变化进行动态的学习修改，以体现专家系统智能型的特点。

2.2.4故障诊断模糊专家系统的推理机

本文采用基于事例的模糊推理机制，其核心思想是基于回忆以前类似的事例并使用该事例的信息和知识来解决新问题。本系统的推理方法采用正向推理和反向推理相结合的方式。正向推理流程图如图7所示。

图7　电机及控制器故障诊断专家系统正向推理机

根据故障现象对知识库进行模糊匹配，将匹配出的可能原因送入综合数据库。对系统诊断出的故障现象的所有原因，以模糊数据库为依据进行模糊集合运算，只有当原因隶属度大于现象的阈值时，才提交给用户，否则不予输出；但当用户要求显示所有可能原因时，可以提交阈值以下的原因给用户。

2.2.5故障诊断专家系统的软件框架设计

电动汽车电机及控制器故障诊断专家系统流程图如图8所示。

图8　电机及控制器故障诊断专家系统流程

3结语

本文在简要介绍了几种用于电动汽车电机及控制器的故障诊断算法的基础上，采用模糊逻辑算法，在Win XPE环境下设计开发了基于PC104架构的便携式电动汽车电机及控制器故障诊断专家系统检测仪。该仪器具有携带方便、操作简便、维护容易等特点，即可随车用于电机及控制器的性能监测使用，也可作为维修工具使用，降低了车辆维修维护的难度，具有极大的推广使用价值。

【参 考 文 献】

[1]方敏.混合电动汽车电机控制器检测与诊断系统原理及其常见故障[J].经济技术协作信息,2011(26)：133-133.

[2]林勍,林红旗.汽车电机故障诊断方法探讨[J].科技资讯,2007(2)：144.

[3]李小青.基于模糊专家系统的故障诊断方法研究[J].农机化研究,2006(4)：79-82.

[4]沈艳霞,纪志成,姜建国.电机故障诊断的人工智能方法综述[J].微特电机,2004,32(2)：39-42.

Discussion on Electric Motor and Controller Fault Diagnosis Expert System

WANGChuanjun,LIHuaizhen,YAOJinsheng

(SEARI Electrical Machinery Technology Co.,Ltd., Shanghai 200063， China)

Abstract：With the rapid development of electric vehicle industry, the safety and stability of the electric motor and controller has been paid much attention. Based on the brief analyses of the fault diagnosis of motor and controller, an electric vehicle motor and controller detecting instrument based on fuzzy fault diagnosis expert system was developed, the instrument’s basic hardware and software architecture also has been introduced.

Key words：electric motor; controller; fault diagnosis; expert system

作者简介：王传军(1973—)，男，大学本科，高级工程师，研究方向为电机试验技术及电机检测设备。 李怀珍(1985—)，男，硕士研究生，工程师，研究方向为机电控制技术和电机性能检测技术。

中图分类号：TM 307

文献标志码：A

文章编号：1673-6540(2016)05- 0069- 04

收稿日期：2015-12-12