文献类型：期刊文章

作　　者：武智超[1] 王慧[1] 王吉亮[1] 王骁贤[1] 陆思良[1,2]

Wu Zhichao;Wang Hui;Wang Jiliang;Wang Xiaoxian;Lu Siliang(National Engineering Laboratory of Energy Saving Motor and Control Technology,School of Electrical Engineering and Automation,Anhui University,Hefei 230601,China;Traction Power State Key Laboratory,Southwest Jiaotong University,Chengdu 610031,China)

机构地区：[1]安徽大学电气工程与自动化学院,高节能电机及控制技术国家地方联合工程实验室,合肥230601 [2]西南交通大学牵引动力国家重点实验室,成都610031

出　　处：《电子测量与仪器学报》

基　　金：国家自然科学基金(52075002)项目资助。

年　　份：2021

卷　　号：35

期　　号：11

起止页码：108-114

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：无刷直流电机具有效率高、能量密度高、噪音低等优点进而被广泛应用于汽车、工业自动化、航空航天等领域。高阻接触(high resistance connection,HRC)故障是电机的典型故障之一,该故障严重时会导致急剧温升乃至火灾,因而无刷直流电机的HRC故障研究具有重要的意义。通常采用电流电压信号分析的方法诊断HRC故障,但现有的方法仍存在局限与不足。针对此问题,设计了一种新的结合阵列漏磁信号分析和机器学习的方法实现无刷直流电机HRC故障的定位和定量分析。首先通过安装在电机外壳的霍尔传感器阵列采集多通道漏磁信号,利用神经网络分析漏磁信号的时域特征实现电机HRC故障检测和定位。在确定故障相之后,利用另一个神经网络模型分析漏磁信号频域特征实现HRC故障的定量分析。实验结果表明,提出的方法检测和定位故障的精度为98.75%,故障定量分析的平均均方根误差为0.018Ω。该方法具有非侵入式测量、易于实现、效率高等优点,对提升无刷直流电机HRC故障检测精度和效率具有促进作用。

关 键 词：无刷直流电机 HRC故障诊断  霍尔传感器阵列  漏磁信号  神经网络  

分 类 号：TM12] TP306.3]