基于MATLAB的電機(jī)故障診斷模型訓(xùn)練與測(cè)試平臺(tái)

摘 要：基于MATLAB的可視化編程技術(shù)，設(shè)計(jì)電機(jī)故障診斷模型訓(xùn)練與測(cè)試平臺(tái)。該平臺(tái)主要包括兩個(gè)模塊：模型訓(xùn)練模塊和模型測(cè)試模塊，平臺(tái)實(shí)現(xiàn)了在給定樣本數(shù)據(jù)時(shí)可以得到相應(yīng)電機(jī)故障類型和模型診斷精確度等功能。本文介紹了一種利用RBF神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)方法，運(yùn)用MATLAB GUI構(gòu)建電機(jī)故障診斷訓(xùn)練與測(cè)試平臺(tái)，并以實(shí)例給出平臺(tái)的運(yùn)行情況，從而驗(yàn)證了平臺(tái)的實(shí)現(xiàn)功能。

關(guān)鍵詞：電機(jī)故障診斷；模型訓(xùn)練與測(cè)試平臺(tái)；MATLAB GUI

中圖分類號(hào)：TP277

大中型交流異步電動(dòng)機(jī)在各行各業(yè)中有著廣泛的應(yīng)用，在鐵路、電力、化工、鋼鐵等連續(xù)生產(chǎn)的部門起著十分重要的作用。電機(jī)長(zhǎng)時(shí)間的使用過程中，極容易受到各種因素的影響而出現(xiàn)故障問題。據(jù)電力部門的統(tǒng)計(jì)，在定子的故障中，絕緣故障與繞組股線斷裂是常見的故障，它們約為異步機(jī)故障的總數(shù)的40%左右；鼠籠轉(zhuǎn)子斷條為7%左右；相應(yīng)的軸承故障也將近總數(shù)的40%[1]。如果工作人員不能及時(shí)診斷并處理電機(jī)故障，那么將影響電機(jī)的正常運(yùn)轉(zhuǎn)，嚴(yán)重時(shí)將導(dǎo)致電機(jī)的破損[2]。因此，電機(jī)故障診斷在電機(jī)應(yīng)用領(lǐng)域是不可缺少的，而故障診斷的正確率直接影響電機(jī)故障診斷的有效性，換言之，電機(jī)故障診斷模型的質(zhì)量是電機(jī)故障診斷有效應(yīng)用的保障。

本文在介紹可變結(jié)構(gòu)電機(jī)故障診斷模型結(jié)構(gòu)基礎(chǔ)上[3]，重點(diǎn)介紹基于MATLAB的電機(jī)故障診斷模型訓(xùn)練與測(cè)試平臺(tái)的建立[4]，并通過一個(gè)具體例子說明其使用方法。

1 可變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)電機(jī)故障診斷模型

1.1 基于振動(dòng)數(shù)據(jù)的電機(jī)故障診斷流程

電機(jī)故障診斷流程如圖1所示。振動(dòng)數(shù)據(jù)為電機(jī)在不同轉(zhuǎn)速運(yùn)行過程中采集的振動(dòng)加速度。對(duì)于所采集的多路不同方向的電機(jī)振動(dòng)數(shù)據(jù)在進(jìn)行了常規(guī)數(shù)據(jù)降噪處理后；運(yùn)用盲源分離方法進(jìn)行振源分離；運(yùn)用小波分解或小波包方法獲得振動(dòng)數(shù)據(jù)不同頻段對(duì)應(yīng)的能量比[5]，作為故障診斷模塊的輸入。

圖1 電機(jī)故障診斷流程圖

故障診斷模塊由RBF神經(jīng)神經(jīng)網(wǎng)絡(luò)構(gòu)成[6]，網(wǎng)絡(luò)輸出為0-1之間的值，網(wǎng)絡(luò)輸出值的大小表明了對(duì)應(yīng)故障出現(xiàn)的可能性。

1.2 電機(jī)故障診斷模型的構(gòu)建

在構(gòu)建電機(jī)故障診斷模型時(shí)主要考慮了以下三個(gè)方面：（1）采用常規(guī)應(yīng)用比較廣泛的RBF神經(jīng)網(wǎng)絡(luò)模型；（2）模型結(jié)構(gòu)根據(jù)故障種類可靈活改變，故模型采用積木式可變結(jié)構(gòu)；（3）子模型結(jié)構(gòu)盡可能簡(jiǎn)單。

基于以上三點(diǎn)考慮，故障模型采用基于單元網(wǎng)絡(luò)的可變結(jié)構(gòu)。單元網(wǎng)絡(luò)由一個(gè)（m-2-1）三層BP神經(jīng)網(wǎng)絡(luò)構(gòu)成，如圖2所示。輸出層的輸入個(gè)數(shù)m由實(shí)際故障診斷輸入數(shù)據(jù)情況確定，本文中m=4；隱層為兩個(gè)節(jié)點(diǎn)，使網(wǎng)絡(luò)結(jié)構(gòu)盡可能簡(jiǎn)化；輸出為一個(gè)節(jié)點(diǎn)，輸出值在0-1之間，用以表示所對(duì)應(yīng)故障狀態(tài)成立的可能性。采用這樣結(jié)構(gòu)可降低識(shí)別難度，同時(shí)降低神經(jīng)網(wǎng)絡(luò)的訓(xùn)練難度。

圖2 單元神經(jīng)網(wǎng)絡(luò)

一個(gè)單元網(wǎng)絡(luò)，即一個(gè)子模型，對(duì)應(yīng)一個(gè)故障狀態(tài)，可使用不同的故障狀態(tài)所對(duì)應(yīng)的數(shù)據(jù)來(lái)獨(dú)立訓(xùn)練每一個(gè)子模型，使網(wǎng)絡(luò)輸出為1或?yàn)?。然后組合成一個(gè)故障診斷模型[7]，如圖3所示。

圖3 電機(jī)故障診斷模型

2 基于MATLAB的電機(jī)故障診斷模型訓(xùn)練與測(cè)試平臺(tái)

2.1 平臺(tái)功能介紹

本模型平臺(tái)對(duì)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，可得到電機(jī)故障模型，利用多種狀態(tài)的數(shù)據(jù)對(duì)其進(jìn)行測(cè)試，檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)度。平臺(tái)軟件分為兩個(gè)模塊：模型訓(xùn)練模塊和模型測(cè)試模塊。功能結(jié)構(gòu)如圖4所示。

圖4 模型平臺(tái)功能結(jié)構(gòu)

兩模塊可實(shí)現(xiàn)如下功能：

模型訓(xùn)練模塊的主要功能，在給定的訓(xùn)練次數(shù)和強(qiáng)化參數(shù)后，對(duì)多種狀態(tài)下的數(shù)據(jù)進(jìn)行不斷學(xué)習(xí)訓(xùn)練可到具體電機(jī)故障模型，并繪制出訓(xùn)練過程圖像；得到具體電機(jī)故障模型的參數(shù)值wj。

模型測(cè)試模塊的主要功能，在給定要測(cè)試的故障模型參數(shù)及相應(yīng)的測(cè)試參數(shù)后，對(duì)模型就行多次測(cè)試，繪制測(cè)試強(qiáng)化前后輸出圖像；理想值與輸出值。

2.2 電機(jī)故障診斷訓(xùn)練模

2.2.1 模型訓(xùn)練模塊的運(yùn)行

為了檢驗(yàn)所提出的模塊化故障診斷，用兩個(gè)4-4-1結(jié)構(gòu)的子模型來(lái)構(gòu)造兩個(gè)故障子模型，這兩個(gè)子模型分別為M1（yj1，ej1，wj1）和M2（yj2，ej2，wj2），且分別識(shí)別電機(jī)的兩種狀態(tài)，無(wú)故障狀態(tài)和有故障狀態(tài)。若電機(jī)無(wú)故障，則子模型M1（yj1，ej1，wj1）輸出1，子模型M2（yj2，ej2，wj2）輸出0；若電機(jī)有故障，則子模型M1（yj1，ej1，wj1）輸出0，M2（yj2，ej2，wj2）輸出1。狀態(tài)輸出如表1所示。

表1 模型輸出狀態(tài)表

根據(jù)模型應(yīng)識(shí)別的電機(jī)狀態(tài)，我們采用同類型的兩臺(tái)電機(jī)，一臺(tái)為新購(gòu)置的，另一臺(tái)為舊電機(jī)，在這兩臺(tái)電機(jī)上采集的振動(dòng)信號(hào)分別代表了電機(jī)正常運(yùn)行狀態(tài)與電機(jī)有故障狀態(tài)。對(duì)所采集的振動(dòng)加速度數(shù)據(jù)進(jìn)行濾波處理后，使用小波包方法提取電機(jī)的故障特征能量，訓(xùn)練與測(cè)試樣本如表2所示。

表2 訓(xùn)練與測(cè)試樣本

根據(jù)所介紹的模型訓(xùn)練算法，用Matlab編寫故障診斷子模型的訓(xùn)練程序，同時(shí)對(duì)界面中的各控件進(jìn)行編寫相應(yīng)的回調(diào)函數(shù)。

在訓(xùn)練界面下，按下“讀取樣本”按鈕，選取樣本數(shù)據(jù)后，樣本數(shù)據(jù)被加載到訓(xùn)練程序中。按下“開始訓(xùn)練”按鍵，訓(xùn)練程序開始編輯運(yùn)行，程序結(jié)束后，運(yùn)行過程中輸出和誤差的變化情況都會(huì)以圖像的形式顯示在兩坐標(biāo)中。模型訓(xùn)練模塊運(yùn)行結(jié)果如圖5所示。

圖5 模型訓(xùn)練模塊運(yùn)行

2.3 電機(jī)故障診斷測(cè)試模塊

2.3.1 模型訓(xùn)練模塊界面說明

在本界面中主要有以下控件：一個(gè)靜態(tài)編輯文本框，用兩個(gè)供顯示測(cè)試結(jié)果的坐標(biāo)軸；三個(gè)可編輯文本框，四個(gè)panel嵌板，四個(gè)功能按鈕控件。將各組件放置到合適位置并進(jìn)行屬性編輯，優(yōu)化界面。

2.3.2 模型測(cè)試模塊的運(yùn)行

根據(jù)所介紹的模型測(cè)試算法，用Matlab編寫故障診斷子模型的測(cè)試程序，同時(shí)對(duì)界面中的各控件進(jìn)行編寫相應(yīng)的回調(diào)函數(shù)。待訓(xùn)練結(jié)束后，用表2中的測(cè)試樣本數(shù)據(jù)對(duì)所得的訓(xùn)練參數(shù)模型wj進(jìn)行測(cè)試。

在測(cè)試界面下，按下“讀取數(shù)據(jù)”，確定待測(cè)數(shù)據(jù)被加載到測(cè)試程序中。點(diǎn)擊“開始測(cè)試”按鍵，運(yùn)行程序后，測(cè)試結(jié)果分別以圖像和數(shù)字的形式顯示，以便對(duì)比理想輸出和實(shí)際輸出。模型測(cè)試模塊運(yùn)行后的結(jié)果如圖6所示。

圖6 模型測(cè)試模塊運(yùn)行

3 結(jié)束語(yǔ)

通過具體電機(jī)故障診斷模型的訓(xùn)練與測(cè)試表明，由于模型采用積木式可變結(jié)構(gòu)，大大簡(jiǎn)化了網(wǎng)絡(luò)訓(xùn)練全局收斂的難度，并在一定程度上提高了故障診斷的準(zhǔn)確性；同時(shí)也表明，所設(shè)計(jì)的電機(jī)故障診斷模型訓(xùn)練與測(cè)試平臺(tái)能夠完成模型訓(xùn)練與測(cè)試的各項(xiàng)功能要求，平臺(tái)界面清晰，使用方便。

參考文獻(xiàn)：

[1]穆麗娟，蘇曉娜，李曉明.RBF神經(jīng)網(wǎng)絡(luò)在異步電機(jī)故障診斷中的應(yīng)用[J].火力與指揮控制，2012（06）：48-51.

[2]J.F.Martins，V.Fernal Pires，A.J.Pires.Unsupervised Neural-Network-Based Algorithm for an On-Line Diagnosis of Three-Phase Induction Motor Stator Fault[J].IEEE Transactions on Industrial electronics，2007（01）：259-265.

[3]Bulent ayhan，Mo-Yuen Chow，Myung-Hyun Song.Multiple Discriminant analysis and neural-network-Based Monolith and Partition Fault-detection Schemes for Broken Rotor Bar in Induction Motors[J].IEEE Transactions on Industrial electronics，2006（04）：1298-1308.

[4]顧慧芳.MATLAB使用詳解[M].北京：電子工業(yè)出版社，2009.

[5]劉美容，何怡剛，方葛豐.遺傳小波神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2009（03）：40-44.

[6]呂永健，李子龍，張洪林.基于改進(jìn)遺傳小波網(wǎng)絡(luò)的電機(jī)故障診斷研究[J].微特電機(jī)，2012（04）：19-22.

[7]周紅建.淺析電機(jī)故障的診斷技術(shù)[J].信息系統(tǒng)工程，2012（07）：120-121.

作者簡(jiǎn)介：于際河（1988-），男，山東菏澤人，碩士研究生，研究方向：電機(jī)故障診斷。

作者單位：大連交通大學(xué)軟件學(xué)院，遼寧大連 116041