基于GA-BP的電機溫升預(yù)測模型構(gòu)建

丁媛媛 金寅德 吳曉蘇 李金輝 俞芃

摘 要 由于電機的發(fā)熱散熱具有時變性和非線性，電機溫升無法準(zhǔn)確計算，本文以S5工作制電機為載體，提出構(gòu)建基于GA-BP的電機溫升預(yù)測模型：借助GA算法的全局性優(yōu)化BP網(wǎng)絡(luò)的權(quán)值與閾值，增加網(wǎng)絡(luò)學(xué)習(xí)能力;搭建溫升試驗平臺，采集樣本進(jìn)行模型的訓(xùn)練與測試，結(jié)果表明，所構(gòu)建的模型可迅速準(zhǔn)確地進(jìn)行電機熱平衡狀態(tài)到達(dá)時間和電機最高溫升的預(yù)測，可大幅減少試驗人員測量頻次，提高電機溫升試驗效率和精度。

關(guān)鍵詞 GA;BP;遺傳算法;神經(jīng)網(wǎng)絡(luò);電機溫升

引言

隨著科技的不斷進(jìn)步，電機作為基礎(chǔ)件在機械加工、冶金、電力等領(lǐng)域均有廣泛應(yīng)用，其用電量占全國發(fā)電量的40%。由于電機內(nèi)部的繞組、鐵心等損耗均會轉(zhuǎn)化成熱能使電機溫度升高，而過高溫度會縮短電機壽命，甚至燒毀電機，因此國際上定義電機溫度比環(huán)境溫度高出的值為“溫升”，要求電機制造廠家必須對最高溫升進(jìn)行預(yù)測與控制。國標(biāo)稱電機在額定工況下繞組溫度1h內(nèi)變化小于2K的狀態(tài)為熱平衡，此時達(dá)最高溫升。

因電機是由許多不同物理性質(zhì)、不同導(dǎo)熱能力的部件組成，其發(fā)熱和散熱過程十分復(fù)雜，無法進(jìn)行溫升的準(zhǔn)確計算，目前國內(nèi)外也常用簡化公式、等效熱路[1-2]和溫度場[3-4]等方法預(yù)測電機溫升，但一般用于連續(xù)工作制電機，于斷續(xù)周期工作制電機而言，過多的假設(shè)和簡化會顯著降低預(yù)測準(zhǔn)確性，無實際應(yīng)用價值。為此本文以斷續(xù)周期工作制中的S5工作制電機為例，提出將遺傳算法與神經(jīng)網(wǎng)絡(luò)結(jié)合的GA-BP算法，建立基于GA-BP的斷續(xù)周期工作制電機溫升預(yù)測模型，通過預(yù)估電機熱平衡狀態(tài)到達(dá)時間，將斷電測量次數(shù)由原來的9～10次降低至1～2次，減少斷電散熱對試驗結(jié)果的影響，有效縮短試驗時間，將原先1臺/日*人的試驗效率提高到n臺/日*人，實現(xiàn)試驗效率與試驗精度的同步提高。

1GA-BP算法原理

BP （Back Propagation）神經(jīng)網(wǎng)絡(luò)是一種多層前饋人工神經(jīng)網(wǎng)絡(luò)[5]，無須事前數(shù)學(xué)建模就可實現(xiàn)任意線性或非線性函數(shù)映射，滿足電機溫升預(yù)測模型建立的需要。然而BP網(wǎng)絡(luò)也存在缺陷，初始權(quán)值和閾值的隨機產(chǎn)生可能會導(dǎo)致網(wǎng)絡(luò)不收斂或陷入局部極值點，為此本文引入遺傳算法（Genetic algorithm，GA）形成GA-BP算法。借助GA的種群全局尋優(yōu)，采用逐次迭代法優(yōu)化BP網(wǎng)絡(luò)各連接層參數(shù)，確定BP網(wǎng)絡(luò)的最優(yōu)權(quán)、閾值，可提高網(wǎng)絡(luò)的學(xué)習(xí)能力和收斂速度，其原理如圖1所示。

2基于GA-BP的斷續(xù)周期工作制電機溫升預(yù)測模型構(gòu)建

斷續(xù)周期工作制電機因反復(fù)的起動、制動及斷能停轉(zhuǎn)，相比連續(xù)工作制電機，其發(fā)熱散熱過程更復(fù)雜，到達(dá)熱平衡狀態(tài)所需時間更久。某一額定功率為11.7kW的S5-40%工作制電機，單次溫升試驗約需9h，試驗人員需要頻繁地給電機斷電、接線進(jìn)行繞組電阻的測量，換算得到溫升值，直至電機到達(dá)熱平衡狀態(tài)。由于每次測量都會讓電機短暫散熱，因此試驗結(jié)果存在誤差;而頻繁的接線與換算極易出錯，試驗結(jié)果受人為因素影響大，為此本文構(gòu)建如圖2所示的基于GA-BP算法的斷續(xù)周期工作制電機溫升預(yù)測模型，根據(jù)電機控制技術(shù)確定三層BP網(wǎng)絡(luò)的輸入層節(jié)點為9，輸出節(jié)點為2，實現(xiàn)熱平衡時間和最高溫升的預(yù)測。

采集20組不同型號S5工作制電機的溫升試驗數(shù)據(jù)，其中16組用于溫升預(yù)測模型訓(xùn)練，4組用于模型測試。考慮樣本數(shù)據(jù)取值范圍差異大，應(yīng)對數(shù)據(jù)進(jìn)行歸一化處理，加快網(wǎng)絡(luò)訓(xùn)練速度。借助Matlab利用GA優(yōu)化三層BP網(wǎng)絡(luò)，進(jìn)行S5工作制電機溫升預(yù)測，其中遺傳算法的初始種群規(guī)模為60，最大進(jìn)化代數(shù)為100，單點交叉概率為0.90，變異概率為0.02。通過反復(fù)訓(xùn)練，最終確定BP網(wǎng)絡(luò)的隱含層節(jié)點數(shù)為12，訓(xùn)練算法為trainlm，最大訓(xùn)練次數(shù)為1000，誤差精度為0.001。

3電機溫升預(yù)測模型的驗證

用4組測試樣本對所構(gòu)建的電機溫升預(yù)測模型進(jìn)行驗證，結(jié)果如表1所示：試驗實測值和模型預(yù)測值誤差較小，可用于實際工程中。通過本模型，可在電機溫升試驗前快速、準(zhǔn)確地預(yù)測電機熱平衡狀態(tài)到達(dá)時間和最高溫升，試驗人員可同時對多臺電機開展試驗，僅需在預(yù)測時刻進(jìn)行1次測量即可（亦可于1h后進(jìn)行第2次復(fù)測），相比之前的9～10次斷電測量和1臺/日*人的測試效率，顯著提高了試驗效率、人員利用率和試驗結(jié)果可靠性。

4結(jié)束語

本文以斷續(xù)周期工作制電機為研究對象，采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，建立了電機溫升預(yù)測模型。通過預(yù)測可大大簡化溫升試驗過程，減少試驗人員的工作量，保證試驗精度，提高試驗效率，降低試驗成本，具有實際工程意義，可在電機設(shè)計領(lǐng)域廣泛應(yīng)用。

參考文獻(xiàn)

[1] 胡浩，鐘璐.電動機溫升估算有關(guān)問題[J].電工電氣，2009（6）：14-15.

[2] Ferreira A P，Costa A F. Thermal analysis of an Axial Flux Permanent Magnet machine[C]. International Conference on Electrical Machines. IEEE，2012：1482-1487.

[3] 鮑曉華.汽車發(fā)電機轉(zhuǎn)子三維溫度場有限元計算[J].電機與控制應(yīng)用，2011，38（1）：5-10.

[4] 江善林.高速永磁同步電機的損耗分析與溫度場計算[D]哈爾濱：哈爾濱工業(yè)大學(xué)，2010.

[5] 傅薈璇，趙紅. MATLAB 神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M]. 北京：機械工業(yè)出版社，2010：83-91.