关键词:
缺相故障
故障诊断
改进经验小波变换
CatBoost算法
摘要:
【目的】永磁同步电机(PMSM)因其功率因数高、结构简单和动态性能好等优势在风力发电、电动汽车领域得到广泛应用。然而,PMSM在运行过程中由于驱动器损坏、定子绕组接线松动等原因可能会导致缺相故障,PMSM缺相运行时会产生噪声和振动,导致输出功率降低,并且长时间缺相运行会损坏电气设备,因此对其进行准确的故障诊断对于保障设备的正常运行至关重要。【方法】本文提出了一种基于改进经验小波变换(IEWT)和分类提升(CatBoost)算法的故障诊断策略,并将其应用于六相PMSM缺相故障诊断。首先,介绍了IEWT算法的基本原理,IEWT算法在Welch功率谱曲线上进行频谱分割,相较于经验小波变换(EWT)算法,能有效抑制模态混叠;然后,对PMSM故障信号进行IEWT分解得到各个模态分量,利用各个模态的能量矩表征故障信号,构建故障分类数据集;最后,基于算数优化算法,取数据集的80%作为训练集对CatBoost算法进行超参数调优,选择合适的超参数构建CatBoost故障分类模型,并与其他传统分类模型进行对比。【结果】试验结果表明,本文所提基于IEWT和CatBoost算法的故障诊断策略有效抑制了传统EWT算法中因主频附近旁瓣过大导致的错误分段现象,提高了故障分类的准确率。与传统分类模型相比,CatBoost多分类模型能够更加准确地识别故障类别,且在每种故障类别上的分类性能表现均衡,泛化能力更强,在不同的故障工况下均有良好表现。【结论】试验结果验证了本文所提故障诊断策略在六相PMSM缺相故障诊断上的可行性和有效性,为后续六相PMSM容错控制以及综合故障检测技术提供了支撑。