引用本文

许水清, 柴晖, 胡友强, 黄大荣, 张可, 柴毅. 高速列车牵引电机转子断条和速度传感器联合诊断方法. 自动化学报, 2023, 49(6): 1214−1227 doi: 10.16383/j.aas.c220461

Xu Shui-Qing, Chai Hui, Hu You-Qiang, Huang Da-Rong, Zhang Ke, Chai Yi. Simultaneous fault diagnosis of broken rotor bar and speed sensor for traction motor in high-speed train. Acta Automatica Sinica, 2023, 49(6): 1214−1227 doi: 10.16383/j.aas.c220461

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c220461

关键词

牵引电机，速度传感器故障，转子断条故障，未知输入滑模观测器，未知输入区间观测器 

摘要

为提升高速列车牵引系统的稳定性和可靠性, 针对其牵引电机提出一种基于未知输入观测器的转子断条和速度传感器故障联合诊断方法. 首先, 通过非奇异坐标变换, 将牵引电机系统解耦为两个分别只包含转子断条故障和速度传感器故障的子系统, 实现转子断条故障与速度传感器故障的解耦, 并进一步利用一阶低通滤波器将含速度传感器故障的子系统转化为增广系统. 其次, 对含转子断条故障的子系统和速度传感器故障增广系统分别设计未知输入区间观测器和未知输入滑模观测器. 在此基础上, 采用未知输入区间观测器上界和下界构建转子断条故障诊断的检测变量和自适应阈值, 利用未知输入滑模观测器的等效输出控制原理实现速度传感器故障估计. 最后, 通过仿真和TDCS-FIB平台实验验证了所提方法的有效性和鲁棒性.

文章导读

随着我国高速铁路的快速发展, CRH (China railway high-speed) 系列动车组已成为我国铁路干线的主要运载车辆. 牵引电机作为CRH型动车组的关键部件之一, 通常采用三相异步电机, 其作用是将电能转化为机械能, 为高速列车持续运行提供动力[1-2]. 然而, 由于工作环境复杂多变且长时间不间断运行, 牵引电机的安全运行遭受到严重威胁. 统计数据表明, 速度传感器故障和转子断条故障占整个牵引电机故障的40% 以上[3]. 因此, 速度传感器故障和转子断条故障诊断对保障高速列车牵引电机的安全可靠运行具有重要意义.

目前, 牵引电机速度传感器故障和转子断条故障诊断方法主要分为基于数据驱动的诊断方法和基于解析模型的诊断方法[4-6]. 基于数据驱动的诊断方法是通过对监测信号进行分析, 从而挖掘出有效信息进行故障诊断[7-11]. 如文献[12]首先基于变分模态分解和萤火虫优化算法获取了电机电流的基频分量信号, 然后利用Park变换进行特征提取实现了交流变频电机的转子断条故障诊断; 文献[13]通过注入零序信号并利用Park变换提取了转子断条的电流基频信号, 从而完成了异步电机转子断条故障诊断; 文献[14]首先利用快速傅里叶变换(Fast Fourier transform, FFT)分析了异步电机故障电流信号频谱的稀松程度, 然后引入正交匹配追踪算法实现了转子断条故障诊断; 文献[15]通过在线估计传感器的概率密度函数获取故障信息, 结合贝叶斯网络对故障信息分类, 实现了高铁牵引系统电流传感器和速度传感器的故障诊断. 然而, 基于数据驱动的牵引电机故障诊断方法依赖于监测信号的数量和质量, 易受系统噪声和负载扰动等因素的影响, 计算量大且故障诊断时间普遍较长.

由于能够建立精确反映牵引电机非线性动态的机理模型, 因此基于解析模型的故障诊断方法在牵引电机中被广泛采用. 如文献[16]构建了牵引电机驱动系统开路故障下的电流模型, 并利用开路故障电流构建自适应故障特征量, 实现了驱动系统开路故障诊断; 文献[17]构建了电压不平衡下的牵引电机故障模型, 并采用电流及电压设计故障检测变量, 实现了牵引电机的匝间短路故障程度评估; 文献[18]通过构造含有电流传感器故障的牵引电机增广系统, 并设计未知输入区间观测器, 实现了牵引电机电流传感器故障大小的估计; 文献[19]针对感应电机存在的传感器故障和电机转矩偏置故障, 通过设计T-S模糊型的滑模观测器, 实现了传感器故障和电机转矩偏置故障的估计; 文献[20]则通过对牵引电机单相三电平整流器不同电流传感器故障分别建立对应的状态观测器, 利用网侧电流残差与固定阈值对比实现了电流传感器故障诊断. 此外, 文献[21]通过对牵引电机系统进行非奇异坐标变换, 重构了牵引电机匝间短路故障, 并在此基础上设计区间滑模观测器, 实现了牵引电机匝间短路故障诊断. 其次, 文献[22]也对牵引电机系统进行非奇异坐标变换, 将牵引电机传感器故障与未知扰动解耦, 在此基础上利用ToMFIR残差和滑模观测器, 实现了牵引电机传感器复合故障诊断. 同样, 文献[23]利用非线性坐标变换重构牵引电机定/转子绕组故障和扰动, 并在此基础上设计故障检测观测器和故障隔离观测器, 实现了牵引电机转子断条故障和匝间短路故障的检测与识别.

另一方面, 速度传感器故障和转子断条故障都会导致牵引电机转速等测量数据异常, 然而上述的牵引电机故障诊断方法在诊断过程中未对速度传感器故障和转子断条故障进行区分. 若仅设计速度传感器故障诊断方法, 当转子断条故障发生时, 牵引电机转速同样发生异常, 将会导致速度传感器故障诊断方法出现误报. 类似的, 若仅设计转子断条故障诊断方法, 当速度传感器发生故障时, 也会造成转子断条故障诊断方法产生误报. 此外, 相比采用不同方法分别诊断速度传感器故障和转子断条故障, 采用同一方法联合诊断速度传感器故障和转子断条故障能够减少计算复杂度, 避免故障误报和漏报. 因此, 联合诊断速度传感器故障和转子断条故障对提高高速列车牵引系统可靠性和降低运维成本具有重要意义. 同时, 在牵引电机系统中, 根据故障机理建模分析, 可将转子断条故障等效为执行器故障. 这样含有转子断条故障和速度传感器故障的牵引电机系统可以视为一类包含执行器故障、传感器故障和未知扰动的非线性系统. 而关于非线性系统故障解耦方面的研究已有很多, 如文献[24]利用坐标变换将非线性系统执行器故障与未知扰动解耦, 然后针对含有扰动的子系统设计滑模观测器估计非线性系统状态, 并利用观测器输出信息重构执行器故障, 实现非线性系统执行器故障估计; 文献[25]通过坐标变换将含有传感器故障和执行器故障的非线性系统解耦, 并针对两类故障设计了不同类型的观测器, 从而实现非线性系统执行器故障诊断和传感器故障估计. 这些研究成果为本文进行牵引电机转子断条故障和速度传感器故障联合诊断提供了理论基础.

为此, 本文提出了一种基于未知输入观测器的牵引电机速度传感器故障和转子断条故障联合诊断方法. 该方法首先将牵引电机系统转换为一个只包含转子断条故障的子系统和一个只包含速度传感器故障的增广系统; 然后, 对转子断条故障子系统和速度传感器故障增广系统分别设计未知输入区间观测器和未知输入滑模观测器; 在此基础上, 实现了转子断条故障诊断和速度传感器故障估计. 本文的主要创新点和贡献在于以下三个方面:

1) 首次提出了牵引电机转子断条故障和速度传感器故障联合诊断方法, 该方法利用非奇异矩阵变换, 将牵引电机系统转化为一个只包含转子断条故障的子系统与一个只包含速度传感器故障的增广系统, 实现了转子断条故障与速度传感器故障的解耦. 此外, 该方法不仅能够避免单一故障诊断方法中两种故障相互影响而引起的误报和漏报, 而且能够在一定程度上减少计算复杂度. 并且, 采用同一方法联合诊断能够及时判断出牵引电机的故障部件是速度传感器还是电机转子, 有利于在检测到故障后及时采取措施进行后续维护, 对保障牵引电机的安全可靠运行具有重要意义.

2) 针对牵引电机转子断条故障, 首先对转子断条故障子系统设计了未知输入区间观测器, 消除了未知扰动等不确定性因素的影响且不需要考虑未知扰动上界, 并且在设计中以合理的上下界区间代替非线性项的单个测量点, 有效解决了高阶非线性项不满足Lipschitz条件的情况和消除了高阶非线性项对系统状态估计的影响, 精确估计转子断条故障子系统状态. 然后, 利用未知输入区间观测器的上下界构造了转子断条故障检测变量和自适应阈值, 实现了转子断条故障的高准确性和强鲁棒性检测.

3) 针对牵引电机速度传感器故障, 首先引入一阶低通滤波器将速度传感器故障转换为增广系统的执行器故障, 然后对增广系统设计未知输入滑模观测器, 不仅有效隔离了未知扰动等不确定性因素的影响且不需要考虑未知扰动上界, 并且还采用小偏差线性化方法解决了系统非线性项不满足Lipschitz条件的情况, 从而精确估计速度传感器故障增广系统状态. 然后, 利用未知输入滑模观测器的等效输出控制原理, 实现了速度传感器故障的精确跟踪估计.

图 1  故障诊断原理图

图 2  牵引电机转子断条数目较多时的故障诊断结果

图 3  牵引电机转子断条数目较少时的故障诊断结果

本文针对高速列车牵引电机的转子断条故障与速度传感器故障, 提出了一种基于未知输入观测器的联合诊断方法. 首先, 为实现牵引电机转子断条故障与速度传感器故障的解耦, 设计非奇异坐标变换将牵引电机系统解耦为两个分别只包含转子断条故障和速度传感器故障的子系统, 且进一步利用一阶低通滤波器将含有速度传感器故障的子系统转化为增广系统; 其次, 对含有转子断条故障的子系统设计未知输入区间观测器, 并利用未知输入区间观测器的上下界构造故障诊断变量和自适应阈值; 接着, 对包含速度传感器故障的子系统设计未知输入滑模观测器, 并利用等效输出控制原理实现速度传感器故障准确估计. 本文所提方法避免了单一故障诊断方法中两种故障相互影响而引起的误报和漏报, 易于实现且诊断速度较快. 最后, 通过仿真和TDCS-FIB平台实验验证了本文所提方法的有效性和鲁棒性.

作者简介

许水清

合肥工业大学电气与自动化工程学院副教授. 主要研究方向为电气设备在线监测与故障诊断. E-mail: xsqanhui91@gmail.com

柴晖

合肥工业大学电气与自动化工程学院硕士研究生. 主要研究方向为电气设备故障诊断与应用. E-mail: chaihui0915@163.com

胡友强

重庆大学自动化学院副研究员. 主要研究方向为故障诊断, 机器学习. E-mail: yqhu@cqu.edu.cn

黄大荣

安徽大学人工智能学院教授. 主要研究方向为故障诊断与预测. 本文通信作者. E-mail: drhuang@cqjtu.edu.cn

张可

重庆大学自动化学院教授. 主要研究方向为智能控制, 故障诊断. E-mail: smeta@163.com

柴毅

重庆大学自动化学院教授. 主要研究方向为智能系统故障诊断与应用. E-mail: chaiyi@cqu.edu.cn