基于磁场逆向反演的永磁电机故障成像诊断方法和系统与流程
本发明属于工业设备故障诊断,具体涉及一种基于磁场逆向反演的永磁电机故障成像诊断方法和系统,适用于矿山、冶金等恶劣工业环境下永磁同步电机的早期电气与机械故障进行非侵入式、在线、高精度定位与量化诊断。
背景技术:
1、永磁同步电机凭借其高功率密度和高效率,广泛应用于矿山提升、运输等关键动力系统。然而,矿井环境复杂,电机长期承受重载、频繁启停及粉尘潮湿等应力,易发生定子匝间短路、永磁体局部退磁、转子动态偏心等早期故障。这些故障若不能被及时发现和处置,将导致电机性能衰退、能效降低,严重时可能引发设备损坏甚至安全事故,造成巨大的经济损失。
2、现有技术(如cn202510039973)通常采用transformer等深度学习模型进行故障分类。然而,此类方法属于数据驱动的监督学习,必须预先采集海量的、带有标签的故障样本(如转子断条、匝间短路数据)。在实际矿山生产中,获取高价值设备的破坏性故障样本几乎是不可能的,导致此类模型在零样本(zero-shot)场景下无法工作;另一类技术(如cn202510362434)虽然引入了文本大模型进行辅助诊断,但其本质仍是基于历史案例库的文本检索与生成(rag),缺乏对电机内部电磁场物理机理的解析能力。它们只能给出‘可能发生故障’的定性判断,无法实现对故障物理参数(如磁导率分布、短路电流密度)的定量反演与可视化成像。
3、永磁同步电机的故障通常表现为电磁场分布、振动频谱及温升模式的异常变化,可采用基于信号处理或数据驱动的方法进行故障诊断。通过传感器采集电流、电压、振动及磁场等信号,提取时域、频域或时频域特征,并构建机器学习或深度学习模型实现故障识别与分类。然而,现有诊断方法仍普遍存在对早期微弱故障特征敏感度不足、在变负载与强干扰环境下实时性较差、因工况波动导致误判率较高等问题。尤其是矿用等恶劣环境下的永磁电机,传统方法难以兼顾非侵入性、高精度定位与强抗干扰能力。
技术实现思路
1、本发明提供一种基于磁场逆向反演的永磁电机故障成像诊断方法和系统,实现对永磁电机故障的高精度、可解释诊断。
2、为实现上述技术目的,本发明采用如下技术方案:
3、一种基于磁场逆向反演的永磁电机故障成像诊断方法,包括:
4、获取用于综合表征电机运行与健康状态的参数向量,构建电机的材料磁导率分布图和激励源电流密度分布图;
5、将分布图和输入电机的数字孪生体,预测输出磁场向量;其中,数字孪生体通过对引入物理引导可微的神经网络训练并冻结参数构成;
6、将磁场向量预测值与实测磁场向量相减得到残差向量;
7、根据给定阈值判断残差向量是否显著,并在残差显著时启动故障反演;
8、通过迭代向分布图和添加扰动,并利用数字孪生体计算损失函数相对于所添加扰动的梯度,再利用梯度更新所添加扰动,直至重构出的预测磁场向量与实测磁场向量匹配,对应所添加扰动即为故障成像图;
9、根据故障成像图进行故障定位和程度判断。
10、进一步地,所述参数向量包括电机的基础参数、实时工况参数和故障标识参数,其中基础参数包括额定功率、额定转速、极对数、定子槽数、绕组连接方式、永磁体材料剩磁、定子内径、气隙长度、铁芯长度,实时工况参数包括转速和q轴电流。
11、进一步地,构建分布图时,以电机轴线为对称轴,构建包括定子、转子、永磁体及气隙的二维轴对称计算域,并将其离散为固定分辨率的规则网格,然后为每个网格生成两个通道的物理属性图;
12、第一通道为材料磁导率分布图:根据各网格位置对应的材料赋予对应的相对磁导率标量值,形成静态的材料磁导率分布图;其中,表示二维轴对称柱坐标系中的径向坐标,表示二维轴对称柱坐标系中的轴向坐标。
13、第二通道为激励源电流密度:根据转速、轴电流及绕组分布,在对应网格位置编码归一化的电流密度值,形成动态的激励源电流密度分布图。
14、进一步地,电机的数字孪生体采用编码器-解码器结构的卷积神经网络,输入为双通道物理场图像和,输出为磁矢势分布图;卷积神经网络的末端连接一个后处理层,通过旋度计算和坐标映射,将磁矢势分布图转换为传感器位置处的磁场向量。
15、进一步地,对引入物理引导可微的神经网络训练时,损失函数采用静磁场麦克斯韦方程在轴对称柱坐标下的弱形式能量泛函,即耦合场共能最小化目标;具体损失函数如下:
16、;
17、其中,为用于网络训练的物理损失函数;为计算域内采样点数量;第一项代表磁场储能密度,第二项代表电流源做功;为网络在第个采样点处预测的磁矢势的方位角分量,为轴对称坐标系下的径向坐标, 、分别为由输入图像和映射至第个采样点的材料磁导率和电流密度方位角分量;为边界约束项损失,用于强制计算域外边界处的磁矢势为零;为边界惩罚项的权重系数。
18、进一步地,利用基于yee网格的有限差分卷积算子,计算网络输出的磁矢势对空间坐标的偏导数,并代入损失函数公式计算损失值;然后通过梯度下降算法最小化上述损失值,利用反向传播算法更新网络的所有权重参数。
19、进一步地,利用数字孪生体计算反演损失函数相对于所添加扰动的梯度,表示为:
20、;
21、;
22、式中,表示故障反演损失函数,用于表征数字孪生体预测得到的磁场向量与实测磁场向量之间的差异;通过计算所述故障反演损失函数相对于扰动的梯度,获得用于更新扰动的优化方向;代表数字孪生体;表示电机实际的双通道物理属性图,由电机实际的材料磁导率分布图和激励源电流密度分布图构成;表示添加的扰动;表示时刻的实测磁场向量。
23、进一步地,利用梯度并采用自适应矩估计优化器更新所添加扰动,并在每一步迭代中,所添加扰动的更新规则为:
24、;
25、其中,为学习率,为梯度在第次迭代时经偏差校正后的一阶矩估计,用于表征故障反演损失函数梯度的指数加权平均;为梯度在第次迭代时经偏差校正后的二阶矩估计,用于表征所述梯度平方的指数加权平均;表数值稳定项,用于避免分母为零。
26、进一步地,根据故障成像图进行故障定位和程度判断,具体地:
27、根据材料磁导率通道对应的物理扰动的空间分布形成材料磁导率故障成像图,当所述材料磁导率故障成像图中某网格位置的扰动绝对值大于预设的材料磁导率扰动阈值时,将该网格位置确定为材料磁特性异常区域,并根据网格位置的扰动绝对值确定磁特性异常程度;
28、根据激励源电流密度通道对应的物理扰动的空间分布形成电流密度故障成像图,当所述电流密度故障成像图中某网格位置的扰动绝对值大于预设的电流密度扰动阈值时,将该网格位置确定为电流密度异常区域,并根据网格位置的扰动绝对值确定电流异常程度;
29、将异常区域在故障成像图中的空间坐标映射至电机物理模型,确定故障发生的具体位置。
30、一种基于磁场逆向反演的永磁电机故障成像诊断系统,包括:
31、信号采集模块,用于:采集永磁电机外壳上部署的个三轴磁场传感器信号,构建实测磁场向量;
32、物理场图像构建模块,用于:通过获取用于综合表征电机运行与健康状态的参数向量,构建电机的材料磁导率分布图和激励源电流密度分布图;
33、电机数字孪生体模块,通过对引入物理引导可微的神经网络训练并冻结参数构成,用于:将构建的分布图和作为输入,预测输出磁场向量;
34、残差计算与判决模块,用于:将磁场向量预测值与实测磁场向量相减得到残差向量;并根据给定阈值判断残差向量是否显著,并在残差显著时启动故障反演;
35、逆向成像模块,用于:通过迭代向分布图和添加扰动,并利用数字孪生体计算损失函数相对于所添加扰动的梯度,再利用梯度更新所添加扰动,直至重构出的预测磁场向量与实测磁场向量匹配,对应所添加扰动即为故障成像图;
36、故障判定模块,用于:根据故障成像图进行故障定位和程度判断。
37、与现有技术相比,本发明的有益效果为:
38、本发明通过构建材料磁导率分布和激励源电流密度分布的双通道物理场输入,并利用物理引导的可微数字孪生体建立电机内部物理状态与外部磁场响应之间的对应关系,从而提高故障诊断结果的物理可解释性。
39、进一步地,通过比较数字孪生体预测磁场与实测磁场之间的差异,并对输入物理场扰动进行梯度逆向优化,使预测磁场逐步逼近实测磁场,从而实现由外部磁场异常向电机内部物理状态变化的逆向反演。
40、最后,根据逆向优化得到的材料磁导率扰动和激励源电流密度扰动的空间分布形成故障成像结果,从而实现故障类型判断、故障位置确定及异常程度表征。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com