感应电动机定子匝间故障与断转子条共存的混合容错控制策略

《IEEE Access》：Fault-Tolerant Control of Induction Motors with Simultaneous Stator and Rotor Faults Using Deep Learning

　　

摘要：

本研究提出了一种针对同时存在定子匝间故障和断转子条的感应电动机驱动的容错控制方法。容错控制律基于面向控制的模型推导，而所有结果均在耦合电路模型上产生，该模型中匝间故障承载环流。本文报告的所有结果均通过仿真获得。包含405次运行的数据集涵盖了不同严重程度、转速和负载。一种混合卷积神经网络从定子电流、转子转速和工程特征中估计各故障的存在及严重程度，并通过估计的环流判定匝间故障，该环流在终端可辨识。故障严重程度调度联合容错策略，重新整定转子时间常数，并对测量的负序分量启用调节器。转子故障的均衡准确率在五折交叉验证下为97.4%，当保留完整操作点时则为65.8%至89.4%。当环流超过额定值1.5倍时，匝间故障检测准确率可达99.7%，且在清洁测量条件下健康电机无虚警；当环流低于额定值0.8倍时，准确率接近随机水平。由于两种故障将最优转子时间常数向相反方向偏移，单一严重程度调度使磁场定向误差增大24.2%，而联合调度则使其降低12.8%，并消除48.5%的电流不平衡，代价是转速纹波增加2.0%、转矩纹波增加6.9%。因此，共发生故障需要根据两种严重程度分别进行校正调度，且该方案在修正方案未从中推导的装置上仍然有效。