基于GA-BP的電機(jī)溫升預(yù)測(cè)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(jī)的發(fā)熱散熱具有時(shí)變性和非線(xiàn)性，電機(jī)溫升無(wú)法準(zhǔn)確計(jì)算，本文以S5工作制電機(jī)為載體，提出構(gòu)建基于GA-BP的電機(jī)溫升預(yù)測(cè)模型：借助GA算法的全局性?xún)?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(yàn)平臺(tái)，采集樣本進(jìn)行模型的訓(xùn)練與測(cè)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(jī)熱平衡狀態(tài)到達(dá)時(shí)間和電機(jī)最高溫升的預(yù)測(cè)，可大幅減少試驗(yàn)人員測(cè)量頻次，提高電機(jī)溫升試驗(yàn)效率和精度。

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

引言

隨著科技的不斷進(jìn)步，電機(jī)作為基礎(chǔ)件在機(jī)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(guó)發(fā)電量的40%。由于電機(jī)內(nèi)部的繞組、鐵心等損耗均會(huì)轉(zhuǎn)化成熱能使電機(jī)溫度升高，而過(guò)高溫度會(huì)縮短電機(jī)壽命，甚至燒毀電機(jī)，因此國(guó)際上定義電機(jī)溫度比環(huán)境溫度高出的值為“溫升”，要求電機(jī)制造廠(chǎng)家必須對(duì)最高溫升進(jìn)行預(yù)測(cè)與控制。國(guó)標(biāo)稱(chēng)電機(jī)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(shí)達(dá)最高溫升。

因電機(jī)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(guò)程十分復(fù)雜，無(wú)法進(jìn)行溫升的準(zhǔn)確計(jì)算，目前國(guó)內(nèi)外也常用簡(jiǎn)化公式、等效熱路[1-2]和溫度場(chǎng)[3-4]等方法預(yù)測(cè)電機(jī)溫升，但一般用于連續(xù)工作制電機(jī)，于斷續(xù)周期工作制電機(jī)而言，過(guò)多的假設(shè)和簡(jiǎn)化會(huì)顯著降低預(yù)測(cè)準(zhǔn)確性，無(wú)實(shí)際應(yīng)用價(jià)值。為此本文以斷續(xù)周期工作制中的S5工作制電機(jī)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(jī)溫升預(yù)測(cè)模型，通過(guò)預(yù)估電機(jī)熱平衡狀態(tài)到達(dá)時(shí)間，將斷電測(cè)量次數(shù)由原來(lái)的9～10次降低至1～2次，減少斷電散熱對(duì)試驗(yàn)結(jié)果的影響，有效縮短試驗(yàn)時(shí)間，將原先1臺(tái)/日*人的試驗(yàn)效率提高到n臺(tái)/日*人，實(shí)現(xiàn)試驗(yàn)效率與試驗(yàn)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(wú)須事前數(shù)學(xué)建模就可實(shí)現(xiàn)任意線(xiàn)性或非線(xiàn)性函數(shù)映射，滿(mǎn)足電機(jī)溫升預(yù)測(cè)模型建立的需要。然而B(niǎo)P網(wǎng)絡(luò)也存在缺陷，初始權(quán)值和閾值的隨機(jī)產(chǎn)生可能會(huì)導(dǎo)致網(wǎng)絡(luò)不收斂或陷入局部極值點(diǎn)，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(jī)溫升預(yù)測(cè)模型構(gòu)建

斷續(xù)周期工作制電機(jī)因反復(fù)的起動(dòng)、制動(dòng)及斷能停轉(zhuǎn)，相比連續(xù)工作制電機(jī)，其發(fā)熱散熱過(guò)程更復(fù)雜，到達(dá)熱平衡狀態(tài)所需時(shí)間更久。某一額定功率為11.7kW的S5-40%工作制電機(jī)，單次溫升試驗(yàn)約需9h，試驗(yàn)人員需要頻繁地給電機(jī)斷電、接線(xiàn)進(jìn)行繞組電阻的測(cè)量，換算得到溫升值，直至電機(jī)到達(dá)熱平衡狀態(tài)。由于每次測(cè)量都會(huì)讓電機(jī)短暫散熱，因此試驗(yàn)結(jié)果存在誤差;而頻繁的接線(xiàn)與換算極易出錯(cuò)，試驗(yàn)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(jī)溫升預(yù)測(cè)模型，根據(jù)電機(jī)控制技術(shù)確定三層BP網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)為9，輸出節(jié)點(diǎn)為2，實(shí)現(xiàn)熱平衡時(shí)間和最高溫升的預(yù)測(cè)。

采集20組不同型號(hào)S5工作制電機(jī)的溫升試驗(yàn)數(shù)據(jù)，其中16組用于溫升預(yù)測(cè)模型訓(xùn)練，4組用于模型測(cè)試。考慮樣本數(shù)據(jù)取值范圍差異大，應(yīng)對(duì)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(jī)溫升預(yù)測(cè)，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(diǎn)交叉概率為0.90，變異概率為0.02。通過(guò)反復(fù)訓(xùn)練，最終確定BP網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)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(jī)溫升預(yù)測(cè)模型的驗(yàn)證

用4組測(cè)試樣本對(duì)所構(gòu)建的電機(jī)溫升預(yù)測(cè)模型進(jìn)行驗(yàn)證，結(jié)果如表1所示：試驗(yàn)實(shí)測(cè)值和模型預(yù)測(cè)值誤差較小，可用于實(shí)際工程中。通過(guò)本模型，可在電機(jī)溫升試驗(yàn)前快速、準(zhǔn)確地預(yù)測(cè)電機(jī)熱平衡狀態(tài)到達(dá)時(shí)間和最高溫升，試驗(yàn)人員可同時(shí)對(duì)多臺(tái)電機(jī)開(kāi)展試驗(yàn)，僅需在預(yù)測(cè)時(shí)刻進(jìn)行1次測(cè)量即可（亦可于1h后進(jìn)行第2次復(fù)測(cè)），相比之前的9～10次斷電測(cè)量和1臺(tái)/日*人的測(cè)試效率，顯著提高了試驗(yàn)效率、人員利用率和試驗(yàn)結(jié)果可靠性。

4結(jié)束語(yǔ)

本文以斷續(xù)周期工作制電機(jī)為研究對(duì)象，采用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，建立了電機(jī)溫升預(yù)測(cè)模型。通過(guò)預(yù)測(cè)可大大簡(jiǎn)化溫升試驗(yàn)過(guò)程，減少試驗(yàn)人員的工作量，保證試驗(yàn)精度，提高試驗(yàn)效率，降低試驗(yàn)成本，具有實(shí)際工程意義，可在電機(jī)設(shè)計(jì)領(lǐng)域廣泛應(yīng)用。

參考文獻(xiàn)

[1] 胡浩，鐘璐.電動(dòng)機(jī)溫升估算有關(guān)問(wèn)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(chē)發(fā)電機(jī)轉(zhuǎn)子三維溫度場(chǎng)有限元計(jì)算[J].電機(jī)與控制應(yīng)用，2011，38（1）：5-10.

[4] 江善林.高速永磁同步電機(jī)的損耗分析與溫度場(chǎng)計(jì)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(jì)[M]. 北京：機(jī)械工業(yè)出版社，2010：83-91.