基于LSTM網(wǎng)絡(luò)在時(shí)變轉(zhuǎn)速鼠籠電機(jī)斷條診斷中的應(yīng)用?

李夢(mèng)含 李垣江 夏 炎 王延波

（江蘇科技大學(xué)電子信息學(xué)院 鎮(zhèn)江 212003）

1 引言

鼠籠式異步電機(jī)是工農(nóng)業(yè)生產(chǎn)中應(yīng)用最為廣泛的電機(jī)，其本身具有的可靠性對(duì)保障連續(xù)生產(chǎn)、降低電機(jī)維護(hù)費(fèi)用有著重要意義。但受工藝和使用環(huán)境的影響，鼠籠電機(jī)又常會(huì)發(fā)生各種突發(fā)故障，如軸承破碎、繞組局短路、轉(zhuǎn)子斷條等。其中轉(zhuǎn)子斷條故障是鼠籠電機(jī)特有的故障形式。由于其特殊的結(jié)構(gòu)，鼠籠電機(jī)參數(shù)不容易被獲取，并且在故障初期也并不會(huì)出現(xiàn)類似機(jī)體噪聲增加、機(jī)體溫度上升等易察覺的征兆。

近些年來，國內(nèi)外研究人員對(duì)電機(jī)斷條做了一系列研究［1～4］，其中MCSA采用單相定子電流譜分析原理簡單、方便實(shí)用。經(jīng)典MCSA方法是基于快速傅里葉（Fast Fourier Transform，F(xiàn)FT）數(shù)學(xué)理論，但該方法必須要求電機(jī)的電流信號(hào)是平穩(wěn)信號(hào)，只有在電機(jī)平穩(wěn)運(yùn)行時(shí)才可以近似為“平穩(wěn)信號(hào)”。但相對(duì)于平穩(wěn)運(yùn)行，電機(jī)的時(shí)變運(yùn)行則是更加常見的工作狀態(tài)。此時(shí)MCSA要求的平穩(wěn)信號(hào)應(yīng)用條件完全被打破，造成該方法完全失效。RNN網(wǎng)絡(luò)也有缺陷：在反向傳播梯度下，降法調(diào)參優(yōu)化的時(shí)候容易出現(xiàn)梯度消失和爆炸現(xiàn)象。作為改進(jìn)模型，LSTM很好地解決了RNN難以訓(xùn)練的缺陷。

2 斷條故障特征分析及問題描述

在電機(jī)轉(zhuǎn)速相對(duì)穩(wěn)定的時(shí)候，電機(jī)的負(fù)載電流近似不變。所以整個(gè)系統(tǒng)可以看作是平穩(wěn)信號(hào)，此時(shí)a、b、c三相電流如式（1）［5～7］。

其中，Im為電流的基本最大分量，基波頻率ω=2πf。各電流相位相差2π/3，noise為負(fù)載波動(dòng)的高斯白噪聲。電機(jī)發(fā)生斷條故障時(shí)候，電機(jī)電路電氣不平衡導(dǎo)致轉(zhuǎn)子間的氣隙磁場畸變，最終在定子繞組中感生出周期性的電流擾動(dòng)，表現(xiàn)在頻域就是與轉(zhuǎn)子有關(guān)的諧波分量，(1±2ks)，k=1，2，3…因此產(chǎn)生故障時(shí)電流表達(dá)式發(fā)生改變，如圖1所示。

圖1 電機(jī)轉(zhuǎn)速不變的斷條故障時(shí)域頻域圖

圖1中故障電機(jī)穩(wěn)定運(yùn)行，幅值穩(wěn)定在頻域反映出來的是基波附近有明顯的諧波分量，傳統(tǒng)的基于頻域處理方式就是利用了這個(gè)頻域特性。圖2中由于電機(jī)轉(zhuǎn)速在區(qū)間變化，負(fù)載的電流發(fā)生改變、電流幅值也改變，體現(xiàn)在頻域的是基波附近的信號(hào)重疊在一起無法很好地分離。對(duì)于這種情況也有使用經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decompo?sition，EMD）將疊加在基波信號(hào)上的所有信號(hào)分離然后逐個(gè)分析分離后的信號(hào)分量。此方法對(duì)信號(hào)本身的要求［5～7］：1）在整個(gè)時(shí)間范圍內(nèi)，局部極值點(diǎn)和過零點(diǎn)的數(shù)目必須相等，或最多相差一個(gè)。2）在任意時(shí)刻點(diǎn)，局部最大值的包絡(luò)（上包絡(luò)線）和局部最小值的包絡(luò)（下包絡(luò)線）平均必須為零。電機(jī)在實(shí)際成產(chǎn)環(huán)境下不一定能滿足EMD分解條件，因此大大地限制了這種方法的使用。如何利用斷條早期的電器特性檢測(cè)和預(yù)估出斷條的故障已經(jīng)成為研究的熱點(diǎn)之一［8］。

圖2 電機(jī)轉(zhuǎn)速時(shí)變的斷條故障時(shí)域頻域圖

3 LSTM網(wǎng)絡(luò)模型

3.1 LSTM網(wǎng)絡(luò)原理

LSTM是一種特殊形式的RNN，是為了解決梯度消失和梯度爆炸問題而設(shè)計(jì)的［11］。在學(xué)習(xí)長時(shí)依賴關(guān)系時(shí)有著卓越的表現(xiàn)，如圖3所示。

圖3 LSTM單元結(jié)構(gòu)圖

LSTM的輸出門，用于輸出內(nèi)容即計(jì)算另一隱狀態(tài)ht的值。同樣是根據(jù)xt和ht-1計(jì)算，οt中每一個(gè)數(shù)值在0～1之間，ht通過οt*tanh(Ct)得到。如式（2）所示：

通過這種結(jié)構(gòu)，LSTM網(wǎng)絡(luò)能夠很好地遺忘掉之前網(wǎng)絡(luò)相關(guān)性弱的信息，網(wǎng)絡(luò)的訓(xùn)練算法采用通過時(shí)間的反向傳播算法（Back Propagation Through Time，BPTT）進(jìn)行訓(xùn)練。

3.2 基于LSTM的電機(jī)斷條模型

電機(jī)在時(shí)變轉(zhuǎn)速運(yùn)行的時(shí)候，電機(jī)采樣的電流特征值可以看做是一個(gè)時(shí)間序列，當(dāng)前時(shí)刻t狀態(tài)與此之前的k狀態(tài)有關(guān)。即輸入的向量為。輸出向量所以針對(duì)網(wǎng)絡(luò)的設(shè)計(jì)模型結(jié)構(gòu)可以如圖4。

圖4 斷條電機(jī)LSTM模型

4 實(shí)驗(yàn)分析

實(shí)驗(yàn)由電源系統(tǒng)、電機(jī)機(jī)械系統(tǒng)、數(shù)據(jù)采集系統(tǒng)、信號(hào)處理系統(tǒng)四部分組成。實(shí)驗(yàn)電機(jī)是1臺(tái)額定功率3kW、額定電壓380V、額定電流6.8A的鼠籠電機(jī)，參數(shù)如表1所示。

表1 實(shí)驗(yàn)電機(jī)參數(shù)

電機(jī)帶有三根斷條，實(shí)驗(yàn)過程中設(shè)定工作頻率為50Hz、電機(jī)數(shù)據(jù)采樣1kHz，采樣時(shí)間20s。調(diào)節(jié)電機(jī)每分鐘轉(zhuǎn)速區(qū)間[1 420， 1510]用于模擬電機(jī)負(fù)載的時(shí)候非平穩(wěn)信號(hào)情況。選取采樣數(shù)據(jù)中的80%數(shù)據(jù)作為訓(xùn)練集用于訓(xùn)練模型網(wǎng)絡(luò)。余下的作為數(shù)據(jù)評(píng)估用于調(diào)參，以均方誤差為指標(biāo)（Mean Squared Error，MSE）來比較LSTM和AR自回歸模型對(duì)斷條故障的檢測(cè)能力。

圖5給出了AR模型對(duì)斷條電機(jī)負(fù)載電流的檢測(cè)曲線圖，圖6給出了LSTM模型對(duì)斷條電機(jī)負(fù)載的檢測(cè)曲線圖，圖7是AR模型和LSTM模型的精度比較，圖8是AR模型和LSTM模型的損失收斂比較。

圖5 AR模型方法的檢測(cè)效果

圖6 LSTM模型方法的檢測(cè)效果

從圖7和圖8中可以發(fā)現(xiàn)LSTM比AR的誤差更小，而且收斂平滑。從我們訓(xùn)練和檢測(cè)的模型中預(yù)測(cè)后200個(gè)樣本的數(shù)值。在于采樣得到的真實(shí)數(shù)據(jù)進(jìn)行均方誤差。結(jié)果如表2所示。

表2 AR模型和LSTM模型的預(yù)測(cè)結(jié)果

圖7 AR與LSTM模型方法的精確度對(duì)比

圖8 AR與LSTM模型方法的損失收斂對(duì)比

其中origin線表示觀測(cè)數(shù)據(jù)、evaluation線是評(píng)估數(shù)據(jù)、prediction線表示預(yù)測(cè)下200個(gè)數(shù)據(jù)值。

其中observation線表示觀測(cè)數(shù)據(jù)、evaluation線是評(píng)估數(shù)據(jù)、prediction線表示預(yù)測(cè)下200個(gè)數(shù)據(jù)值。

結(jié)果表明，LSTM的模型比AR模型收斂快、振蕩幅度小、在和檢測(cè)數(shù)據(jù)的擬合性更好。這也體現(xiàn)了LSTM的長時(shí)間記憶性。

4 結(jié)語

鼠籠電機(jī)在時(shí)變轉(zhuǎn)速狀態(tài)下運(yùn)行時(shí)破壞了電機(jī)電流信號(hào)特征分析MCSA的使用條件，使MCSA方法沒辦法診斷出時(shí)變情況下電機(jī)斷條故障的問題。LSTM網(wǎng)絡(luò)首先通過采集故障鼠籠電機(jī)電流信號(hào)對(duì)LSTM網(wǎng)絡(luò)進(jìn)行訓(xùn)練，應(yīng)用訓(xùn)練好的網(wǎng)絡(luò)預(yù)估下一時(shí)間狀態(tài)故障電機(jī)的電流值，然后通過對(duì)比采集信號(hào)和預(yù)估信號(hào)檢測(cè)出故障，最后該方法通過時(shí)間域電流信號(hào)直接進(jìn)行檢測(cè)，并且從機(jī)器學(xué)習(xí)角度解決電機(jī)斷條故障。最終結(jié)果表明，即使在短時(shí)數(shù)據(jù)條件依然能夠診斷出早期斷條故障。