1.一种检测三相异步电动机故障的方法,其特征在于,包括以下步骤:步骤1、根据电机出现的故障事件,找出故障发生的直接或间接原因,建立故障事件的逻辑关系;
步骤2、根据Petri网的可达性结合1中的逻辑关系,构建电机的模糊故障Petri网的故障检测模型;
步骤3、综合模糊规则、专家知识、及历史数据,利用模糊统计法的方法,确定初始库所置信度、权值、变迁可信度和阈值;
步骤4、利用矩阵推理对电机进行故障检测和诊断。
2.根据权利要求1所述的检测三相异步电动机故障的方法,其特征在于,所述步骤2中的模糊故障Petri网定义为一个10元组:SFFPN=(P,T,I,O,M,Ω,α,f,H,U)(1)P={p1,p2,…,pn}为故障库所集合,代表电机所发生的故障,如“熔断器熔体故障”,“转子绕组短路”,“电机扫膛”,“轴承过度磨损”;
T
(2)M=(m1,m2,…,mn)为库所标识向量,mi代表其对应库所pi的托肯的数目(1或0),mi=1表示pi库所有token,即库所代表的故障事件发生;
T
(3)α=(α1,α2,…,αn)为库所置信度n维向量,αi为库所pi的置信度,表示pi代表的故障事件发生的真实程度的置信度;
T
(4)Ω=(ω1,ω2,…,ωn)为库所权值n维向量,表示输入库所pi对变迁规则t的影响程度,满足 且(5)f={f1,f2,…fn}为库所最小割集的故障率的集合,表示库所pi代表的故障事件发生的概率大小;
T
(6)H=(λ1,λ2,…λn)为变迁阈值向量,λi表示变迁ti点火的阈值;
(7)U=diag(μ1,μ2,…μn)为变迁规则可信度矩阵,μi表示规则变迁ti的可信度。
3.根据权利要求1所述的检测三相异步电动机故障的方法,其特征在于,步骤2的(3)中底层库所置信度由专家知识、历史经验,辅助于置信度模糊统计法得到,而当变迁t预使能,如果预使能变迁t触发点火,在后继的库所pOj产生一个新的置信度α(pOj)。
4.根据权利要求1所述的检测三相异步电动机故障的方法,其特征在于,步骤4中的故障检测与诊断为全矩阵模式的正反推理方式;正向推理是在电机无故障发生时,通过在线监测设备预测可能出现的故障,实现对系统故障严重程度的评价和传播途径的描述;反向推理是当系统发生故障时,根据所产生的故障现象,通过矩阵进行反向推理,追溯最可能的故障源(即底层库所),为设备的诊断维修提供依据,从而为提高设备系统的可靠性提供有效的方法;为了更好的进行矩阵推理,定义如下算子:(1)比较算子Θ:C=AΘB,A,B和C均为m×n矩阵,当aij>bij时,Cij=1;当aij<bij时,Cij=0,i=1,2,…,m;j=1,2,…,n;
(2)取小算子∧:C=A∧B,A,B和C均为m×n矩阵,cij=min(aij,bij),i=1,2,…,m;
j=1,2,…,n;
(3)取大算子 A,B和C均为m×n矩阵cij=max(aij,bij),i=1,2,…,m;
j=1,2,…,n;
(4)乘法算子 A,B和C分别为m×q,q×n,m×n矩阵,i=1,2,…,m;j=1,2,…,n;
(5)直乘算子Δ:C=AΔb,A和C分别为m×n,n×m矩阵,b为n维向量,则cij=aij·bi,i=1,2,…,m;j=1,2,…,n;
首先,正向推理矩阵包括库所置信度推理矩阵、变迁点火矩阵和故障状态标识推理矩阵,只有满足变迁点火条件,相关库所中的故障token才能传递到后置库所,而变迁的点火判断矩阵又需要前置库所置信度为依据;
库所置信度推理矩阵为
其中O为Petri网输出矩阵;
变迁点火矩阵为:
其中 y=(y1,y2,…,yn)T为变迁预使能判别矩阵;如果变迁满足点火条件,则点火向量元素yi=1,否则yi=0;
← T
G(x)=I ·α,G(x)=(g1,g2,…,gn),表示库所置信度与权值的等效和值n为列向量,I←:I←={▽ij},▽ij∈[0,1],当有pi至tj的有向弧时,▽ij=ωi;当有tj至pi的有向弧时,▽ij=0,其中i=1,2,…m,j=1,2,…,m;
λ代表变迁阈值,b要足够大,使得x>λ时, x<λ时,
I为petri网输入矩阵;
为故障状态标识推理矩阵,Mk为故障状态标识向量,代表故障token在模型库所中的分布及传播途径;
反向推理为即为正向推理的逆,因此我们先定义逆向推理的输入、输出库所分别为正- -向输出、输入库所;即I=O,O =I,;如果故障源库所有多个,则根据最小割集故障发生率来确定优先诊断顺序;若最小割集G={p1,p2,…,pn},则最小割集故障发生率为反向推理也包括反向变迁点火矩阵和库所置信度推理矩阵;反向变迁点火矩阵为其中 为第k次逆向点火时的逆网使能变迁序列;
T
lm=(1,1,…1) 为m维列向量;
库所反向置信度推理矩阵与正向相同。