[发明专利]一种基于杂散磁场的永磁电机静态偏心检测方法

权利要求书

1.一种基于杂散磁场的永磁电机静态偏心检测方法，其特征在于，包括以下步骤：

步骤1：利用电磁有限元仿真软件获取待测电机杂散磁场数据，建立静态偏心检测神经网络模型

1.1建立电磁有限元模型并进行仿真，导出数据

建立n×m个不同静态偏心率ε_SE和偏心圆周角γ的待测电机的电磁有限元模型；在转速n_r小于60rpm的情况下，对n×m个电磁有限元模型进行仿真计算；在电机端面建立极坐标系，自极坐标轴开始，电机壳外圆周均匀分布A个传感器，A≥3，分别从每个传感器的位置，从电磁有限元模型中导出An×m组杂散磁场径向磁密时间历程数据；

第1至第n个电磁有限元模型的静态偏心率ε_SE分别为1/(n+1)、2/(n+1)、3/(n+1)、…、n/(n+1)，偏心圆周角γ均为0°；第n+1至第2n个电磁有限元模型的静态偏心率分别为ε_SE为1/(n+1)、2/(n+1)、3/(n+1)、…、n/(n+1)，偏心圆周角γ均为360°/m；第2n+1至第3n个电磁有限元模型的静态偏心率ε_SE分别为1/(n+1)、2/(n+1)、3/(n+1)、…、n/(n+1)，偏心圆周角γ均为2×360°/m；以此类推，直到第(m-1)n+1至第n×m个电磁有限元模型的静态偏心率ε_SE分别为1/(n+1)、2/(n+1)、3/(n+1)、…、n/(n+1)，偏心圆周角γ均为(m-1)×360°/m，其中，n、m为正整数，n≥4，m≥10；A_cT1(i)、A_cT2(i)……和A_cTA(i)分别是静态偏心率为ε_SET(i)、偏心圆周角为γ_T(i)的静态偏心工况时的杂散磁场径向磁密基波幅值，i＝1,2,3…,n×m，其中，ε_SET为静态偏心率训练向量，长度为n×m，γ_T为偏心圆周角训练向量，长度也为n×m，分别为：

1.2对仿真数据进行快速傅里叶变换

将步骤1.1导出An×m组杂散磁场径向磁密时间历程数据进行快速傅里叶变换，再提取出变换后得到的幅频特性结果中频率为基频pf_r处的基波幅值，其中p为待测电机的极对数，f_r为待测电机的机械转频，f_r＝n_r/60，共得到An×m个数字，将这些数字按照静态偏心工况和信号来源位置编为A个向量，分别称为第1点基波幅值训练向量A_cT1、第2点基波幅值训练向量A_cT2……和第A点基波幅值训练向量A_cTA，A_cT1、A_cT2……和A_cTA分别代表来自编号1、2……A传感器数据，A_cT1、A_cT2……和A_cTA中元素的排列顺序与电磁有限模型的偏心工况排列顺序相同；

1.3建立静态偏心检测神经网络模型

所述静态偏心检测神经网络模型为BP神经网络模型，BP神经网络模型包含输入层、隐含层和输入层，所述输入层节点有A个；将第1点基波幅值训练向量A_cT1、第2点基波幅值训练向量A_cT2……和第A点基波幅值训练向量A_cTA进行归一化处理，再作为神经网络的输入；将静态偏心率训练向量ε_SET和偏心圆周角训练向量γ_T进行归一化处理，再作为神经网络的输出；以正切S型传递函数为隐含层节点传递函数，线性传递函数为输出层节点传递函数，贝叶斯正则化的BP算法训练函数为反向传播函数，对神经网络进行训练，得到静态偏心检测神经网络模型；

步骤2：采集待测电机的杂散磁场信号并对杂散磁场信号进行数据处理；

2.1试验采集待测电机的杂散磁场径向磁密

采集待测电机的杂散磁场径向磁密的传感器有A个，A≥3，传感器均匀分布电机壳外圆周，以恒定转速n_r反拖待测电机，记录各测点1个机械周期所采集的数据，共得到A组杂散磁场径向磁密时间历程试验数据；

2.2试验数据进行快速傅里叶变换

将步骤2.1得到的数据进行快速傅里叶变换，提取出基波幅值，来自传感器1-A的基波幅值分别记为第1点基波幅值A_cE1、第2点基波幅值A_cE2……和第A点基波幅值A_cEA；

步骤3：判断是否仅存在静态偏心；

3.1判断流程1

若步骤2.1中得到的某一点杂散磁场径向磁密时间历程各波峰高度不同，则发生了动态偏心，结束检测；反之，若步骤2.1中得到的某一点杂散磁场径向磁密时间历程各波峰高度相同，则不存在动态偏心，进入判断流程2；

3.2判断流程2

步骤2.2中得到的第1点基波幅值A_cE1、第2点基波幅值A_cE2……和第A点基波幅值A_cEA均相同，则不存在静态偏心，无需进一步检测；若有所不同，则存在静态偏心，进入步骤4；

步骤4：仅存在静态偏心时，将步骤2中试验数据输入到步骤1的静态偏心检测神经网络模型得出待测永磁电机静态偏心率ε_SE和偏心圆周角γ；

4.1将结果导入静态偏心检测神经网络模型

将步骤2.2得到的第1点基波幅值A_cE1、第2点基波幅值A_cE2……和第A点基波幅值A_cEA进行归一化处理，再导入步骤1.3得到的静态偏心检测神经网络模型，进行计算；

4.2得到待测电机的静态偏心率和偏心圆周角

将静态偏心检测神经网络模型的输出结果进行反归一化处理，获得待测电机的静态偏心率ε_SE和偏心圆周角γ情况。