一种基于非高斯噪声的异步电机电流传感器故障校正方法

技术领域

本发明涉及电机故障诊断领域，尤其是涉及一种基于非高斯噪声的异步电机电流传感器故障校正方法。

背景技术

现有研究在电流传感器发生故障后大部分是通过构建观测器估计电流，用观测器的估计值取代故障相电流从而避免故障电流传感器对系统性能的影响。如：在两相电流传感器均故障时，基于李亚普诺夫稳定性定理设计自适应反推观测器进行电流估计，以确保系统稳定运行；利用二阶广义积分器–锁频环重构故障电流信息，并将其反馈到基于滑模观测器的速度估计方案中，实现电流和转速的同时估计，从而实现电流传感器的容错控制。

但是，由于异步电机高耦合等特点，在电流传感器发生故障时，系统噪声实际应该为非高斯分布，但是对于非高斯分布的噪声目前没有很好的研究方法，传统的龙伯格观测器无法很好地进行对异步电机电流传感器的非高斯分布的噪声的故障校正。

发明内容

本发明的目的就是为了克服上述困难而提供的一种基于非高斯噪声的异步电机电流传感器故障校正方法。

本发明的目的可以通过以下技术方案来实现：

一种基于非高斯噪声的异步电机电流传感器故障校正方法，方法包括以下步骤：

S1、建立三相异步电动机在两相静态坐标系下的系统模型，同时将系统模型中非高斯的过程噪声和测量噪声建模为学生t分布；

S2、根据S1的系统模型计算k时刻的状态预测概率密度函数p(x

S3、根据贝叶斯法则将假设状态向量和预测向量的联合预测p(x

进一步地，k时刻的状态预测概率密度函数p(x

其中，p(x

进一步地，k时刻的状态预测概率密度函数p(x

其中，x

进一步地，k时刻的观测预测概率密度函数p(y

其中，y

进一步地，状态向量和预测向量的联合预测p(x

其中，y

进一步地，后验滤波p(x

其中，p(y

进一步地，观测预测值

其中，

P

进一步地，更新后的参数η'为：

η'＝η+d

其中，η表示学生t分布的自由度，d

进一步地，矩阵匹配后，得到的均值

其中，

尺度矩阵P

其中，P′

进一步地，状态估计值

其中，

为k时刻的状态预测值，K

k时刻的估计误差协方差P′

其中，y

与现有技术相比，本发明具有以下有益效果：

本发明针对系统噪声为非高斯噪声时，考虑过程噪声和测量噪声均满足学生t分布。在两相电流传感器均故障时，提出一种电流传感器的观测值的校正方法，用该方法估计相电流，用估计值来替代受故障影响的电流传感器的观测值，对实际的噪声进行更高的故障校正。

附图说明

图1为本发明的流程图；

图2为本发明的方法和龙伯格观测器的对两相电流的状态估计图，其中图2(a)为本发明的方法和龙伯格观测器的a相电流状态估计曲线，图2(b)为发明的方法和龙伯格观测器的b相电流状态估计曲线；

图3为本发明的方法和龙伯格观测器的估计误差图，其中图3(a)为本发明的方法和龙伯格观测器的a相电流状态估计误差曲线，图3(b)为本发明的方法和龙伯格观测器的b相电流状态估计误差曲线。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

在异步电机系统中，矢量控制可有效实现高性能的闭环控制。通常，在矢量控制系统中至少需要两个电流传感器和一个速度传感器，当传感器出现故障时，矢量控制性能显著下降，严重时还会产生设备烧毁、爆炸等危险事故。其中，电流传感器作为驱动系统的脆弱部件，易发生故障。当电流传感器发生故障时，会显著影响系统性能。但是实际系统中，当电流传感器发生故障，系统噪声一般为非高斯噪声，因此，研究非高斯噪声情况下的异步电机的电流传感器的故障诊断和电流修正具有重大意义。

在故障诊断及定位后，本发明提出一种电流传感器观测值的校正方法，以获得相电流的状态估计，用估计值代替受故障影响的电流传感器的观测值，实现对电流传感器的校正。

本发明的流程图如图1所示。本发明具体包括以下步骤：

S1、建立三相异步电动机在两相静态坐标系下的系统模型，同时将系统模型中非高斯的过程噪声和测量噪声建模为学生t分布；

S2、根据S1的系统模型计算k时刻的状态预测概率密度函数p(x

S3、根据贝叶斯法则将假设状态向量和预测向量的联合预测p(x

式中，T

w

p(w

p(v

其中，St(x；μ,Σ,η)表示平均值为μ，尺度矩阵为Σ，自由度为η的学生t分布。初始状态向量x

S2中，进行电流状态估计，k时刻的状态预测概率密度函数(PDF)为：

p(x

将p(x

为k时刻的状态预测值，P

表示状态预测误差。其中，如果x

将k时刻的观测预测概率密度函数p(y

式中，

状态和观测的预测误差协方差

其中，p(x

根据贝叶斯法则将假设状态向量和预测向量的联合预测p(x

更新后的参数为：

η'＝η+d

d

其中，

其中，P′

因此，当电流传感器故障时，式(19)为电流和磁链状态估计值。电流的估计值

针对系统噪声为非高斯噪声时，考虑过程噪声和测量噪声均满足学生t分布。在两相电流传感器均故障时，本发明提出一种电流传感器的观测值的校正方法，用该方法估计相电流，用估计值来替代受故障影响的电流传感器的观测值。实验表明，在非高斯噪声的情况下，所提方法的效果明显优于现有的Luenberger观测器。

下面进行实验分析：

当两相电流传感器发生故障时，采用Luenberger状态观测器算法和上述方法对故障电流传感器的观测值进行校正。表1为实验中使用的三相异步电动机的参数。

表1三相异步电机主要参数

异常值损坏过程和测量噪声产生，q＝1，r＝100，T＝0.5，I

w

如图2所示，实验结果表明，采用所提方法得到的两相电流曲线估计值更接近于实值曲线。图2(a)为本发明的方法和龙伯格观测器的a相电流状态估计曲线，图2(b)为发明的方法和龙伯格观测器的b相电流状态估计曲线。图3是两种方法的状态估计误差曲线。其中图3(a)为本发明的方法和龙伯格观测器的a相电流状态估计误差曲线，图3(b)为本发明的方法和龙伯格观测器的b相电流状态估计误差曲线。由图3可知，本发明所提方法的估计误差小于Luenberger状态观测器的估计误差。进一步验证了本发明所提方法在重尾噪声条件下的估计性能优于Luenberger状态观测器。