论文部分内容阅读
永磁同步直线电机(Permanent Magnet Synchronous Linear Motor,PMSLM)因其直驱式运动、无齿槽转换结构、电能与机械能直接转化的特点,使之具有快速响应、精准定位、运行速度高、运行噪音小等优点,能够满足大行程高精密机床的工作需求,因此在少切削力机床、玻璃基板检测设备等加工领域有着十分广泛的应用。PMSLM中永磁体磁场的一致性是决定电机稳定运行的关键因素,直接决定着高精密机床加工产品的质量。而PMSLM中永磁体多采用钕铁硼材料充磁制.成,在受到外加磁场干扰、周边局部温度过高、化学药品腐蚀、长期自然老化等因素的影响下,容易发生不可逆退磁现象。PMSLM次级中一个或者多个永磁体退磁时,永磁体磁场的一致性被破坏,电机出现局部退磁故障,加剧电机的推力波动。因此,本课题以实现PMSLM局部退磁故障中退磁永磁体的位置及退磁程度的准确识别为目标,结合粒子群优化最小二乘支持向量机(Particle Swarm Optimization-Least Squares Support Vector Machine,PSO-LSSVM)分类识别算法,实现对PMSLM局部退磁故障的诊断。本课题从以下四个层面进行了研究:1.基于感应电动势建立了PMSLM局部退磁故障解析模型。根据本课题所研究的双边型永磁同步直线电机的拓扑结构,对电机的线圈、永磁体等组成部分进行了详细的介绍,并给出了用于解析计算的层分析模型以及对电机磁场做出的假设条件。采用等效强度磁化法,推导出电机正常及局部退磁两种状态下的感应电动势解析表达式,从而建立了用于PMSLM局部退磁故障诊断的解析模型。2.建立了包含故障特征信息的多峰解析模型,从中提取峰个数、峰起始位置、峰值比、退磁程度等参数,构造故障特征量。通过对电机正常和局部退磁两种状态下的感应电动势取差值后并做绝对值处理,从而建立了用于提取表征电机局部退磁故障的特征参数的多峰解析模型。结合电机中永磁体和线圈的相对运行关系及不同退磁状态下对应多峰图的特点,本课题中针对四对永磁体的相对位置关系,设置了7类15种故障进行电机局部退磁故障的分类识别研究。从永磁体的退磁位置和退磁程度两个方面进行故障预设,解析得到不同故障类型的多峰图,通过进一步对多峰图进行对比,提取表征各种故障类型的特征参数,得到特征量与退磁类型的对应关系。3.针对本课题设计的7类15种故障类型,引入了PSO-LSS VM分类算法,实现PMSLM局部退磁故障的准确识别。考虑退磁程度因素后,每种故障类型对应多个退磁程度组合。因此,结合PMSLM局部退磁故障类型的特点及特征量之间的差异性,并基于树形结构思想,根据特征因素和故障类型间的对应关系建立了7个子分类模型,降低了分类算法的复杂性,保证了分类识别的准确率。4.同时建立有限元仿真模型和搭建样机实验平台进行实验验证。针对本课题中设置的故障类型进行故障预设,分别提取仿真实验和样机实验两种模式下的特征量进行验证,结果表明本课题中PMSLM局部退磁故障识别的准确率达到100%。因此,本课题所开展的基于PSO-LSSVM的永磁同步直线电机局部退磁故障识别的研究,能够实现电机中退磁永磁体的位置及退磁程度的准确识别,对于电机生产制造以及定期维护过程中,离线检测次级永磁体磁场的一致性给出了一种新的参考方法。