摘要：模糊神經(jīng)網(wǎng)絡是模糊邏輯與神經(jīng)網(wǎng)絡相結合而構成的，具備模糊技術和神經(jīng)網(wǎng)絡技術的優(yōu)點，應用于電力系統(tǒng)故障診斷中，是一種使用方便的人工智能處理系統(tǒng)。基于模糊神經(jīng)網(wǎng)絡對無刷勵磁同步發(fā)電機旋轉整流器故障診斷進行研究。經(jīng)過訓練后的模糊神經(jīng)網(wǎng)絡，在對旋轉整流器故障進行診斷時，有較高的準確性和有效性。 關鍵詞：無刷勵磁；整流器故障；模糊神經(jīng)網(wǎng)絡 1　引言 　　無刷勵磁技術徹底解決了大容量或超大容量同步發(fā)電機勵磁電流過高所帶來的一系列集電環(huán)電刷問題，保證大型發(fā)電機組能夠長期連續(xù)運行。目前，越來越多的大型無刷勵磁發(fā)電機組在電力系統(tǒng)中運行，但是無刷勵磁同步發(fā)電機組中的轉子旋轉整流器是無刷勵磁系統(tǒng)中最為重要的環(huán)節(jié)，必須確保其工作在正常狀態(tài)。對整流器故障首先要分清故障性質，進行不同的處理： 　?。?）整流元件開路故障為緩變故障，可以作為故障診斷的對象，并通過保護裝置適時動作切除開路故障。 　?。?）對整流元件短路故障，首先應考慮保護動作，要求保護裝置盡快動作切除短路故障。因為短路故障可能在數(shù)秒或數(shù)分鐘內(nèi)燒毀繞組，沒有足夠的時間完成故障診斷處理。 　　因此，當旋轉整流器任何橋臂上的功率二極管發(fā)生故障（開路），監(jiān)控保護系統(tǒng)就應該正確定位診斷是哪一組橋臂發(fā)生故障，并迅速給予預警與保護控制，實現(xiàn)大型無刷勵磁同步發(fā)電機組轉子旋轉整流器的預知性維護。 　　本文針對這種問題，采用了模糊神經(jīng)網(wǎng)絡識別技術，對無刷勵磁同步發(fā)電機組轉子旋轉整流器故障建立診斷模型。模糊規(guī)則的建立是通過神經(jīng)網(wǎng)絡BP學習算法實現(xiàn)的，從而建立了高精度定位診斷系統(tǒng)，不僅擴大了診斷旋轉整流器病態(tài)的范圍，而且提高了故障診斷的定位精度。 2　故障診斷信號提取 無刷勵磁同步發(fā)電機轉子旋轉整流器工作狀態(tài)的在線實時監(jiān)測需要轉子側旋轉整流器的相關信息。由于同步發(fā)電機轉子取消了滑環(huán)和電刷，轉子側旋轉整流器的常見故障波形特征（故障特征）的提取無法直接完成。 　　一種獲取轉子旋轉整流元件故障特征（一般指開路故障）的方法是直接采用與同步發(fā)電機同軸旋轉的交流勵磁機的定子勵磁線圈作為探測線圈，其優(yōu)點是省去了設計、安裝和維護專用探測線圈的工作，而且便于現(xiàn)場采集信號數(shù)據(jù)，同時轉子信號較 強，且含轉子故障信息量大，提取過程由圖1所示。 　　在交流勵磁機定子勵磁線圈上并聯(lián)電容C1和C2，交流勵磁機轉子電樞電流產(chǎn)生的電樞磁場必然切割其定子勵磁線圈，并感應電勢，然后通過電容C1和C2分壓，只需采集帶有轉子故障信息的電容C2兩端的電壓波形，進行頻域分析，分解出不同幅值的各次諧波分量，作為人工智能故障診斷信號。 　　設電容C2兩端的電壓信號波Uc（t）的周期為T，由傅立葉級數(shù)展開為 由于傅立葉級數(shù)分解計算要進行大量的加減、乘除運算，故采用具有一定精度的復化梯形積分公式，式（2）傅立葉級數(shù)系數(shù)表達式為： 3　故障診斷模型 　　交流勵磁機的定子磁極線圈受靜止勵磁整流裝置和磁極鐵心飽和的影響，使電容C2兩端電壓波形信號的信噪比加大。通過建立模糊神經(jīng)網(wǎng)絡的人工智能故障診斷模式，校正無刷勵磁同步發(fā)電機轉子旋轉整流器故障信號的失真度，從而提高了故障診斷的定位精度。由于神經(jīng)網(wǎng)絡理論是模擬生物神經(jīng)元的作用方式和結構，通過訓練將學習信息保留，從而描述過程特性。模糊邏輯系統(tǒng)可表示為模糊基函數(shù)的展開式，神經(jīng)網(wǎng)絡的本質可視為一些函數(shù)的線性組合。模糊神經(jīng)網(wǎng)絡作為具有學習算法的邏輯系統(tǒng)，在電力系統(tǒng)中得到廣泛應用。 　　研究表明，交流勵磁機定子外接電容C2兩端的電壓波形信號頻譜特性與無刷勵磁同步發(fā)電機轉子旋轉整流器工作狀態(tài)具有一定的對應關系，當轉子旋轉整流器發(fā)生故障時會引起電容C2兩端的電壓波形信號頻譜特性的改變，利用神經(jīng)網(wǎng)絡的學習和記憶功能可以提取不同工況下磁極電容電壓Uc（t）波形信號的頻譜特性與轉子旋轉整流器故障的非線性關系，建立一種模糊邏輯規(guī)則。由于規(guī)則考慮了交流勵磁機的定子磁極線圈受靜止勵磁整流裝置和磁極鐵心飽和的影響，模糊診斷系統(tǒng)具有較高的可靠性。因此，可以利用神經(jīng)網(wǎng)絡的學習算法對模糊診斷系統(tǒng)進行訓練，實現(xiàn)模糊神經(jīng)網(wǎng)絡的參數(shù)辨識。 模糊神經(jīng)網(wǎng)絡由輸入層、模糊推理層和輸出層組成。輸入模糊化函數(shù)取為高斯型隸屬函數(shù)： 模糊推理層節(jié)點個數(shù)可由樣本進行聚類得到，亦可根據(jù)實際要求調(diào)整以滿足精度要求。θ[sub]ij[/sub]、αi[sub]j[/sub]、λ[sub]ij[/sub]分別與模糊推理層的節(jié)點相對應。輸出函數(shù)可表示為： 對輸出函數(shù)式（6），診斷模型的確定問題可轉化為誤差方程： 取得最小值，由BP算法可得各參數(shù)的學習算法分別為： 基于神經(jīng)網(wǎng)絡BP算法，學習過程的參數(shù)修正按式（8）、（9）、（10）對系統(tǒng)網(wǎng)絡的參數(shù)進行訓練，則可確定基于模糊神經(jīng)網(wǎng)絡的故障診斷系統(tǒng)，如圖2所示。 在圖2中，輸入層有6個神經(jīng)元，其輸入信號是｛，分別為交流勵磁機定子外接電容C2兩端的電壓Uc（t）波形信號的基波、2次諧波、3次諧波、4次諧波、5次諧波和6次諧波的相應值；隱含層為模糊推理層，共設有5個神經(jīng)元；輸出層有3個神經(jīng)元，輸出結果為，則能夠對無刷勵磁同步發(fā)電機轉子旋轉整流器的8種工作狀態(tài)進行準確診斷。根據(jù)模糊神經(jīng)網(wǎng)絡S型函數(shù)的特點，設置旋轉整流器故障模糊神經(jīng)網(wǎng)絡的診斷輸出分別是（0．1，0．1，0．1），（0．1，0．1，0．9），（0．1，0．9，0．1），（0．1，0．9，0．9），（0．9，0．1，0．1），…，（0．9，0．9，0．9）的診斷期望值。 4　故障診斷實例 　　從一臺360 k W無刷勵磁同步發(fā)電機的交流勵磁機定子外接電容C2兩端采集了旋轉整流器的8種運行工況數(shù)據(jù)，如表1所示。設反映同步發(fā)電機旋轉整流器運行工況的集合為Q，其中：P[sub]1[/sub]為旋轉整流器正常運行；P[sub]2[/sub]為A相正組（A[sup]＋[/sup]）臂開路故障；P[sub]3[/sub]為A相負組（A[sup]－[/sup]）、B相正組（B[sup]＋[/sup]）兩臂開路故障；P[sub]4[/sub]為B相正組（B[sup]＋[/sup]）臂開路故障；P[sub]5[/sub]為A相負組（A[sup]－[/sup]）、B相正組（B[sup]＋[/sup]）兩臂開路故障；P[sub]6[/sub]為A相正負組（A[sup]＋[/sup]、A[sup]－[/sup]）兩臂開路故障；P[sub]7[/sub]為A相負組（A[sup]－[/sup]）、B相正組（B[sup]＋[/sup]）和C相負組（C[sup]－[/sup]）三臂開路故障；P[sub]8[/sub]為A相負組（A[sup]－[/sup]）、B相正組（B[sup]＋[/sup]）和C相負組（C[sup]－[/sup]）三臂開路故障。 　　對360 kW無刷勵磁同步發(fā)電機旋轉整流器的8種運行工況進行故障診斷，診斷結果如表2所示。 5　結束語 大型同步發(fā)電機旋轉整流器發(fā)生病變時，將引起交流勵磁機電樞磁場隨之變化 ，并在交流勵磁機定子磁極線圈中感應出一系列諧波電勢，此諧波電能反映出轉子旋轉整流器的運行工況。因此，本文介紹了模糊神經(jīng)網(wǎng)絡系統(tǒng)在大型同步發(fā)電機旋轉整流器故障診斷中的應用，結果表明所建立的診斷模型具有良好的診斷效果 。