六相永磁同步电机匝间短路故障诊断【附代码】

✅博主简介：擅长数据搜集与处理、建模仿真、程序设计、仿真代码、论文写作与指导，毕业论文、期刊论文经验交流。
✅ 如需沟通交流，扫描文章底部二维码。

（1）考虑故障线圈位置的匝间短路故障动态建模与电感解析：

针对六相永磁同步电机匝间短路故障行为分析中精度与计算成本的矛盾，建立了一种考虑故障线圈位置的新型动态模型。通过分析分数槽集中绕组的结构特征，将故障线圈在定子槽内的具体位置作为模型参数，影响短路环的自感和互感。在矢量空间解耦变换下，将六相自然坐标系变换到三个正交子空间（α-β、x-y、o1-o2），故障效应主要反映在x-y子空间的电流畸变上。为了降低仿真计算成本，提出基于电感等效的短路电流幅值解析计算策略：忽略铁芯饱和非线性，将故障相的等效电感近似为故障绕组自感与健康绕组互感的并联组合，从而推导出短路电流幅值与转速、负载、短路匝比的闭式表达式。与有限元仿真对比，该解析模型误差小于5%，而计算速度提高了两个数量级。

（2）基于x-y子空间电流残差的故障检测与定位一体化策略：

发明了一种仅利用x-y子空间电流残差同时完成故障检测和故障定位的方法。首先采集六相电流并进行坐标变换，分别提取α-β子空间的转矩电流和x-y子空间的谐波电流。在健康状态下，x-y子空间电流理论为零；故障发生时，短路电流会在x-y子空间产生显著的非零残差。检测指标定义为x轴电流残差和y轴电流残差的均方根值，当超过自适应阈值时触发故障报警。为了定位故障发生在哪个绕组，分析了短路电流初始相位与故障绕组空间角度的线性关系，计算残差向量的相位角可以唯一确定故障相别。实验证明，该方法在10%短路匝比时即可检测出故障，定位准确率达到98.5%，而传统基于零序电压的方法需要30%以上匝比才能可靠检测。

（3）高频电流注入与负序特征分离的匝间短路与高阻连接故障识别：

匝间短路和高阻连接都会引起电流不对称，传统方法难以区分。为此，提出在原有基波驱动上叠加高频旋转电压信号，然后从x-y子空间中提取负序高频电流残差作为区分指标。理论推导表明，匝间短路产生的负序高频电流残差幅值与短路匝比成正比，且相位几乎不随负载变化；而高阻连接引起的负序电流残差幅值随负载增大而显著增长，相位也会漂移。利用这一差异，将故障识别指标定义为高频残差幅值与基波负序电流幅值的比值。当该比值大于阈值且对负载不敏感时判为匝间短路，否则判为高阻连接。在六相PMSM实验平台上，对四种短路匝比（5%、15%、25%、35%）和三种接触电阻（0.5Ω、1Ω、2Ω）进行了验证，识别准确率达到96.8%，成功解决了这两个故障易于混淆的难题。

import numpy as np import scipy.linalg as la # 坐标变换：六相到三个子空间（） def six_to_dqxy(six_currents, theta): # six_currents: [ia, ib, ic, id, ie, if] # 变换矩阵系数省略，这里仅示意 T = np.array([[1, 0.5, -0.5, -1, -0.5, 0.5], [0, np.sqrt(3)/2, np.sqrt(3)/2, 0, -np.sqrt(3)/2, -np.sqrt(3)/2]]) # α-β 分量 ialpha = T[0] @ six_currents ibeta = T[1] @ six_currents # x-y 子空间近似（实际为另一组变换） ix = six_currents[0] - six_currents[3] # 示意 iy = six_currents[1] - six_currents[4] return np.array([ialpha, ibeta, ix, iy]) # 自适应检测阈值 def adaptive_threshold(ix_hist, iy_hist, window=1000, n_sigma=5): # 计算健康状态下残差的标准差 resid = np.sqrt(ix_hist**2 + iy_hist**2) sigma = np.std(resid[-window:]) threshold = n_sigma * sigma return threshold # 高频注入负序分离 def high_freq_injection(currents, w_hf=1000, dt=1e-4): # 设计带通滤波器提取高频分量（：滑动平均） N = int(1/(w_hf*dt)) b = np.ones(N)/N filtered = np.convolve(currents, b, mode='same') # 提取负序：通过希尔伯特变换或正交解调 analytic = hilbert(filtered) # 旋转坐标变换到负序同步坐标系 theta_hf = w_hf * np.arange(len(currents)) * dt negative_seq = analytic * np.exp(1j * theta_hf) # 得到负序幅值和相位 return np.abs(negative_seq) # 故障识别逻辑 def fault_recognition(ratio_hf_neg, load_torque, threshold_short=0.8): # ratio_hf_neg = |I_hf_neg| / |I_fund_neg| # 如果 ratio_hf_neg 随负载增大保持稳定，则为匝间短路 if np.std(ratio_hf_neg) < 0.05: return '匝间短路' elif np.corrcoef(ratio_hf_neg, load_torque)[0,1] > 0.8: return '高阻连接' else: return '其他不平衡故障' # 短路电流幅值解析计算（公式） def short_circuit_current_amplitude(V_dc, R_short, L_short, omega_e, short_ratio): Z_short = np.sqrt(R_short**2 + (omega_e * L_short)**2) I_sc = (short_ratio * V_dc) / Z_short return I_sc

如有问题，可以直接沟通

👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇