摘要：本文闡述了汽車電機故障診斷的特點和意義，并詳細介紹了多種汽車電機故障診斷的方法。
關鍵字：汽車電機故障方法
1.電機故障診斷的特點及實施電機故障診斷的意義
1.1電機故障診斷的特點
電機的功能是進行電能與機械能量的轉換，涉及因素很多，如電路系統、磁路系統、絕緣系統、機械系統、通風散熱系統等。哪一部分工作不良或其相互之間配合不好，都會導致電機出現故障。因此，電機故障要比其它設備的故障更復雜，其故障診斷所涉及到的技術范圍更廣，對診斷人員的要求也就更高。一般來說，電機故障診斷涉及到的知識領域主要有[20]：電機理論、電磁測量、信號處理、計算機技術、熱力學、絕緣技術、人工智能等。電機故障診斷的復雜性還表現在故障特征量的隱含性、故障起因與故障征兆之間的多元性。一種故障可能表現出多種征兆，有時不同故障起因也可能會反映出同一個故障征兆，這種情況下很難立即確定其真正的故障起因。另外，電機的運行還與其負載情況、環境因素等有關，電機在不同的狀態下運行，表現出的故障狀態各不相同，這進一步增加了電機故障診斷難度，所以要求對電機進行故障診斷首先必須掌握電機本身的結構原理、電磁關系和進行運行狀況分析的方法，即掌握電機各種故障征兆與故障起因間的關系的規律。
1.2實施電機故障診斷的意義
電機的驅動易受逆變器故障的影響，在交流電機驅動系統中，逆變器短路故障將會使電機產生有規律波動的或是恒定的饋電扭矩，使車輛突然減速。研究表明：逆變器出現故障時，永磁感應電機將產生較大的饋電扭矩，而且永磁電機也有存在潛在的高消磁電流的問題。而感應電機在逆變器出現故障時所產生有規律的饋電扭矩將由于有持續的負載而迅速衰減，這說明了感應電機具有較高的容錯能力，適應混合動力系統的要求。開關電機磁阻是最具有故障容錯能力的電機，而且當其有一個逆變器支路出現故障時電機仍能產生凈扭矩，另外，開關磁阻電機成本低，結構緊湊，但是開關磁阻電機有較大的`噪聲和扭矩脈沖，而且需要位置檢測器，而這些缺點使得開關磁阻電機在現階段不適合應用于混合動力客車上。在混合動力客車動力系統中，電機是作為輔助動力的，而且電機屬于高速旋轉設備，如果電機出現故障，電機產生的瞬態扭矩將使車輛的穩定性和動力性將受到影響，而且，電機由高壓電池組驅動，如果電機出現故障而不能及時容錯，電機產生的瞬態電流將使電池受到損害，因此在混合動力系統中對電機進行故障診斷是非常必要的。
2.電機的故障診斷方法及典型故障診斷分析
2.1電機故障的診斷方法
(1)傳統的電機故障診斷方法
在傳統的基于數學模型的診斷方法中，經典的基于狀態估計或過程參數估計的方法被應用于電機故障檢測。圖1為用此類方法進行故障診斷的原理框圖。這種方法的優點是能深入電機系統本質的動態性質，可實現實時診斷，而缺點是需建立精確的電機數學模型，選擇適當決策方法，因此，當電機系統模型不確定或非線性時，此類方法就難以實現了。
(3)基于模糊邏輯的電機故障診斷方法
圖3為基于模糊邏輯的電機故障診斷方法框圖，故障診斷部分是一個典型的模糊邏輯系統，主要包括模糊化單元、參考電機、底層模糊規則和解模糊單元。其中，模糊推理和底層模糊規則是模糊邏輯系統的核心，它具有模擬人的基于模糊概念的推理能力，該推理過程是基于模糊邏輯中的蘊涵關系及推理規則來進行的。模糊規則的制定有兩種基本方法：第一，啟發式途徑來源于實際電機操作者的語言化的經驗。第二，是采用自組織策略從正常和故障電機測量獲得的信號進行模糊故障診斷的制定，將此方法通過計算機仿真實現，對電機故障有較好的識別能力。
(4)基于遺傳算法的電機故障診斷方法
遺傳算法是基于自然選擇和基因遺傳學原理的搜索算法，它的推算過程就是不斷接近最優解的方法，因此它的特點在于并行計算與全局最優。而且，與一般的優化方法相比，遺傳算法只需較少的信息就可實現最優化控制。由于一個模糊邏輯控制器所要確定的參變量很多，專家的經驗只能起到指導作用，很難根據指導準確地定出各項參數，而反復試湊的過程就是一個尋優的過程，遺傳算法可以應用于該尋優過程，較有效地確定出模糊邏輯控制器的結構和數量。
遺傳算法應用于感應電機基于神經網絡的故障診斷方法的框圖如圖4所示。設計神經網絡的關鍵在于如何確定神經網絡的結構及連接權系數，這就是一個優化問題，其優化的目標是使得所設計的神經網絡具有盡可能好的函數估計及分類功能。具體地分，可以將遺傳算法應用于神經網絡的設計和訓練兩個方面，分別構成設計遺傳算法和訓練遺傳算法。許多神經網絡的設計細節，如隱層節點數、神經元轉移函數等，都可由設計遺傳算法進行優化，而神經網絡的連接權重可由訓練遺傳算法優化。這兩種遺傳算法的應用可使神經網絡的結構和參數得以優化，特別是用DSP來提高遺傳算法的速度，可使故障響應時間小于300μs，不僅單故障信號診斷準確率可達98%，還可用于雙故障信號的診斷，其準確率為66%。
近年來，電機故障診斷的智能方法在傳統方法的基礎上得到了飛速發展，新型的現代故障診斷技術不斷涌現：神經網絡、模糊邏輯、模糊神經網絡、遺傳算法等都在電機故障診斷領域得到成功應用。隨著現代工業的發展，自動化系統的規模越來越大，使其產生故障的可能性和復雜性劇增，僅靠一種理論或一種方法，無論是智能的還是經典的，都很難實現復雜條件下電機故障完全、準確、及時地診斷，而多種方法綜合運用,既可是經典方法與智能方法的結合，也可是兩種或多種智能方法的結合，兼顧了實時性和精確度,因此多種方法的有機融合、綜合運用這一趨勢將成為必然，也將成為電機故障在線診斷技術發展的主流方向。
參考文獻：
[1]陳清泉,詹宜君，21世紀的綠色交通工具——電動汽車[M]，北京:清華大學出版社,2001
[2]沈艷霞，紀志成，姜建國，電機故障診斷的人工智能方法綜述，微特電機，2004年
[3]L-X.WangandJ.M.Mendel.Generatingfuzzyrulesbylearningfromexamples[J].IEEETrans.OnSystems,Man,andCybernetics,1992
【研究汽車電機的故障診斷論文】相關文章：
動力轉向系統故障診斷研究的論文04-14
變壓器故障診斷技術研究論文04-16
電廠設備故障診斷發展趨勢與研究方向論文07-14
對油浸式變壓器故障診斷的研究論文06-13
汽車故障診斷相關論文04-03
關于《機械故障診斷學》的教學改革研究論文06-19
智能故障診斷技術淺析論文04-28