基于电流残差估计的五相永磁同步电机定子故障检测与分类研究学术报告
一、 主要作者、机构及发表信息 本项研究由大连交通大学自动化与电气工程学院的张凯（硕士研究生）与时维国（博士，教授，通信作者）共同完成。研究成果以论文形式发表于《电机与控制应用》（Electrotechnical Application, EMCA）期刊2022年第49卷第6期。论文英文标题为“Fault Detection and Classification of Stator of Five-phase Permanent Magnet Synchronous Motor Based on Current Residual Estimation”。
二、 研究背景与目的 本研究属于电机故障诊断与保护领域，具体聚焦于多相永磁同步电机（PMSM）的定子故障在线诊断技术。五相PMSM因其转矩脉动低、功率密度高、容错能力强等优点，在船舶电力推进、航空航天、电动汽车及轨道交通等高要求场合应用日益广泛。然而，电机在长期运行中难免发生故障，其中约37%的故障发生在定子部分，尤以匝间短路（Inter-Turn Short-Circuit, ITSC）故障和高电阻连接（High Resistance Connection, HRC）故障最为常见。
这两种故障在发生时都会导致电机运行不对称，产生相似的故障电流特征（如二次谐波分量），使得仅通过传统的电流频谱分析等方法难以有效区分，给精准诊断带来了挑战。ITSC故障通常由绝缘劣化引起，若不及时处理可能迅速恶化，导致主绕组短路等严重事故；而HRC故障则是一种渐进式故障，主要表现为连接点电阻增大，虽对电机直接破坏有限，但会引发电机过热、效率下降和转矩脉动增加等问题。因此，开发一种能够在线检测并准确区分这两种故障的方法，对于提高五相PMSM运行的安全性、可靠性与可维护性具有重要的理论与工程意义。
本研究旨在解决上述难题，其核心目标是提出一种能够有效检测五相PMSM定子异常，并能精确区分ITSC与HRC故障的诊断方法。该方法需具备对故障严重程度和故障相位的识别能力，同时对电机转速和负载变化具有良好的鲁棒性，且无需增加额外的硬件传感器。
三、 研究详细工作流程 本研究采用理论分析、模型构建与仿真验证相结合的研究路径，主要流程可分为以下几个关键步骤：
1. 故障建模与特征分析： 首先，研究团队分别建立了五相PMSM发生A相ITSC故障和HRC故障的数学模型。对于ITSC故障，通过引入短路匝数比μ和短路电阻R_f，构建了包含故障循环电流I_f的六维电压方程，并转换到d1-q1旋转坐标系进行分析。对于HRC故障，则通过在故障相绕组串联附加电阻R_dd来建模。理论推导表明，两种故障都会在d1-q1轴电流中引入二次谐波分量，其表达式分别为： * ITSC故障电流残差：与μ、I_f及转子位置角θ相关。 * HRC故障电流残差：与R_dd、故障相电流幅值I_a及θ相关。 此步骤证实了仅凭基频电流残差的二次谐波无法区分两种故障，为后续引入高频注入法提供了理论依据。
2. 基于卡尔曼滤波器的电流残差估计与故障检测： 为实现在线故障检测，研究设计了一个基于卡尔曼滤波器（Kalman Filter）的状态观测器。该观测器以电机的d1-q1轴电压和转速为输入，对d1-q1轴电流进行实时估计。将观测器输出的电流估计值与实际测量的电流值作差，得到电流残差向量 r。定义故障检测指标FI1为电流残差平方和（r^T r）的幅值（Amp）。在电机健康运行时，FI1理论上接近于零；当发生ITSC或HRC故障时，故障引入的二次谐波分量将导致FI1显著增大。通过设置合适的阈值ε1，即可实现电机异常状态的在线检测。这一步骤构成了整个诊断流程的第一阶段：故障检测。
3. 基于高频电流注入的故障分类： 在通过FI1检测到电机异常后，诊断系统自动激活第二阶段——故障类型识别。其核心原理是利用高频信号下电机绕组感抗（与频率成正比）和电阻（基本不随频率变化）的特性差异。具体操作是：向电机驱动系统注入一组约1 kHz的高频电流信号（如式(12)所示）。在高频条件下，反电动势和电阻压降可忽略，电机端电压主要取决于感抗。 * 对于ITSC故障：短路匝会导致该相电感发生微小变化（ΔL ∝ μ），这一变化会在故障循环电流I_f的高频分量中被显著放大（文献指出，高频故障电流I_f^h的均方根值可达高频相电流I_a^h的8-10倍）。 * 对于HRC故障：仅表现为电阻增大，电感不变，因此高频响应主要受附加电阻R_dd影响。 通过设计带通滤波器（BPF）从总电流残差中提取出1 kHz附近的高频分量，并计算故障分类指标FI_hf，定义为高频电流残差均方根值与注入高频相电流均方根值的比值。理论分析表明，ITSC故障下的FI_hf值（正比于μω_e，且包含放大的I_f^h）会远大于HRC故障下的FI_hf值（正比于R_dd）。通过设置另一个阈值ε（研究中建议设为3），即可实现故障分类：若FI_hf > ε，则为ITSC故障；若FI_hf < ε，则为HRC故障。
4. 故障严重程度与故障相位定位的鲁棒性分析： 在完成故障分类后，研究进一步对故障的严重程度（如ITSC的短路匝数比μ、HRC的附加电阻R_dd）和故障发生相位进行量化分析。 * 故障严重程度：直接使用FI1会受电机运行状态影响（ITSC故障的I_f与转速ω_e成正比，HRC故障的I_a与负载有关）。为此，研究提出了鲁棒性更强的指标： * 对于ITSC故障：使用FI1_ITSC = FI1 / ω_e，以消除转速影响。 * 对于HRC故障：使用FI1_HRC = FI1 / I_a，以消除负载影响。 仿真表明，改进后的指标能更稳定地反映故障本身的严重程度。 * 故障相位定位：基于故障电流残差分量（I_qf / I_df）与定子相电流之间的相位关系进行判断。通过计算一个周期内两者达到峰值的时间差（或角度差d_j），可以定位故障相。理论推导出五相系统中各相故障时d_j的理论值（如表1所示），故障相的d_j应为0，非故障相则不为0。该方法对两种故障均适用。
5. 仿真验证： 最后，研究在MATLAB/Simulink环境中搭建了五相PMSM及其控制系统的仿真模型，对所述方法进行了全面验证。仿真设置了健康、ITSC故障（A相，μ=0.2， R_f=0.3Ω）和HRC故障（B相， R_dd=0.5Ω）等多种工况，电机运行在额定转速750r/min和负载5N·m下。仿真内容涵盖了： * 故障检测有效性：展示健康与故障状态下FI1的显著变化。 * 故障分类有效性：对比ITSC与HRC故障下高频分量FFT分析结果及FI_hf的数值，验证分类阈值法的可行性。 * 故障程度与相位分析：改变μ、R_f、R_dd等参数，验证FI1_ITSC、FI1_HRC及d_j指标的有效性和鲁棒性。 * 鲁棒性验证：在不同转速（300-1500r/min）和不同负载（1-10N·m）下进行仿真，证明所提故障程度指标对运行条件变化不敏感。
四、 主要研究结果 1. 故障检测结果：仿真波形清晰显示，在t=1s引入故障后，无论是ITSC还是HRC故障，电流残差r均出现明显波动，其FFT分析确认了二次谐波分量的存在。故障检测指标FI1从接近零值迅速跃升，能够可靠地触发故障报警。 2. 故障分类结果：高频注入后的分析表明，ITSC故障时，1kHz高频分量在电流残差中的占比高达约1350%，计算出的FI_hf值约为46；而HRC故障时，高频占比约为251%，FI_hf值小于1。两者数值差异显著，且与理论分析一致。通过设置ε=3的阈值，能够准确无误地区分两种故障类型。 3. 故障程度与定位结果： * ITSC故障：FI1随短路匝数比μ增大而增大，随短路电阻R_f增大而减小。使用FI1_ITSC = FI1 / ω_e处理后，该指标在不同转速下保持稳定，仅与μ和R_f相关，验证了其鲁棒性。故障相位标志位d_j能准确指示A相为故障相（d_a≈0）。 * HRC故障：FI1随附加电阻R_dd增大而增大。使用FI1_HRC = FI1 / I_a处理后，该指标在不同负载下保持稳定，仅与R_dd相关。故障相位标志位d_j能准确指示B相为故障相（d_b≈0）。 4. 鲁棒性验证结果：在不同转速和负载的仿真工况下，经过归一化处理的故障程度指标（FI1_ITSC和FI1_HRC）表现稳定，基本不受运行条件波动的影响，证明了所提方法在实际变工况应用中的潜力。
五、 研究结论与价值 本研究成功提出并验证了一种基于电流残差估计和高频电流对比的五相PMSM定子故障检测与分类方法。主要结论如下： 1. 方法有效性：该方法能够在线、准确地检测出五相PMSM的定子异常，并能有效区分容易混淆的匝间短路故障和高电阻连接故障，同时实现故障相位的准确定位。 2. 鲁棒性强：通过对故障程度指标进行归一化处理（除以转速或故障相电流），使得故障严重程度的评估对电机转速和负载的变化具有良好鲁棒性，提高了诊断结果的可靠性。 3. 工程实用性高：该方法仅利用电机驱动系统中已有的电流传感器和控制器信号，通过算法实现诊断，无需增加任何额外的硬件设备或测量装置，降低了实施成本与复杂度。
本研究的科学价值在于为具有相似故障特征的不同电机故障提供了一种有效的区分思路，即利用高频激励下不同物理参数（电感与电阻）的频率响应特性差异。其应用价值在于为高性能、高可靠性要求的五相PMSM驱动系统提供了一套完整的、可在线实施的定子故障诊断方案，有助于实现预测性维护，避免故障扩大，保障系统安全稳定运行。
六、 研究亮点 1. 创新性的故障分类策略：针对ITSC与HRC故障传统难以区分的问题，创造性地将基于卡尔曼滤波的基频残差检测（用于故障发现）与高频信号注入法（用于故障分类）相结合，形成了清晰的两阶段诊断逻辑。 2. 完整的诊断功能闭环：研究不仅实现了故障的检测与分类，还进一步给出了故障严重程度量化评估和故障相位定位的方法，形成了一个从“报警”到“识别”再到“评估”的完整诊断链条。 3. 对工程实际的充分考虑：提出的方法充分考虑了实际系统中转速与负载的波动，通过理论推导和仿真验证了所提指标在变工况下的鲁棒性，增强了方法的工程适用性。 4. 无硬件增加的解决方案：整个诊断方案基于软件算法实现，依赖于现有控制系统架构，易于在现有的电机驱动平台上集成和部署，具有很高的实用化前景。
七、 其他有价值内容 论文在引言部分对电机定子故障诊断的现有主流方法（解析模型法、信号处理法、智能算法）进行了简要综述，并指出了相关文献大多只针对单一故障进行诊断的不足，从而明确了本研究的切入点和创新点。此外，仿真部分设计严谨，不仅验证了核心功能，还系统性地分析了关键参数（μ, R_f, R_dd）和运行条件（转速、负载）对诊断指标的影响，为方法参数整定和阈值设置提供了参考依据。