绝缘系统是电机的心脏，是其可靠性的最薄弱环节，如何对电机绝缘寿命进行预测并实现故障预警，对提高电机运行可靠性和安全性具有重要的工程意义。本文融合热应力作用下电机绝缘加速寿命数据和现场监测数据，结合随机过程和支持向量机模型，提出了基于拓展卡尔曼滤波的电机绝缘寿命预测模型，并设计实验验证了模型的有效性。

盛夏的傍晚，浙江大学紫金港校区校园的逆光风景建筑全景

研究背景

电气化交通、高性能伺服系统的高效轻量化发展需求对电机功率密度提出了更高要求，同时也给电机可靠性带来了巨大挑战。绝缘系统是电机的心脏，是其可靠性的最薄弱环节，超过1/3的电机事故是由于电机绝缘故障引起的。

根据IEEE工业应用协会（IEEE Industry Application Society）关于电机可靠性的一次调查结果显示，电机故障的平均故障时间在几十到上百小时，非计划停机将严重威胁电机运行安全性并造成巨大经济损失。

论文所解决的问题及意义

针对机器学习、随机过程、贝叶斯滤波算法等剩余寿命（RUL）预测模型存在的不足，本文解决了卡尔曼滤波算法在长时寿命预测中协方差矩阵的更新问题，提出了一种基于拓展卡尔曼滤波的电机绝缘寿命预测模型，并设计加速退化实验对模型进行了拟合。及时可靠的寿命预测可以有效提高电机运行的可靠性及经济效益。

论文方法及创新点

1）基于拓展卡尔曼滤波的电机绝缘寿命预测模型

本文以剩余击穿电压为状态变量，采用Arrhenius模型作为加速模型，基于Wiener过程构架了热应力水平与Wiener模型漂移系数和扩散系数的映射关系，建立了实际工况下基于加速退化数据的电机绝缘寿命预测模型，并将其作为卡尔曼滤波模型的状态方程。

以局部放电量的加速退化数据及现场监测数据为依据构建卡尔曼滤波模型的观测方程，为解决卡尔曼滤波模型在寿命预测中由于无法获取新的监测信息、协方差矩阵无法更新而导致的预测精度不足的问题，采用支持向量机模型，将时间作为输入变量，最大局部放电量作为输出变量，通过加速因子折算，将加速退化数据及现场数据共同作为训练集，对任意时刻Qk的真值作出预测（预测效果如图1所示），以此实现协方差矩阵的更新。模型迭代流程如图1所示。

图1 最大局部放电量预测值与实际值对比

图2 模型迭代流程图

2）实验验证

本文以6650聚酰亚胺薄膜为研究对象，分为四组，每组10个样品，选取了290℃、300℃、310℃、320℃四个老化温度进行加速退化试验，定期检测绝缘材料试样的绝缘电阻、绝缘电容、介质损耗角正切值、最大局部放电量以及剩余击穿电压五个不同的参数，用于拟合模型待定参数。最后将已经在310℃下老化100h处于性能退化阶段的聚酰亚胺薄膜在240℃下加速老化60h，记录其剩余击穿电压数据，用于验证模型有效性及精度。

图3 剩余击穿电压预测值与实际值对比

实验结果如图3所示，模型预测误差在4%之内。且对比常规的Wiener过程寿命模型，融合了现场数据的卡尔曼滤波模型预测精度较Wiener过程模型有了明显的提升，如图4所示。

图4 预测精度对比

结论

本文提出了一种基于支持向量机与非线性卡尔曼滤波的电机绝缘寿命预测模型。利用SVM模型对第一观测方程进行了修正，解决了卡尔曼滤波模型协方差矩阵的更新问题，融合了加速退化数据及现场退化数据，最大限度地保证了退化信息的完整性。通过聚酰亚胺薄膜的实例分析，模型预测误差在4%之内，证明提出的方法可以为制定合理的设备维护策略提供参考，为解决工程中的类似问题提供借鉴。

团队介绍

团队主要从事面向航空、深海、高速列车和电动汽车领域的永磁电机设计与驱动、交通电气化及其智能控制技术、基于大数据的装备健康管理与寿命预测等方向研究。完成了国家自然科学金面上项目、青年基金、国家重点研发计划子课题、国家863重点项目子课题、国家重大专项子课题等多项国家级项目。

• 张健，教授，研究方向为永磁电机、电机状态监测与智能化故障诊断、面向大数据的装备健康管理等。
• 张钦，博士研究生，研究方向为电机绝缘寿命预测

本文编自2023年第3期《电工技术学报》，论文标题为“基于加速退化数据和现场实测退化数据的电机绝缘剩余寿命预测模型”。本课题得到国家自然科学基金项目和宁波市第一批重大科技攻关暨“揭榜挂帅”项目的支持。