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
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
复制标题
DOI：
10.19595/j.cnki.1000-6753.tces.221227
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
田杰
中科院分区：
文献类型：
--
作者：
张健;张钦;黄晓艳;方攸同;田杰
该文针对机器学习、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,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。以剩余击穿电压为状态变量,基于Wiener过程建立了卡尔曼滤波模型的状态方程;以最大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由于无法获取新的监测信息而导致的预测精度不足问题,采用支持向量机建立了最大局部放电量预测模型。最后,针对电机主绝缘用6650聚酰亚胺,基于290℃、300℃、310℃、320℃下的加速退化数据构建状态方程,结合240℃下试样的局部放电数据构建观测方程,并以240℃下60h的试样实测老化数据为基准对模型进行了验证,证明了所提出模型在提高剩余寿命预测精度方面的有效性。