2023年2月电工技术学报Vol.38No.3第38卷第3期TRANSACTIONSOFCHINAELECTROTECHNICALSOCIETYFeb.2023DOI:10.19595/j.cnki.1000-6753.tces.221227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张健1张钦1黄晓艳1方攸同1田杰2（1.浙江大学电气工程学院杭州3100272.武汉第二船舶设计研究所武汉430205）摘要该文针对机器学习、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。关键词：电机绝缘寿命预测Wiener过程拓展卡尔曼滤波支持向量机中图分类号：TM3060引言电气化交通、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，是电机可靠性的最关键的环节，超过1/3的电机事故是由于电机绝缘故障引起的[1]。根据IEEE工业应用协会（IEEEIndustryApplicationSociety）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为几十到上百小时，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。因此，对电机绝缘状态进行监测，结合历史退化数据等信息对其进行寿命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[2]。在工程上，常通过非破坏性的宏观表征对电机绝缘状态进行评估[3-7]。数据驱动的唯象寿命模型是电机绝缘剩余寿命（RemainingUsefulLife,RUL）预测的主流方法。众多学者应用机器学习算法、随机过程、卡尔曼滤波算法等方法建立了剩余寿命预测模型，以解决数据驱动的寿命预测问题，并取得了一定进展[8-11]。比如，于永进等基于鲸鱼优化算法和长短期记忆网络对绝缘纸剩余寿命进行预测，为换流变压器绝缘系统安全...
