CN102707232A - 电动机设备状态在线监测装置及其监测方法 - Google Patents

Abstract

一种电动机设备状态在线监测装置包括依次连接的数据采集模块（10）、数据处理模块（20）、数据分析模块（30）、数据输出模块（40）以及电源模块（50）。该装置的监测方法包括：利用数据采集模块采集电动机的参数；对所采集的数据进行处理，适应数据分析模块的需要；数据分析模块对数据进行全面分析，并把分析结果输出至数据输出模块。本发明改变了传统的电动机检测方式，运用在线监测的方式，更准确、实时的掌握电机在各个状态的健康状况，更有效、早期的解决电机存在的故障隐患，不依赖于工作人员的技能水平，电动机的在线状态监测及故障诊断是未来发展的必然趋势。

Description

电动机设备状态在线监测装置及其监测方法

技术领域

本发明涉及检测技术，特别涉及电动机在线监测的装置和方法。

背景技术

现代工业生产及我们的日常生活，电机是最主要的原动力和驱动装置，运用也十分的广泛。目前，电动机采用定期 检修的方式，都是在设备停电基础上进行预防性试验，检修前对设备是否存在缺陷、隐患以及其他健康状况缺乏了解，检修工作具有很大的盲目性和局限性，同时，增加了停电时间，影响了设备运行的可靠性。这种方式能够提前消除一部分可能存在的故障隐患，具有一定的防护作用，但是它的缺点是无法发现电机工作状态时候的健康状况，可能存在的故障隐患，定期检修并不能保证设备在两次检修之间不发生故障，而当故障发生时，只能采用随坏随修方式。传统的电机监测和检测是依靠人的感官或是利用简单的工具做辅助检测，传统的检测手段与检测人员的经验水平有直接的关系，因此要求人员必须具有较高的技能与水平，同时，这种监测方法不能做定量测定，无法早起发现电机内部的故障。

发明内容

本发明提供一种在线检测电动机的装置和方法，采用对电动机定子、转子以及轴承的几个重要部分的状态参数进行全面实时监测，解决现有技术中不能定量分析以及无法提前预知故障的技术问题。

本发明为解决上述技术问题而提供的这种电动机设备状态在线监测装置包括依次连接的数据采集模块、数据处理模块、数据分析模块以及数据输出模块。所述数据处理模块包括数据存储器、与该数据存储器连接的时钟模块以及A/D转换模块，所述数据存储器连接所述数据分析模块，所述A/D转换模块连接数据采集模块。所述数据分析模块包括数据分析模块、与该数据分析模块连接的故障诊断模块所述数据分析模块分别连接数据处理模块及数据输出模块；所述该监测装置还包括连接所述数据分析模块的数据通讯模块。

这种电动机设备状态在线监测装置的监测方法包括以下步骤： A.利用数据采集模块采集电动机的状态参数，包括三相电流、电压、温度、压力、流量、转矩或振动频率等； B.对步骤A所采集的数据进行处理，适应数据分析模块的需要，对数据的处理包括将采集到的模拟信号通过A/D转换模块转换为数字信号；并将信号存储在数据存储器中，在处理数据的同时，对采集时间进行记录； C.数据分析模块对数据进行全面分析，并把分析结果输出至数据输出模块，事先对电机故障判断阀值进行人为设置，在接收到数据处理模块传送的电机参数后，与电机故障判断阀值进行比对分析，并将分析结果输出至数据输出模块，电机故障判断阀值包括过压、欠压、电压不平衡、电流不平衡、阻抗不平衡、过载电流、堵转电流、短路电路或零序电流，还包括对定子负序视在阻抗低通滤波，并结合定子视在阻抗角，以此判断定子绕组匝间是否短路，按照定子负序阻抗的负荷及大小判断电机是否有故障及故障部位； D.数据输出模块将数据输出。

本发明改变了传统的电动机检测方式，运用在线监测的方式，更准确、实时的掌握电机在各个状态的健康状况，更有效、早期的解决电机存在的故障隐患，不依赖于工作人员的技能水平，电动机的在线状态监测及故障诊断是未来发展的必然趋势。

附图说明

图1是本发明监测装置的结构示意图。 图2是本发明电动机设备状态在线检测的基本流程图。 图3是电动机定子绕组匝间短路故障在线监测基本流程图。

具体实施方式

结合上述附图说明本发明的具体实施例。

电动机由定子、转子、轴承、气隙等几个部分组成。由于电动机长期运行，使得它的性能会逐渐劣化，从而导致电动机出现各种各样的故障。一般按照故障出现的部位，可将常见故障分为定子故障、转子故障、轴承故障，为了预防电动机出现各种故障，需要对其进行实时的状态监测，预防故障的发生。

定子绕组故障主要包括匝间短路、过热、绝缘故障。其中，匝间短路故障占定子绕组故障的50%，过热故障约占20%，而绝缘故障则占到25%左右。通过对定子三相电流频谱、电压、温度等的监测，可以基本确定定子的具体故障以及出现故障的部位。

转子故障主要有绕组击穿、开焊以及气隙偏心，这些故障发生后，会导致转子转速下降、波动、电动机振动加剧，严重时会出现扫堂等现象。通过对定子电流的频率分量的提取、机壳等部件的振动频谱分析、转子转速的波动等检测来诊断转子出现故障的具体原因。

轴承部分的故障主要有轴承磨损、表面剥落、腐蚀、破裂、锈蚀、胶合等现象，出现故障后，会引起电动机的异常振动。轴承部分的故障也可通过检测定子电流的频谱特性来预防与诊断。

本发明的电动机设备状态在线监测装置如图1中所示，包括依次连接的数据采集模块10、数据处理模块20、数据分析模块30以及数据输出模块40。所述数据处理模块20包括数据存储器21、与该数据存储器连接的实时时钟模块22以及A/D转换模块23，所述数据存储器21连接所述数据分析模块30，所述A/D转换模块23连接数据采集模块10。所述数据分析模块30包括数据分析模块31、与该数据分析模块31连接的故障诊断模块32所述数据分析模块31分别连接数据处理模块20及数据输出模块40，所述该监测装置还包括连接所述数据分析模块30的数据通讯模块60以及连接各模块的电源模块50。其中:

数据采集模块10完成对电动机状态的相关电量数据采集和非电量数据采集，包括电量数据采集模块101，完成对电动机定子三相电流、电压的采集；非电量参数数据采集模块102完成对电动机的非电量数据的采集，包括电动机温度、压力、流量、转矩、振动等数据；

数据处理模块20包括：

A/D转换模块23完成将采集的模拟信号转换为数字信号；

时钟模块22用以在记录电动机参数的同时，将当前时间进行记录，作为记录数据的时间基准；

数据存储器21用于存储大量数据，系统会对电机运行参数进行长时间的记录，并且保证在断电的情况下数据不会发生丢失；

数据分析模块30包括：

故障诊断模块32对于电动机故障的诊断所需的各类阀值进行设置，包括电压、电流、温度、振动，用于判断过压、欠压、电压不平衡、电流不平衡、阻抗不平衡、过载电流、堵转电流、短路电路、零序电流等状况；

数据分析模块31对采集到的状态数据进行处理，与已设置的阀值数据比较，输出分析比较结果。

故障诊断的流程是依照时间顺序对采样数据进行分析，记录下发生故障的类型、部位、发生时间等信息。在一个周期数据全部分析完毕后，程序将所有故障分析结果上传、显示。在故障诊断环节，有个诊断的程序，即为首先对电机的断相、三相短路、堵转此类比较严重的故障进行判断，再对其他故障进行判断，如果诊断结果发现电机出现此类严重性故障，则不再对其余故障进行判断，因为在此类较严重的故障状况下对于其他故障的判断是不准确的。

数据的处理分析包括对定子电流的频谱分析，将电动机的标准定子电流波形作为标准波形，实时与其作对比，诊断电动机定子、转子的状态是否健康。例如，存在故障的情况下，如果定子三相电流的幅值基本对称，可以认为是对称故障；如果出现匝间、相间短路等现象，三相电流幅值不对称时，则认为是不对称故障……。数据的处理分析还包括结合转子的转速波动、振动的频谱这些因素是否都在其允许的阀值范围内，气隙磁场的分析以及一些转速、温度数据的比对等等。

数据通迅模块60实现本装置与上位机之间的通讯；

电源模块50用于提供装置的电源供给；

数据输出模块40用于显示、打印输出的报告。

本发明的电动机设备状态在线监测步骤如图2中所示：

步骤一：接受采集的状态有关数据；采集的数据包括电动机电量参数数据和非电量参数数据，包括定子三相电流、电压、温度、压力、流量、转矩、振动。

步骤二：将采集的模拟信号转换为数字信号并存储。

步骤三：将定子负序视在阻抗值低通滤波，结合定子视在阻抗角，作为定子绕组匝间短路故障特征，按照定子负序阻抗的负荷及大小判断电机是否有故障及故障部位；

步骤四：分解定子电流分量，准确抵除f1基波分量；准确抵除f1分量的方法可选择自适应滤波方法：即对转子断条时的定子电流信号：

I(t)=I＇sin(2πf1t+φ₁)+ I＇＇sin[2π(1-2s)f1t+φ₂]；(1)

形成以参考信号r(t)= I＇sin(2πf1t+φ₁),            (2)

令e(t)=i(t)-r(t)                                   (3)

则e(t)即为转子断条时定子电流中（1-2s）f1的特征分量，这就可以准确抵除f1分量，从而彻底解决f1分量淹没（1-2s）f1分量的问题。

在实际的转子断条在线检测装置中，分析对象是定子电流的一系列离散的采样值：

I＇(t₀)+I＇＇(t₀),I＇(t₀+T)+ I＇＇(t₀+T),……, I＇(t₀+kT)+ I＇＇(t0+kT),……   (4)

其中，t₀为第一采样所对应的时间；T_S为采样周期；I＇(t₀+kT)为对应定子电流中f1分量的第K次采样值；I＇＇(t₀+kT)为对应定子电流中(1-2s)f1分量的第k次采样值；k=0,1,2,…N-1,N为采样点数。

对该离散信号作细化谱分析，可以求出f1分量的精确表达式（T_s足够小，N足够大），可以设为I＇sin(2πf1t+φ1)。根据该解析表达式，可以通过软件形成如下的参考离散信号，

r(t1),r(t1+T_s),…,r(t1+kT_S),…             (5)

其中，r(t1+kT_S)= I’sin[2πf1(t1+kT_S) +φ₁], k=0,1,2,…N-1

(4)和（5）对应相减，结果即为定子电流中（1-2s）f1分量的离散的采样值，如式（6）：

I＇(t0), I＇(t0+T_s),…, I＇(t0+kT_s),…                 (6)

步骤五：依照步骤四的结果判断是否存在转子断条现象。

步骤六：方法同步骤四，判断是否含有mfv频率的附加电流分量(fv为轴承振动特征频率)；

用以监测轴承是否有故障发生。

步骤七：结合其他采集数据，如温度、速度等，判断故障或者预测故障结果，并输出；

将处理分析得到的数据结果传至上位机，或者输出显示，若检测结果有超出诊断设定的阀值，设置有报警输出等输出形式。

图3表示为定子绕组匝间短路故障检测方法基本流程图

步骤一：采集定子三相电流瞬时信号：分别记为i_a、i_b、i_c（采样频率1000Hz，采样点数10000点）；

步骤二：对i_a做傅里叶频谱分析、频谱矫正，确定（1-2s）f1分量的频率，幅值和相位，据此形成噪声信号u_s；

步骤三：根据u_s对i_a做自适应滤波，抵消其（1-2s）f1分量，结果记为e_Ta；

步骤四：对e_Ta做傅里叶频谱分析、频谱矫正，确定（1+2s）f1分量的频率、幅值和相位，据此形成噪声信号u＇_s;

步骤五：根据u＇_s对e_Ta做自适应滤波，抵消其（1+2s）f1分量，得到e＇_Ta。

步骤六：同理，得到e＇_Tb、e＇_Tc。

步骤七：根据已得e＇_Ta、e＇_Tb、e＇_Tc计算定子电流负序分量，检测定子绕组匝间短路故障。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种电动机设备状态在线监测装置，其特征在于：该监测装置包括依次连接的数据采集模模块（10）、数据处理模块（20）、数据分析模块（30）、数据输出模块（40）以及电源模块（50）。

2.根据权利要求1所述的电动机设备状态在线监测装置，其特征在于：所述数据处理模块（20）包括数据存储器（21）、与该数据存储器连接的实时时钟模块（22）以及A/D转换模块（23），所述数据存储器（21）连接所述数据分析模块（30），所述A/D转换模块（23）连接数据采集模块（10）。

3.根据权利要求1或2所述的电动机设备状态在线监测装置，其特征在于：所述数据分析模块（30）包括数据分析模块（31）、与该数据分析模块（31）连接的故障诊断模块（32）所述数据分析模块（31）分别连接数据处理模块（20）及数据输出模块（40）。

4.根据权利要求1或2所述的电动机设备状态在线监测装置，其特征在于：所述该监测装置还包括连接所述数据分析模块（30）的数据通讯模块（60）。

5.一种利用权利要求1至4中所述电动机设备状态在线监测装置进行的监测方法，其特征在于：该方法包括以下步骤： A.利用数据采集模块采集电动机的状态参数； B.对步骤A所采集的数据进行处理，适应数据分析模块的需要； C.数据分析模块对数据进行全面分析，并把分析结果输出至数据输出模块； D.数据输出模块将数据输出。

6.根据权利要求5所述的监测方法，其特征在于：步骤A中所述采集的电动机电参数和非电参数包括三相电流、电压、温度、压力、流量、转矩或振动频率。

7.根据权利要求5或6所述的监测方法，其特征在于：步骤B中对数据的处理包括将采集到的模拟信号通过A/D转换模块转换为数字信号；并将信号存储在数据存储器中，在处理数据的同时，对处理时间进行记录。

8.根据权利要求5或6所述的监测方法，其特征在于：步骤C中数据分析模块事先对电机故障判断阀值进行人为设置，在接收到数据处理模块传送的电机参数后，与电机故障判断阀值进行比对分析，并将分析结果输出至数据输出模块。

9.根据权利要求8所述的监测方法，其特征在于：步骤C中电机故障判断阀值包括过压、欠压、电压不平衡、电流不平衡、阻抗不平衡、过载电流、堵转电流、短路电路或零序电流。

10.根据权利要求5或6所述的监测方法，其特征在于：步骤C中还包括对定子负序视在阻抗低通滤波，并结合定子视在阻抗角，以此判断定子绕组匝间是否短路，按照定子负序阻抗的负荷及大小判断电机是否有故障及故障部位。

Images