CN103033745A - 检测发电机的机械故障的方法和系统 - Google Patents

Abstract

本发明公开了一种根据电流特征分析来检测风力发电机中故障的方法。所述方法包括获取表示发电机的运行状态的一组电信号。此外，处理所述电信号以生成电信号的归一化频谱。根据对所述电流频谱的分析来检测故障，所述故障与齿轮箱或轴承或与所述发电机关联的其他任何部件相关。

Description

检测发电机的机械故障的方法和系统

技术领域

本发明的实施例大体涉及机电机(electromechanical machine)的状态监视。确切地说，本发明的实施例涉及根据电流信号分析(CSA)来监视机电机的驱动系统和轴承的状态的方法和系统。

背景技术

根据惯例，主要使用振动信号来监视机电系统中的机械异常。已发现，驱动系统中的机械故障将在径向转子运动中产生振动，并由此而以转子机械旋转频率产生相应扭矩振荡。可通过监视并研究转子机械旋转频率来检测与驱动系统关联的机械故障。但是，使用振动信号进行状态监视具有许多缺点，例如因外部激发运动而产生的信号背景噪声、对安装位置的敏感性，以及它们的侵略性测量特性。

其他状态监视技术以负载扭矩振荡使得需要对定子电流进行相位调制这一观测结果为基础，并借此分析定子电流特征，以检测因故障而引起的机械扰动。由于此类电流监视技术能够显著节省经济成本且易于实现，因此在检测电机中的机械故障方面正受到越来越多的关注。例如，对于机电机中的轴承故障检测，可将轴承故障分类至单点故障或一般化的粗糙故障。单点故障已得到检测，方法是使用通过轴承机械固有频率进行的电机电流信号分析(MCSA)，且将这些类型的异常作为偏心故障考虑。但是，对于一般化的粗糙故障，固有轴承故障频率不可观测或者可能不存在，尤其是在早期阶段中。此外，无论故障类型是什么，相对于所取样定子电流中电源基本谐波、偏心谐波和槽谐波等支配分量而言，轴承故障特征通常较为微妙。与已从长期现场经验中逐步形成行业标准的轴承振动监视不同，定子电流监视的现场经验极为有限，且存在极大困难。例如，鉴于定子电流中的轴承故障特征已经极为微妙，轴承故障特征的量值在不同应用中还可能不同。此外，尽管齿轮箱广泛用于行业应用中，但极少推荐使用定子电流信号分析来进行齿轮箱监视。

因此，需要改进使用电流特征分析来监视驱动系统，尤其是齿轮箱和轴承的状态的方法和系统。

发明内容

根据本发明的一项实施例，提供一种检测发电机中的机械故障的方法。所述方法包括获取表示所述发电机的运行状态的电信号。所述方法还包括将所述电信号归一化以提取频谱信息。所述方法进一步包括根据对所述频谱信息的分析而检测故障。

其中根据对所述频谱信息的分析来检测故障包括检测轴承故障或齿轮箱故障。

其中获取表示所述发电机的运行状态的电信号包括获取所述发电机的多相中的每一相的电信号。

其中所述表示所述发电机的运行状态的电信号包括电流和电压信号。

其中所述电流频谱根据以下项中的至少一项来归一化：快速傅立叶变换、时频分析，以及多模归结分析。

其中将所述电信号归一化以提取频谱信息进一步包括：消除所述电流频谱中的对称分量；以及提取在异常运行状态期间显示于所述电流频谱中的不对称分量。

其中消除所述电流频谱中的所识别对称分量包括对多相中每一相的电流信号瞬时值进行平方运算，并对平方值求和。

其中消除所述电流频谱中的对称分量包括消除构成所述发电机的正常运行状态期间的发电机电流频谱的对称分量。

所述检测发电机中的机械故障的方法进一步包括：获取表示所述发电机的非故障运行状态的第二组电信号；使用所述第二组电信号将表示所述发电机的所述运行状态的电信号转换成混合电信号；将所述混合电信号归一化以提取频谱信息；以及根据对所述频谱信息的分析来检测故障。

其中获取表示所述发电机的非故障运行状态的第二组电信号包括获取所述发电机的多相中的每一相的第二组电信号。

其中将所述混合电信号归一化以提取频谱信息包括：动态地消除所述混合电信号中的对称分量；将所述混合电信号中的所述不对称分量的量值和相位与所述第二组电信号的量值和相位进行比较；以及当所述混合电信号中的所述不对称分量与所述第二组电信号中的量值和相位偏离时，检测出故障。

其中检测故障包括检测所述发电机的转子中的故障。

其中分析所提取的特征包括：将所提取的特征与确定的阈值进行比较。

根据本发明的另一项实施例，提供一种检测发电机的齿轮箱和轴承故障的系统。所述系统包括一个或多个传感器，用于获取表示所述发电机的运行状态的电信号。所述系统还包括控制器，用于将所述电信号归一化以提取频谱信息。所述系统进一步包括故障检测单元模块，用于根据对所提取频谱信息的分析来检测所述齿轮箱中的一个或多个故障。

其中所述故障检测单元模块检测轴承故障或齿轮箱故障。

其中所述一个或多个传感器获取所述发电机的多相中的每一相的电信号。

所述控制器经进一步配置以：消除所述电信号的电流频谱中的对称分量；以及提取在异常运行状态期间显示于所述电流频谱中的不对称分量。

附图说明

在参阅附图阅读以下具体说明后，将更好地理解本发明的这些和其他特征、方面和优点，在附图中，类似的符号代表所有附图中类似的部分，其中：

图1是根据本发明一项实施例的机电机(EMM)的示例性实施例的原理图。

图2是根据一项实施例的示例性故障检测系统配置的方框图。

图3是根据一项实施例的示例性故障检测系统配置的方框图。

图4是根据一项实施例的示例性故障检测系统配置的方框图。

图5是根据一项实施例的示例性故障检测系统配置的方框图。

图6是根据一项实施例的EMM的轴承的结构的原理图。

图7是图1所示EMM在根据本发明一项实施例的频域中的定子输出电流的示例性波形的原理图。

图8是根据一项实施例的EMM的齿轮箱齿轮的结构的原理图。

图9是图1所示EMM在根据本发明一项实施例的频域中的定子输出电流的示例性波形的原理图。

图10是图示了检测风力发电机中故障的示例性方法中所含步骤的流程图。

图11是图示了根据本发明一项实施例检测机电机(EMM)中故障的示例性方法中所含步骤的流程图。

图12是图示了根据本发明另一项实施例检测机电机(EMM)中故障的示例性方法中所含步骤的流程图。

具体实施方式

本专利申请文件描述一种电气多相不平衡分离技术，用于对机电机(EMM)中的故障，包括驱动系统异常和轴承故障进行高敏感性检测。所述技术能够根据故障特征量值中可能出现的微妙变化，将恶化的EMM部件的状态与正常状态或可接纳状态区分开来。典型机电机的定子电流中的支配分量是电源基本谐波、偏心谐波、槽谐波、饱和谐波，以及源自环境噪声等未知来源的其他分量。由于此类支配分量存在于出现轴承故障之前和之后，因此这些分量所携带的大部分信息与轴承故障无关。从这个意义上说，它们对EMM故障检测问题而言基本上是“噪声”。相比较而言，定子电流中由驱动系统故障注入的分量的量值远低于支配分量。因此，检测的灵敏性将受到影响，即使是使用基本上以单相分析为基础的最好仪器和分析方法也是如此。

通常，可通过电源频率、风轮转速和机器结构来确定支配分量的频率。如果将驱动系统故障特征作为信号考虑，且将所述支配分量作为噪声考虑，则驱动系统故障检测问题在本质上即为低信噪比问题。此外，由于信号频率可能无法预测，因此信号和噪声可能具有相同频率。因此，应当除去噪声分量，以发现故障特征。因此，估计定子电流中与驱动系统故障无关的支配分量，然后以实时方式通过所述估计而消除这些支配分量。这样，剩余分量(即已消除噪声的定子电流)与驱动系统故障的相关程度就更高。

本发明的一项实施例能够系统地且动态地消除多相系统电信号的对称或有用分量的贡献，例如电流、电压或功率。这种消除使得因机器不对称性和/或故障而引起的电信号“失真”在交流频谱中突出显示，并因此而使相应检测更容易。具体而言，本发明涉及对多相中的每一相的电信号瞬时值(电流、电压、功率等)进行平方运算，并对所得值求和。对电信号瞬时值进行平方运算会将所有对称或平衡(且通常为有用的)分量贡献“并入”或加入等效直流信号中。这样，如果存在，则信号中只有指示不对称性或故障的不平衡分量将以两倍频率的交流量显示。因此，通过这种对所有对称项的消除，那么不管是固有机器不对称性、定子绕组故障或驱动系统故障，还是主轴承故障，此类异常的效果都将在交流频谱中突出显示，因为它们无需与有用或对称分量竞争。因此，将以高得多的灵敏度水平对所得到的能够仅归因于异常状态的交流频谱进行分析。

参阅图1，机电机(EMM)，例如三相发电机，经配置以发电。EMM组件100包括转子组件110、主轴承120、主轴130、齿轮箱140、电传感器(未图示)，以及多相发电机150。EMM组件100也包括控制器，用于响应于发电机故障状态而监视并控制多相发电机150的运行。控制器包括处理器，用于检测EMM组件100内的各种部件，包括驱动系统和轴承，是否存在故障状态。将参阅图2更详细地介绍控制器。电信号传感器可以是电流和电压传感器，用于获取与多相发电机150相关的电流和电压数据。例如，电流传感器用以感测多相发电机的多相中的一相或多相的电流数据。具体而言，就三相感应发电机而言，电流和电压传感器用以感测三相感应发电机的三相的电流和电压数据。尽管本发明的某些实施例将参照多相发电机进行描述，但本发明的其他实施例可应用到其他多相机电机。

在本发明的一项实施例中，电流和电压传感器分别检测多相发电机150的定子电流数据和电压数据。从传感器获取的定子电流数据和电压数据将传送给控制器，以进行进一步的处理和分析。所述分析包括执行电流特征分析(CSA)以检测EMM内的故障，包括驱动系统故障和轴承故障。根据本发明的一项实施例，所述控制器经配置以消除电信号中对称或有用分量的贡献，以使得所述信号中只有与故障相关的不平衡分量会在交流频谱中显示为交流量。具体而言，所述控制器经编程以移除此类非故障相关的对称或有用分量，方法是对多相中的每一相的电流数据瞬时值进行平方运算，并对平方值进行求和。这样，非故障相关的对称分量将转换成直流量，而电流信号中故障相关的不对称分量将以两倍频率显示在交流频谱中。

现在参阅图2，其中图示了控制器的详细方框图。如参阅图1所述，控制器170包括处理器180和电气多相不平衡分离技术(eMIST)单元190。eMIST单元190连接到传感器库160，并接收多相发电机150的每一相的定子电流和电压数据，并准备供处理器180进行处理的电流和电压数据。eMIST单元190的功能将参阅图3、图4和图5进行更详细的描述。尽管所图示的eMIST单元190为单独部件，但也应了解，eMIST单元190的功能可由处理器180执行。

处理器180用作不平衡分离系统，其系统地且动态地消除多相系统的电信号中的对称或有用分量的贡献，例如电流或电压或功率。此类消除使得因机器100的不对称性和/或故障而引起的电信号“失真”在交流频谱中突出显示。换言之，处理器180经配置以将基本频率分量作为噪声处理，并将剩余频率分量作为故障相关分量处理。动态地消除连续获取的定子电流分量中的噪声分量将得到仅与故障相关的分量，其由机电故障引入定子电流中。例如，处理器180可经编程以消除所测量的定子电流数据中的基本频率(例如，60Hz)和低频率谐波(尤其是基本频率分量)。移除所测量的定子电流数据中的基本频率能够极大地提高模数转换分辨率和SNR，因为60Hz的基本频率在电流信号的频谱中占较大部分。

处理器180可经编程以进一步分析已消除噪声的定子电流。具体而言，可计算阈值，以使得落在所述阈值外的测量频率即指示EMM部件状态恶化/异常。一种计算阈值的方法可以是发现正常状态下的最高故障特征级别，并将该值设置成阈值。

参阅图3，在本发明的示例性实施例中，eMIST单元190能够消除定子电流中的噪声，并分离其中的故障信号。为了准确地消除定子电流中的噪声，eMIST单元190经配置以动态地消除非故障相关的平衡分量，即，定子电流中的噪声分量。为了动态地消除定子电流频谱中的噪声分量，eMIST单元190经配置以对多相中的每一相的电信号瞬时值(电流、电压、功率等)进行平方运算，并根据公式(1)和(2)对经平方的瞬时值求和，从而将对称或平衡(且通常为有用的)分量转换成等效直流量，且将任意不平衡且故障相关的分量以两倍频率显示在交流频谱中。

I＝Ia2+Ib2+...+In2                    ----(1)

V＝Va2+Vb2+...+Vn2                    ----(2)

这样，只有任意不对称项会针对I和V作为交流量显示在交流频谱中。因此，通过这样有效地消除所有对称项，不管是固有机器不对称性还是驱动系统部件或轴承故障，异常的效果都会作为交流量突出显示在交流频谱中。因此，针对出现故障的驱动系统或轴承状态，将以高得多的灵敏度对所得到的能够仅归因于异常状态的交流频谱进行分析。处理器180对公式(1)和(2)的结果进行分析，并在交流频谱中存在任意故障相关的交流量的情况下检测故障。

应注意的是，与EMM组件100相关的机械故障也可包括转子组件110中的故障。如果转子组件100中出现故障，则定子电流测量将无助于检测与转子关联的故障，原因是出现在转子中的任何故障将在多相发电机的所有n相中形成相等调制，其中“n”是相的数量。为了检测转子组件中的故障，eMIST单元190经配置以如图4所示计算基线测量值，然后如图5所示计算“混合”定子电流数据。基线定子电流和电压数据测量值是与健康驱动系统和轴承部件关联的电流和电压数据，且在EMM组件100的非故障运行状态期间获取。与健康驱动系统和轴承状态关联的基线定子电流数据可包括所获取的多相中的每一相的一组定子电流数据，其中所述定子电流数据在安装包括轴承和驱动系统部件在内的EMM组件100后不久获取。在一项实例中，基线定子电信号在EMM组件100的初次运行期间获取，即，在安装EMM组件100后第一次运行EMM组件100期间获取。这样获取的定子电流数据可确保定子电流中不包括与驱动系统或轴承故障相关的分量。参阅图4，在一项实例中，eMIST单元190从传感器库160接收电流和电压数据，并根据下面的公式(3)和(4)计算电流和电压的基线测量值，

Ibaseline＝Ia-baseline2+Ib-baseline2+...+In-baseline2    ----(3)

Vbaseline＝Va-baseline2+Vb-baseline2+...+Vn-baseline2    ----(4)

其中，

Ibaseline是在健康机器状态期间测量的基线定子电流数据

Ia-baseline是第一相的基线定子电流数据

Ib-baseline是第二相的基线定子电流数据

In-baseline是第n相的基线定子电流数据

Vbaseline是在健康机器状态期间测量的基线定子电压数据

Va-baseline是第一相的基线定子电压数据

Vb-baseline是第二相的基线定子电压数据

Vn-baseline是第n相的基线定子电压数据

因此，基线电流(I)和电压(V)数据是多相中每一相的电流和电压信号瞬时值的平方和。eMIST单元190经进一步配置以根据公式(5)和(6)对基线定子电流和电压值执行快速傅立叶(Fourier)变换(FFT)，以将电流信号(I)中的非故障相关分量分解成等效直流量，而将故障相关分量以频率域中频率的两倍呈现在交流频谱中。由于在健康轴承状态下，定子电流中的所有分量均为噪声，所以基线测量期间交流频谱中不含任何故障信息。因此，当出现故障时，只有噪声分量会以两倍频率显示在交流频谱中。

FFT(I)＝2*fbaselineI            ----(5)

FFT(V)＝2*fbaselineV            ----(6)

在理想情况下，假定EMM组件100在没有机械故障的情况下正常运行，则所得定子电流和电压数据将具有非故障相关分量，即，交流频谱中已消除且不具有故障相关分量的平衡分量。所得定子电流和电压数据将形成故障检测期间的基线数据。处理器180可将基线测量值存储在存储器185中，以在转子110故障分析和检测期间使用。

此外，参阅图5，eMIST单元190从传感器库160接收电流和电压数据，并根据下示公式(7)和(8)计算电流和电压的混合定子电流数据。混合定子电流和电压数据的计算方法是，将多相电流和电压数据中至少一相的电流和电压分量替换成该特定相的相应基线电流和电压数据，其中基线数据是在正常/健康机器住状态期间测量的。

Ihybrid＝Ia-old2+Ib-new2+...+In-new2        ----(7)

Vhybrid＝Va-old2+Vb-new2+...+Vn-new2        ----(8)

其中，

Ihybrid是在故障检测期间获取的定子电流数据

Ia-old是在基线测量期间获取的第一相的电流数据

Ib-new是在故障检测期间获取的第二相的电流数据

In-new是在故障检测期间获取的第n相的电流数据

Vhybrid是在故障检测期间获取的定子电压数据

Va-old是在基线测量期间获取的第一相的电压数据

Vb-new是在故障检测期间获取的第二相的电压数据

Vn-new是在故障检测期间获取的第n相的电压数据。

eMIST单元190经进一步配置以根据公式(9)和(10)对混合定子电流和电压值执行快速傅立叶变换(FFT)，以将电流信号(I)中的非故障相关分量分解成等效直流量，而将故障相关分量以频域中频率的两倍呈现在交流频谱中。

FFT(Ihybrid)＝2*fhybridI            ----(9)

FFT(Vhybrid)＝2*fhybridV            ----(10)

处理器180随后可将混合交流电压和电流量的量值和相位与基线电压和电流测量值进行比较。根据所述比较，混合量与基线测量值的任何偏差可表明EMM组件100中的至少一个部件存在故障，例如驱动系统部件或轴承。比较的结果可存储在存储器185中以进行进一步分析，例如故障频率、发生故障的时间、特定部件的故障频率等。

此外，为了提高检测精度，需要针对所监视的每个部件，包括EMM组件100的齿轮箱140和轴承120获取一组阈值。为了区分EMM组件100内的各部件中发生的各种故障，需针对每个部件收集在基线状态和故障检测状态下的多份电流和电压信号样本，并设置相应的阈值。例如，为了将恶化的齿轮箱状态与其他故障部件区分开来，需要对齿轮箱140的噪声消除定子电流的RMS设置警告阈值。可通过观察噪声消除定子电流中与所确定的警告阈值的非受控偏差来检测出可能的齿轮箱故障。为避免因数据不足而导致判断错误，处理器180在接收到足够的噪声消除定子电流样本后开始判断，例如，在接收到30到50个样本以上后开始判断。可通过控制极限外的失控样本的百分比来衡量所述偏差，例如10％以上，且将发送关于齿轮箱状态的警告消息。

图6是轴承600的原理图，轴承600具有内滚道610、外滚道620、位于内滚道610与外滚道620之间的轴承滚珠630，以及用于将滚珠630固定在轴承600内合适位置的保持架640。外滚道和内滚道频率在每个滚珠630经过故障时形成。这在完整滚道循环期间发生Nb次，其中Nb是轴承600中的滚珠630的数量。因而可根据等式(11)到(13)来限定轴承频率fbearing，

fbearing：

外滚道： $f_0=\frac{N_b}{2}{f}_r(1-\frac{D_b}{D_c}\cos \mathrm{\β})----\left(11\right)$

内滚道： $f_i=\frac{N_b}{2}{f}_r(1+\frac{D_b}{D_c}\cos \mathrm{\β})----\left(12\right)$

滚珠： $f_b=\frac{D_c}{D_b}{f}_r(1-\frac{D_b^2}{D_c^2}{\cos }^2\mathrm{\β}).----\left(13\right)$

其中，

f0是外滚道620的振动频率

fi是内滚道620的振动频率

fb是轴承滚珠630的振动频率

Nb是滚珠630的数量

fr是机械风轮转速(Hz)

Db是滚珠直径

Dc是轴承变桨直径

β是滚珠与滚道的接触角

由于此类轴承振动将引发空隙调整，因此所述振动也将显示在发电机150的电流频谱中。定子电流频谱中的具体频率可与轴承600和齿轮箱140部件中的具体故障模式相关。根据公式(14)，

定子电流频率：

fs＝|ffundamental±k.fbearing|            ----(14)

其中，

ffundamental＝60Hz

在一项实例中，为了检测轴速度为800rpm、负载为15KW、转子激发频率为20Hz且定子输出频率为60Hz的给定样本测试状态下轴承内滚道610故障，将根据公式(12)的轴承振动频率计算为，

$f_{\mathrm{bearing}}=\frac{N_b}{2}{f}_{\mathrm{rotr}}(1+\frac{D_b}{D_c}\cos \mathrm{\β})\≈66~67\mathrm{Hz}$

其中，

N_b＝8

f_rotor＝800/60＝13.3Hz

D_b＝2.3cm

D_c＝9.3cm

β≈0

根据公式(14)的定子电流频率由下式给定，

$f_{\mathrm{bearing}}=\frac{N_b}{2}{f}_{\mathrm{rotr}}(1+\frac{D_b}{D_c}\cos \mathrm{\β})\≈66~67\mathrm{Hz}$

f_s＝|f_fundamental±k·f_bearing|

f_s＝|f_fundamental-2·f_bearing|≈73.1Hz

其中，

ffundamental＝60Hz的定子输出频率

常数k＝2

频域中样本定子输出电流的波形如图7所示。x轴710表示频率(Hz)且y轴720表示表示增益(dB)。曲线730表示正常轴承状态下的定子输出电流，而曲线740表示内轴承滚道存在故障的故障轴承状态下的定子输出电流。因轴承故障而引起的峰值定子输出电流如曲线750所示。从实例中可以看出，健康轴承状态和故障轴承状态的定子输出电流的差值约为15dB。

图8是具有磨损齿810的齿轮箱齿轮的原理图。对于轴速度为800rpm、负载为15KW、转子激发频率为20Hz且定子输出频率为60Hz的给定样本测试状态，故障齿轮箱齿轮800的定子电流频率根据公式(12)计算为，

f_s＝|f_fundamental±k·f_rotor|

f_s＝|f_fundamental-56·f_rotor|

≈833Hz

其中，

f_rotor＝800/60＝13.3Hz

ffundamental＝60Hz

常数k＝56

常数k决定对波形进行监视的带宽。因此，可确定常数k，以选择特定带宽，所述特定带宽内由波形表示的频率对故障分析和检测最为敏感。

对于发生故障的齿轮箱，频域中样本定子输出电流的波形900如图9所示。x轴910表示频率(Hz)且y轴920表示表示增益(dB)。曲线930表示健康齿轮箱状态下的定子输出电流，而曲线940表示齿轮存在故障的故障齿轮箱状态下的定子输出电流。因齿轮箱故障而引起的峰值定子输出电流如曲线950所示。从实例中可以看出，健康齿轮箱状态和故障齿轮箱状态的定子输出电流的差值约为20dB。

在一项实施例中，本发明用于双馈感应发电机(DFIG)，其中与发电机轴承或齿轮箱相关的任何机械故障通过分析DFIG的定子电压和电流输出等电信号来进行检测。在一项实例中，DFIG是风力发电机组件的一部分，其中风力发电机的叶片包括DFIG的转子组件。所述方法包括使用一个或多个传感器来获取定子输出信号，例如，定子输出电流信号。所述一个或多个传感器可以是基于状态的监视(CBM)传感器。所述方法包括监视DFIG定子电流中的频谱含量，以及将定子电流的频谱特征与DFIG轴承和齿轮箱中的故障相关联。轴承和齿轮箱中的故障使DFIG的轴中产生振动，该振动继而作为扭矩振荡以转子机械旋转频率在DFIG中传播。由于振荡将引发空隙调整，因此此类振动也将显示在发电机的电流频谱中。因此，DFIG的定子输出电流的具体频率可与轴承和驱动系统部件中的具体故障模式相关。尽管本发明实施例相对于风力发电机中的DFIG进行描述，但本发明实施例也可应用于其他机电机和其他系统。

图10是图示了检测风力发电机发电机中故障的示例性方法中所含步骤的流程图。在步骤1001中，获取表示发电机的运行状态的电信号。在一项实例中，电信号是对应于故障运行状态等发电机运行状态的电流信号。此外，在步骤1002中，根据快速傅立叶变换、时频分析或多模归结分析，或这些方法的组合而对电信号进行处理，以提供归一化电信号频谱。在步骤1003中，将归一化频谱信息提供给处理器，以进行特征提取，并执行基于频谱强化的结论。在步骤1003中，在电流信号偏离确定的阈值时检测到与齿轮箱或轴承或与发电机关联的其他任何部件相关的故障。可根据发电机额定值、现场测试和/或仿真结果来确定用于检测特定故障的阈值。在另一项实施例中，发电机故障可通过融合振动信号和电信号的结果来检测发电机故障。

图11是图示了根据本发明实施例检测机电机(EMM)中故障的示例性方法中所含步骤的流程图。方法1100包括在步骤1101中，在运行期间获取多相EMM的每一相的一个或多个电信号。电信号的实例包括电流、电压、功率等。此外，所述方法包括在步骤1102中，动态地消除一个或多个电信号中的对称分量。在一项实施例中，根据公式(1)和(2)所示算法来动态地消除所述对称分量，所述算法对多相中每一相的一个或多个电信号瞬时值进行平方运算，并对一个或多个电信号的平方值进行求和。通过快速傅立叶变换(FFT)等任何归一化技术来将所得电流和电压值分解成对称分量和不对称分量。在步骤1103中，通过识别所得电信号中的不对称分量来检测故障。在一项实例中，将所得电信号中，即所得交流频谱中的不对称分量与确定的阈值进行比较。当所述不对称分量与确定的阈值偏离时，检测出故障。

图12是图示了根据本发明另一项实施例检测机电机(EMM)中故障的示例性方法中所含步骤的流程图。方法1200包括在步骤1201中，在EMM的初次运行期间，获取多相EMM的每一相的第一组电信号。在一项实施例中，第一组电信号在EMM的初次运行期间获取，即，安装EMM后第一次运行EMM期间。由此而获取的定子电流数据可确保定子电流中不包括任何与EMM部件故障相关的信号。在步骤1202中，根据公式(3)到(6)所示算法来动态地消除第一组电信号中的对称分量，所述算法对多相中每一相的第一组电信号瞬时值进行平方运算，并对所述一个或多个电信号的平方值求和，以形成基线电信号。在步骤1203中，在EMM的正常运行期间获取多相EMM的每一相的第二组电信号。例如，作为状态监视过程的一部分而连续地获取第二组电信号，在状态监视过程中，EMM可能生成表示EMM组件的故障运行状态的信号。故障运行状态的原因可能在于EMM组件内的部件存在故障或磨损。在步骤1204中，将第二组电信号转换成混合电信号。

在一项实施例中，通过将所获取的针对至少一相的第一组电信号中的电信号替换成相应相的基线电信号来将第二组电信号转换成混合电信号。在转子组件中发生的任何故障通常同等地调制所有n相中的输出定子电信号。因此，可通过如公式(7)到(8)所示形成混合电信号来检测转子组件中发生的任何故障。在步骤1205中，如公式(9)和(10)所示消除混合电信号中的对称分量。如果存在，则从步骤1105中所得的电信号中的故障相关不对称分量将以两倍频率显示在交流频谱中。在步骤1206中，将混合电信号中的不对称分量与基线电信号中的不对称分量进行比较。在步骤1207中，根据所述比较，如果混合电信号中的不对称分量与基线电信号中的不对称分量偏离，则在步骤1208中生成故障信号。否则，方法前进到步骤1201，并继续监视定子输出信号以检测故障。

尽管本专利申请文件仅说明并描述了本发明的某些特征，但所属领域的技术人员能够做出许多修改和变化。因此，应了解，随附权利要求书涵盖落在本发明实际精神内的所有此类修改和变化。

Claims (17)

1.一种检测发电机中的机械故障的方法，所述方法包括：

获取表示所述发电机的运行状态的电信号；

将所述电信号归一化以提取频谱信息；以及

根据对所述频谱信息的分析来检测故障。

2.根据权利要求1所述的方法，其中根据对所述频谱信息的分析来检测故障包括检测轴承故障或齿轮箱故障。

3.根据权利要求1所述的方法，其中获取表示所述发电机的运行状态的电信号包括获取所述发电机的多相中的每一相的电信号。

4.根据权利要求1所述的方法，其中所述表示所述发电机的运行状态的电信号包括电流和电压信号。

5.根据权利要求1所述的方法，其中所述频谱信息中的电流频谱根据以下项中的至少一项来归一化：快速傅立叶变换、时频分析，以及多模归结分析。

6.根据权利要求1所述的方法，其中将所述电信号归一化以提取频谱信息进一步包括：

消除所述频谱信息中的电流频谱中的对称分量；以及

提取在异常运行状态期间显示于所述电流频谱中的不对称分量。

7.根据权利要求6所述的方法，其中消除所述电流频谱中的对称分量包括对多相中每一相的电流信号瞬时值进行平方运算，并对平方值求和。

8.根据权利要求6所述的方法，其中消除所述电流频谱中的对称分量包括消除构成所述发电机的正常运行状态期间的发电机电流频谱的对称分量。

9.根据权利要求1所述的方法，其进一步包括：

获取表示所述发电机的非故障运行状态的第二组电信号；

使用所述第二组电信号将表示所述发电机的所述运行状态的电信号转换成混合电信号；

将所述混合电信号归一化以提取频谱信息；以及

根据对所述频谱信息的分析来检测故障。

10.根据权利要求9所述的方法，其中获取表示所述发电机的非故障运行状态的第二组电信号包括获取所述发电机的多相中的每一相的第二组电信号。

11.根据权利要求9所述的方法，其中将所述混合电信号归一化以提取频谱信息包括：

动态地消除所述混合电信号中的对称分量；

将所述混合电信号中的所述不对称分量的量值和相位与所述第二组电信号的量值和相位进行比较；以及

当所述混合电信号中的所述不对称分量与所述第二组电信号中的量值和相位偏离时，检测出故障。

12.根据权利要求11所述的方法，其中检测故障包括检测所述发电机的转子中的故障。

13.根据权利要求1所述的方法，其中分析所提取的特征包括：

将所提取的特征与确定的阈值进行比较。

14.一种检测发电机的机械故障的系统，所述系统包括：

一个或多个传感器，其用于获取表示所述发电机的运行状态的电信号；

控制器，其用于将所述电信号归一化以提取频谱信息；以及

故障检测单元模块，其用于根据对所提取频谱信息的分析来检测所述齿轮箱中的一个或多个故障。

15.根据权利要求14所述的系统，其中所述故障检测单元模块检测轴承故障或齿轮箱故障。

16.根据权利要求14所述的系统，其中所述一个或多个传感器获取所述发电机的多相中的每一相的电信号。

17.根据权利要求14所述的系统，其中所述控制器经进一步配置以：

消除所述频谱信息中的电流频谱中的对称分量；以及

提取在异常运行状态期间显示于所述电流频谱中的不对称分量。

Images