CN104101833A - 基于电机的电流特征分析的转子断条检测 - Google Patents

基于电机的电流特征分析的转子断条检测 Download PDF

Info

Publication number
CN104101833A
CN104101833A CN201410137562.0A CN201410137562A CN104101833A CN 104101833 A CN104101833 A CN 104101833A CN 201410137562 A CN201410137562 A CN 201410137562A CN 104101833 A CN104101833 A CN 104101833A
Authority
CN
China
Prior art keywords
electric signal
fault
motor
rotor bar
frequency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410137562.0A
Other languages
English (en)
Inventor
P.内蒂
S.格鲁比奇
张品佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GE Energy Power Conversion Technology Ltd
Original Assignee
GE Energy Power Conversion Technology Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GE Energy Power Conversion Technology Ltd filed Critical GE Energy Power Conversion Technology Ltd
Publication of CN104101833A publication Critical patent/CN104101833A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
    • H02P29/02—Providing protection against overload without automatic interruption of supply
    • H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
    • H02P29/0241—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load the fault being an overvoltage

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

本发明涉及基于电机的电流特征分析的转子断条检测。具体而言，提供了一种用于检测电机中的转子条故障的方法。该方法包括从电机获取表示机器的操作状态的电信号。来自电信号的对称分量通过对来自该电信号的各个数据点的瞬时值求平方且对平方值求和来消除。该方法还包括通过应用窗函数来计算平方值的加权表示以消除电信号中的不连续的步骤。此外，该方法包括使加权表示标准化来获得频谱信息的步骤。转子条中的故障通过分析在标准化之后获得的频谱信息来检测。

Description

基于电机的电流特征分析的转子断条检测
技术领域
本发明大体上涉及监测电机领域，并且更具体而言，涉及基于电流特征分析(current signature analysis)的电机中的转子断条(broken rotor bar)检测。
背景技术
机电系统广泛地用于多种应用领域，诸如发电系统、制造单元、工厂、电子器具、石油钻塔等。机电系统可经历多种故障，诸如驱动系失效、轴承故障、转子断条等。最重要的是检测电机中的故障来确保由此类故障引起的损失最大程度地最小化。目前使用的用于故障检测的不同技术包括但不限于振动和噪声分析、电磁场监测和轴向流测量、温度测量、红外识别和机器中电流的频谱分析。
通常，电机中的故障监测已经主要使用振动信号来执行。已经观察到，转子条中的机械故障在径向转子移动中产生振动，这又产生转子机械旋转频率下的转矩振荡。转子机械旋转频率的监测和研究可导致检测与转子条相关联的机械故障。然而，使用振动信号的状态监测具有许多缺点，诸如因外部激励运动而引起的背景噪声、对安装位置的敏感度、测量设备的侵入性质、和故障操作频率与机电机器操作频率的接近。
其它状态监测技术基于如下观察结果，即负载转矩振荡引起待调相的定子电流，由此分析定子电流特征，以检测因故障而引起的机械扰动。此类电流监测技术由于提供显著的经济节省和简单的实施方案而在电机的机械故障的检测中得到了增加的注意。然而，某些故障电流特性(诸如对于断条故障观察到的特性)通常比采样定子电流中的主要分量(诸如，电源基谐波、偏心谐波和槽谐波)更细微(subtle)。不同于振动监测(对于振动监测，已根据长时间的现场经验发展了行业标准)，定子电流监测中的现场经验是有限的，且存在显著的困难。例如，假如定子电流中的故障特征已经很细微，则故障特征的大小在不同的应用中可变化。此外，在断条故障检测的情况下，断条电流特征的频率很接近电机的基本频率。当电机的转子条有故障时，前述技术不一定能够区分正常操作特征和故障特征。
因此，需要一种用于使用电流特征分析来监测电机的转子条的状态的改进的方法和系统。
发明内容
在一个实施例中，提供了一种用于检测电机中的断条故障的方法。该方法包括获取表示电机的操作状态的电信号。该方法还包括通过对来自电信号的各个数据点的瞬时值求平方且对平方值求和来从电信号消除对称分量。电信号中的不连续通过将窗函数应用于平方值来进一步消除。窗函数应用于形成电信号的数据点，以获得电信号的加权表示。此外，该方法包括使电信号的加权表示标准化来获得频谱信息。电机中的断条故障通过分析从电信号的加权表示获得的频谱信息来检测。
在另一个实施例中，提供了一种用于检测电机中的断条故障的系统。该系统包括一个或更多个传感器，传感器构造成用于从电机获取电信号。从电机获得的电信号表示机器的操作状态。此外，系统包括控制器，控制器包括处理子系统。处理子系统构造成通过对来自电信号的各个数据点的瞬时值求平方且对平方值求和来从电信号消除对称分量。处理子系统还构造成通过将窗函数应用于平方值来确定电信号的加权表示，以从电信号消除不连续。处理子系统进一步使电信号的加权表示标准化，以确定加权表示中的频谱信息。处理子系统还构造成基于频谱信息的分析来检测电机中的断条故障。
一种用于检测电机的转子条中的故障的方法，方法包括：获取表示电机的操作状态的电信号；通过对来自电信号的数据点的瞬时值求平方且对平方值求和来从电信号消除对称分量；通过将窗函数应用于平方值来获得电信号的加权表示，以消除电信号中的不连续；使加权表示标准化来获得频谱信息；并且分析频谱信息来检测转子条中的故障。
优选地，获取电信号包括获取电机的各相的电信号。
优选地，电信号包括电流信号或电压信号，或电流和电压信号的组合。
优选地，标准化包括利用快速傅里叶变换、时间频率分析和多模式分辨率分析中的至少一者。
优选地，消除电机的电信号中的不连续包括通过使各个数据点与窗函数相乘来计算电信号的各个数据点的加权结果。
优选地，该方法还包括基于与电机中的转子条的故障有关的频率和与电机的正常操作有关的频率在电信号中的接近来选择窗函数。
优选地，窗函数包括矩形窗、汉宁窗、汉明窗和博曼窗中的至少一者。
优选地，使加权表示标准化来提取频谱信息还包括提取出现在加权结果中的非对称分量。
优选地，该方法还包括：获取表示电机的非故障操作状态的第二组电信号；并且基于第二组电信号的振幅平均值来确定电机的断条故障操作的阈值。
优选地，该方法还包括将表示电机的故障操作的电信号与阈值比较，以确定电机的转子条中的故障。
一种用于检测电机的转子条中的故障的系统，系统包括：一个或更多个传感器，其用于获取表示电机的操作状态的电信号；控制器，其包括：处理子系统，其构造成：通过对来自电信号的各个数据点的瞬时值求平方且对平方值求和来从电信号消除对称分量；通过将窗函数应用于电信号上的平方值来消除电信号中的不连续，以获得加权结果；使电信号标准化来提取频谱信息；并且基于所提取的频谱信息的分析来检测转子条中的一个或更多个故障。
优选地，一个或更多个传感器构造成用于获取电机的各相的电信号。
优选地，处理子系统进一步构造成提取在异常操作状态期间出现在加权结果中的非对称分量。
优选地，处理子系统进一步构造成在从电机上获得的电信号上执行快速傅里叶变换、时间频率分析和多模式分辨率分析中的至少一者。
优选地，处理子系统构造成将矩形窗、汉宁窗和汉明窗中的至少一者应用于从机器获得的电信号上。
附图说明
根据结合附图作出的优选实施例的以下更详细的描述，本公开的其它特征和优点将是清楚的，附图作为实例示出本公开的某些方面的原理。
图1示出根据一个实施例的机电机器(EMM)；
图2为根据一个实施例的用于检测图1中所示的EMM中的转子条故障的系统的框图；
图3为根据实施例的频域中的从图1中的EMM获得的电信号的示范波形的简图；并且
图4为根据一个实施例的表示在检测图1中的EMM中的转子条故障的示范方法中涉及的步骤的流程图。
具体实施方式
现在将在下文中详细参照本发明的示范实施例，其实例在附图中示出。在可能的任何地方，遍及附图使用的相同参考标号表示相同或相似部分。
在本文中描述了用于机电机器(EMM)中的转子断条故障的高灵敏度检测的基于频谱分析的技术。该技术提供以用于基于从EMM接收的电气特征大小中的可能细微的变化来将故障EMM转子条的状态与正常或可接受状态区分开。从典型机电机器接收到的电信号中的主要分量为电源基波和谐波、偏心谐波、槽谐波、饱和谐波、和来自于未知源(包括环境噪声)的其它分量。由于此类主要分量在转子条故障的存在之前和之后存在，故它们携带的信息中的大部分与转子条故障无关。在此意义上，它们对于EMM故障检测问题而言基本上为“噪声”。
主要分量的频率通常可从电源频率、转子速度和机器结构来确定。如果转子条故障特征被认作是信号且那些主要分量被认作是噪声，则转子条故障检测问题基本上是低信噪比问题。此外，由于信号的频率不可预知，故信号和噪声趋于具有几乎相同的频率。因此，重要的是除去噪声分量来发现故障特征。因此，噪声分量和正常操作状态特征彼此分离，且然后正常操作状态特征由它们的实时方式的评估来取消。通过这样做，其余分量与转子条故障更相关。
本发明的一个实施例提供以用于系统地且动态地消除多相系统的电信号的对称或有用分量(诸如，电流、电压或功率)的影响。此类消除允许由转子断条或其它转子相关故障引起的电信号的“失真(distortion)”在AC频谱中突出，且因此使得它们的检测容易得多。更具体而言，该方法涉及通过对多相中的各相的电信号的数据点求平方且对它们求和来从电信号消除对称分量。电信号的瞬时值的求平方将全部对称分量影响“加倍(fold)”或增加成等同的DC信号。此外，通过使电信号的数据点与窗函数相乘来除去来自电信号的所得的数据点组的不连续。然后通过使用分析模式(诸如快速傅里叶变换(FFT))来在频域中分析电信号的所得的加权表示。因此，通过全部对称项的此类消除，异常效果(例如，转子断条的存在)在AC频谱中突现，因为它们不必与有用或对称的分量竞争。因此，以高得多的灵敏度水平来分析可仅归因于异常状态的所得的AC频谱。
参看图1，现有技术机电机器(EMM)。根据所示的实施例，EMM 100为感应电动机。EMM 100包括转子组件102、定子组件104、主轴106和主轴承108。
根据本发明的实施例，控制器(图1未示出)可用于响应于各种输入来监测和控制EMM 100的操作。例如，与EMM 100联接的控制器可构造成基于从传感器接收的输入来控制机器的操作，传感器构造成获取与EMM 100的操作状态有关的数据。根据某些实施例，电信号传感器可为用于获取与EMM 100有关的电流和电压数据的电流和电压传感器。例如，电流传感器感测来自EMM的多个相中的一个或更多个的电流数据。更具体而言，在EMM包括3相感应电动机的情况下，电流和电压传感器感测来自3相感应电动机的三个相的电流和电压数据。尽管将参照多相感应电动机来描述本发明的某些实施例，但本发明的其它实施例可应用于其它多相机电机器。
本发明的实施例描述了一种系统，该系统用于检测机电机器(诸如EMM 100)中的断条故障。构造成用于检测的控制器包括处理子系统，处理子系统用于检测EMM组件内的各种构件(包括转子条)的故障状态的存在。与处理子系统可通信地联接的控制器将参照图2来更详细地说明。当需要在EMM 100上执行断条分析时，测量转子断条对EMM 100中流动的电流的影响是有用的。EMM 100中断条的存在导致转子转矩的减小，因此导致对EMM 100的其它转子条的依赖增大以提供期望的电流。对其它转子条的依赖增大导致其它转子条的退化速率增大，且因此导致对EMM 100的性能的总体影响。
在本发明的一个实施例中，电流和电压传感器分别检测来自EMM 100的定子组件104的定子电流数据。从传感器获取的电流数据和电压数据传递至控制器，以用于进一步的处理和分析。分析包括执行电流特征分析(CSA)来检测EMM 100内的故障。根据本发明的实施例，控制器的处理子系统构造成消除电信号的对称或有用的分量的影响，以便仅信号中的与故障有关的不平衡分量将示为AC频谱中的AC量。具体而言，处理子系统编程为通过对用于多个相中的各个的电流数据瞬时值求平方且对平方值求和来除去此类非故障相关的对称或有用分量。结果，非故障相关的对称分量转变成DC量，而电流信号的故障相关的非对称分量以频率的两倍显示在AC频谱中。
现在参看图2，示出控制器的详细框图。如参照图1所述，控制器200包括处理子系统202。处理子系统202连接于传感器组204，且接收电机110的各相的电流和电压数据。
处理子系统202作用为分离系统，其构造成消除从传感器组204接收的电信号的不连续，且进一步系统地且动态地消除多相系统的电信号的对称或有用分量(如电流或电压或功率)的影响。此类消除允许由机器100不对称和/或故障引起的电信号的“失真”在AC频谱中突出。换言之，处理子系统202构造成将基本频率分量作为噪声来处理，且将其余的频率分量作为故障相关的分量来处理。从连续地获取的定子电流分量动态地消除噪声分量仅产生了故障相关的分量，该分量是通过机电故障注入到定子电流中的。例如，处理子系统202可编程为除去基本频率周围的不连续，且从测得的定子电流数据进一步除去低频谐波(尤其是基本频率分量)。从测得的定子电流数据除去低频谐波可极大地改善模拟到数字转换分辨率和SNR，因为60Hz基本频率在电流信号的频谱中具有较大大小。
为了提供定子电流中的准确的噪声消除，处理子系统202构造成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。处理子系统202构造成根据等式(1)和(2)计算多个相中的各个的电信号(电流、电压、功率等)上的数据点的瞬时值的平方和平方瞬时值的和，以便对称或平衡(且通常有用的)分量转变成等同的DC量，且任何不平衡的故障相关的分量以频率的两倍出现在AC频谱中。
I= Ia2+ Ib2+…+ In2                            ---- (1)
V= Va2+ Vb2+…+ Vn2                             ---- (2)
为了动态地进一步消除定子电流频谱中的噪声分量，处理子系统202构造成计算平方值的加权表示。定子电流的加权表示通过将各个数据点与窗函数相乘来计算。
根据一个实施例，窗函数作用为滤波器，该滤波器从电信号过滤与特定频率有关的值。在转子断条的情况下，根据一个实施例，为了检测故障，分析接近基本频率(如，60Hz)的频率下的振幅。因此，窗函数选择成使得基本频率附近的数据点得到保持且用于分析。根据一个实施例，窗函数为汉宁(Hanning)窗或汉明(Hamming)窗或矩形窗或博曼(Bohman)窗中的至少一者。在一个实施例中，矩形窗用于获得电信号的加权表示。矩形窗提供以用于低动态范围，该低动态范围允许消除从EMM 100获取的电信号中的不连续。
处理子系统202进一步构造成通过根据等式(3)和(4)在加权表示上执行快速傅里叶变换(FFT)或时间频率分析或多模式分辨率(multimodal resolution analysis)分析来使电信号的加权表示标准化，以便将电信号中的非故障相关分量分解成等同的DC量，同时使AC频谱中的故障相关分量为频域内的频率的“x”倍。
FFT (I) = x*fI                     ---- (3)
FFT (V) = x*fV              ---- (4)
其中，x为确定电流和电压电信号的频谱的分布范围的倍数。
根据等式3和4达到的频谱用于通过处理子系统200来分析EMM 100的健康。根据一个实施例，除表示电机组件100的操作的基本频率的电信号外的接收器(bin)中的电信号的存在被认作是EMM 100中的故障的标记。
在检测转子条故障时，处理子系统202还将从传感器组204获得的电信号与对EMM 100的异常/故障操作限定的阈值比较。具体而言，可计算阈值，使得落在阈值外的测量频率指出退化/异常的转子条状态。计算阈值的一个途径可为找出正常状态期间电信号中的故障测量结果的最高水平，且将该值设置为阈值。在另一个实施例中，为了确定阈值，由传感器获取EMM 100的基线数据。基线数据表示没有机械故障的EMM 100正常操作。与健康转子条状态相关联的基线电流数据可包括在EMM 100的安装之后不久获取的用于多相中的各个的一组定子电流数据。在实例中，基线定子电信号在EMM组件100的初始操作期间获取，即，EMM组件100在EMM组件100安装之后第一次运行。由此获取的定子电流数据确保在获取的电流数据中不包括转子断条相关的波动。处理子系统202从传感器接收电流和电压数据，且根据以下等式(5)和(6)计算电流和电压的基线测量结果，
I基线= Ia-基线2+ Ib-基线2+…+ In-基线2       ---- (5)
V基线= Va-基线2+ Vb-基线2+…+Vn-基线2   ---- (6)
其中，I基线为健康机器状态期间测得的基线定子电流数据；Ia-基线为第一相的基线定子电流数据；Ib-基线为第二相的基线定子电流数据；In-基线为第n相的基线定子电流数据；V基线为在健康机器状态期间测得的基线定子电压数据；Va-基线为第一相的基线定子电压数据；Vb-基线为第二相的基线定子电压数据；并且Vn-基线为第n相的基线定子电压数据。
因此，基线电流(I)和电压(V)数据为多个相中的各个的电流和电压信号的瞬时值的平方的和。处理子系统202进一步构造成根据等式(3)和(4)在基线定子电流和电压值上执行快速傅里叶变换(FFT)，以便将电流信号(I)中的非故障相关分量分解成等同的DC量，同时使AC频谱中的故障相关分量为频域内的频率的“x”倍。由于在健康状态下定子电流中的全部分量都是噪声，故在基线测量期间没有故障信息嵌入AC频谱中。因此，当故障产生时，仅噪声分量以频率的x倍显示在AC频谱中。
在理想情形中，假定EMM 100在没有机械故障的情况下正常操作，则所得的定子电流和电压数据将使非故障相关分量(即，平衡分量)消除，且AC频谱中没有故障相关分量。所得的定子电流和电压数据将在故障检测期间形成基线数据。处理子系统202可将基线测量结果储存在存储器中，以用于在转子102故障分析和检测期间使用。
在利用组件100检测故障期间，处理子系统202从传感器204接收电流和电压数据。处理子系统202构造成通过生成电信号的加权表示来消除获取的数据中的不连续。加权表示通过将窗函数应用于获取的信号的数据点来获得。处理子系统202进一步构造成根据等式(3)和(4)在电信号的加权表示上执行快速傅里叶变换(FFT)，以便将加权电流信号(I)中的非故障相关分量分解成等同的DC量，同时使AC频谱中的故障相关分量为频域内的频率的“x”倍。
然后，处理子系统202可将电压和电流的加权AC量的大小和相与电压和电流的基线测量结果比较。基于比较，加权量的与基线测量结果的任何偏差都可指出EMM组件100的转子构件(诸如转子条)中的故障。比较的结果可储存在与处理子系统202相关联的存储器中，以用于进一步分析，诸如，故障频率、故障出现时间、转子条失效频率等。
根据一个实施例，定子电流测量结果的阈值可通过使用等式7从基线数据获得：
阈值 = 平均值(基线数据) + k*标准偏差(基线数据) ----- (7)
其中，k为基于从EMM 100获取的电信号的采样率而计算的常数。
频域中的样本定子输出电流的波形在图3中示出。x轴线302代表以Hz计的频率，且y轴线304代表以dB计的增益。曲线306代表正常状态下的电信号；而曲线308代表组件100的至少一个转子条已断裂的故障状态下的电信号。此外，线310指出为了确定故障状态而限定的阈值。根据一个实施例，阈值基于等式11确定。例如，阈值通过基于限定电信号的多个样本输入等式11中的k的不同值，直到沿曲线308的特定位置来确定。
在一个实施例中，本发明应用于双馈(doubly fed)感应电动机，其中转子条中的故障可导致定子电流和电压中的变化。图4示出用于确定双馈感应电动机的转子中的故障的方法。在402处，方法包括使用一个或更多个传感器获取电信号，例如，定子输出电流信号。一个或更多个传感器可为基于状态的监测(CBM: condition based monitoring)传感器。在实例中，电信号为与马达的操作状态(诸如故障操作状态)对应的电流信号。在步骤404处，方法还包括通过对数据点的瞬时值求平方且然后对平方值求和来消除电信号中的对称分量。此外，在步骤406中，通过生成平方值的加权表示来从电信号消除不连续。加权表示通过对各个数据点使用窗函数来生成。根据一些实施例，窗函数可为矩形窗、汉明窗、汉宁窗或博曼窗中的至少一者。此外，在步骤408处，电信号的加权表示基于快速傅里叶变换、时间频率分析或多模式分辨率分析或它们的组合来处理，以提供电信号的标准化频谱。在步骤410中，标准化的频谱信息提供至处理子系统，以用于特征提取和用于执行基于频谱加强的推定。在步骤410中，当电流特征偏离确定的阈值时，检测到与转子条相关的故障。
某些实施例构想出实施上述功能的任何机器可读介质上的方法、系统和计算机程序产品。例如，某些实施例可使用现存的计算机处理器来实施，或通过出于该目的或另一目的而并入的专用计算机处理器或通过硬连线系统和/或固件系统来实施。某些实施例包括计算机可读介质，该计算机可读介质用于携带或具有储存在其上的计算机可执行指令或数据结构。此类计算机可读介质可为任何可用的介质，其可由通用计算机或专用计算机或具有处理器的其它机器访问。作为实例，此类计算机可读介质可包括RAM、ROM、PROM、EPROM、EEPROM、闪速存储器、CD-ROM或其它光盘储存器、磁盘储存器或其它磁储存装置，或任何其它介质，其可用于携带或储存为计算机可执行指令或数据结构形式的期望程序代码，且其可由通用计算机或专用计算机或具有处理器的其它机器来访问。以上的组合也包括在计算机可读介质的范围内。计算机可执行指令例如包括可导致通用计算机、专用计算机或专用处理机器执行某函数或函数群的指令和数据。在其它实施例中，联网环境可用于利用联网计算机的计算能力。这里作为实例而非限制提出的逻辑连接(诸如局域网(LAN)和广域网(WAN))可用于建立联网环境。本公开的实施例还可在分布式计算环境中实施，其中任务由本地处理装置或通过通信网络(通过硬接线链接、无线链接或通过硬接线链接或无线链接的组合)而链接的远程处理装置来执行。在分布式计算环境中，程序模块可位于本地和远程存储器储存装置中。
应理解的是，上述说明意图为示例性而非限制性的。例如，上述实施例(和/或其方面)可彼此组合使用。此外，可作出许多改型，以使特定的情形或材料适于本发明的教导内容，而不脱离其范围。尽管在本文中所述的尺寸和材料类型意图限定本发明的参数，但它们决不限制，且为示范实施例。在回顾以上描述时，许多其它实施例对于本领域技术人员而言将是清楚的。因此，本发明的范围应当参照所附权利要求，连同上述权利要求享有权利的等同物的完整范围来确定。
在所附权利要求中，用语“包括(including)”和“其中(in which)”用作相应的用语“包括(comprising)”和“其中(wherein)”的普通英语等同词。此外，在以下权利要求中，用语“第一”、“第二”和“第三”等仅用作标记，且不意图在它们的对象上加以数字或位置要求。此外，以下权利要求的限制未以装置加功能的格式写出，且不意图基于35 U.S.C.§112第六段来解释，除非且直到此种权利要求限制明确地使用短语“装置”后接没有更多结构的功能陈述。
如在本文中使用的，以单数形式叙述且冠有词语“一个”或“一种”的元件或步骤应被理解为不排除多个所述元件或步骤，除非明确地陈述此类排除。此外，提及本发明的“一个实施例”不意图解释为排除也包括所叙述特征的另外的实施例的存在。此外，除非明确地相反陈述，则实施例“包括”、“包含”或“具有”带特定性质的元件或多个元件可包括不具有该性质的另外的此类元件。
由于在用于基于电机的电流特征分析的转子断条检测的上述系统中进行而某些变化，而不脱离在本文中涉及的发明精神和范围，故意图以上描述或在附图中示出的全部主题应当仅解释为例示本文中的发明构想的实例，而不应被看作是限制本发明。

Claims (10)

1. 一种用于检测电机的转子条中的故障的方法，所述方法包括：
获取表示所述电机的操作状态的电信号；
通过对来自所述电信号的数据点的瞬时值求平方且对平方值求和来从所述电信号消除对称分量；
通过将窗函数应用于平方值来获得所述电信号的加权表示，以消除所述电信号中的不连续；
使所述加权表示标准化来获得频谱信息；并且
分析所述频谱信息来检测所述转子条中的故障。
2. 根据权利要求1所述的方法，其特征在于，获取所述电信号包括获取所述电机的各相的电信号。
3. 根据权利要求1所述的方法，其特征在于，所述电信号包括电流信号或电压信号，或电流和电压信号的组合。
4. 根据权利要求1所述的方法，其特征在于，标准化包括利用快速傅里叶变换、时间频率分析和多模式分辨率分析中的至少一者。
5. 根据权利要求1所述的方法，其特征在于，消除所述电机的电信号中的不连续包括通过使各个数据点与所述窗函数相乘来计算所述电信号的各个数据点的加权结果。
6. 根据权利要求5所述的方法，其特征在于，还包括基于与所述电机中的所述转子条的故障有关的频率和与所述电机的正常操作有关的频率在所述电信号中的接近来选择所述窗函数。
7. 根据权利要求6所述的方法，其特征在于，所述窗函数包括矩形窗、汉宁窗、汉明窗和博曼窗中的至少一者。
8. 根据权利要求1所述的方法，其特征在于，使所述加权表示标准化来提取频谱信息还包括提取出现在加权结果中的非对称分量。
9. 根据权利要求1所述的方法，其特征在于，还包括：
获取表示所述电机的非故障操作状态的第二组电信号；并且
基于所述第二组电信号的振幅平均值来确定所述电机的断条故障操作的阈值。
10. 根据权利要求9所述的方法，其特征在于，还包括将表示所述电机的故障操作的电信号与所述阈值比较，以确定所述电机的转子条中的故障。
CN201410137562.0A 2013-04-08 2014-04-08 基于电机的电流特征分析的转子断条检测 Pending CN104101833A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/858,277 US20140303913A1 (en) 2013-04-08 2013-04-08 Broken rotor bar detection based on current signature analysis of an electric machine
US13/858277 2013-04-08

Publications (1)

Publication Number Publication Date
CN104101833A true CN104101833A (zh) 2014-10-15

Family

ID=50424126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410137562.0A Pending CN104101833A (zh) 2013-04-08 2014-04-08 基于电机的电流特征分析的转子断条检测

Country Status (5)

Country Link
US (1) US20140303913A1 (zh)
EP (1) EP2790028B1 (zh)
CN (1) CN104101833A (zh)
BR (1) BR102014008333B8 (zh)
CA (1) CA2847720C (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104656018A (zh) * 2015-02-15 2015-05-27 电子科技大学 电动机故障检测方法
CN107091737A (zh) * 2017-06-06 2017-08-25 太原理工大学 一种基于电流信号的转子系统典型故障诊断方法
CN108107808A (zh) * 2017-12-15 2018-06-01 天水电气传动研究所有限责任公司 一种石油钻机电控系统报警的方法
CN110531261A (zh) * 2019-08-27 2019-12-03 国网江苏省电力有限公司检修分公司 一种非侵入式异步电动机初发故障检测方法及系统
TWI687700B (zh) * 2018-12-28 2020-03-11 財團法人工業技術研究院 馬達振動或噪音頻率偵測裝置及其方法

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9618583B2 (en) 2015-03-10 2017-04-11 Mitsubishi Electric Research Laboratories, Inc Fault detection in induction motors based on current signature analysis
US11231999B2 (en) * 2016-07-20 2022-01-25 Schweitzer Engineering Laboratories, Inc. Detection of electric power system anomalies in streaming measurements
US10403116B2 (en) 2017-06-20 2019-09-03 General Electric Company Electrical signature analysis of electrical rotating machines
US10969435B2 (en) * 2018-02-12 2021-04-06 Brandon & Clark, Inc. System and method for induction motor rotor bar surface magnetic field analysis
GB2589761B (en) 2019-01-08 2021-12-08 Panoramic Power Ltd A method for determining an alternate current motor fault in a non-variable frequency device based on current analysis
WO2020183610A1 (ja) * 2019-03-12 2020-09-17 三菱電機株式会社 短絡検知装置及び短絡検知方法
US11099101B2 (en) 2019-05-03 2021-08-24 Mitsubishi Electric Research Laboratories, Inc. Method for estimating bearing fault severity for induction motors
RU2724988C1 (ru) * 2019-07-09 2020-06-29 федеральное государственное бюджетное образовательное учреждение высшего образования "Ивановский государственный энергетический университет имени В.И. Ленина" (ИГЭУ) Способ выявления оборванных стержней в короткозамкнутой обмотке ротора асинхронного электродвигателя
CN110320471B (zh) * 2019-08-14 2024-07-02 重庆交通大学 基于多轴输入型双转子电机的多工况模拟试验台架
US11639966B2 (en) 2021-03-15 2023-05-02 General Electric Technology Gmbh Enhanced electrical signature analysis for fault detection
US11733301B2 (en) 2021-05-13 2023-08-22 General Electric Technology Gmbh Systems and methods for providing voltage-less electrical signature analysis for fault protection
CN113777488B (zh) * 2021-09-14 2023-12-12 中国南方电网有限责任公司超高压输电公司昆明局 阀冷主泵电机的状态评估方法、装置、计算机设备
CN114035043B (zh) * 2021-10-18 2023-06-09 辽宁科技大学 基于预知指向最佳分辨方法的鼠笼电机断条故障诊断方法
US12055576B2 (en) 2022-09-01 2024-08-06 Schweitzer Engineering Laboratories, Inc. Calculating electric power noise distributions
CN115144750B (zh) * 2022-09-02 2022-11-22 北京科锐特科技有限公司 异步电动机转子断条故障检测方法、装置、设备及介质
CN115862681B (zh) * 2023-03-01 2023-05-12 深圳市新凯来技术有限公司 转子碰摩故障声信号诊断方法、装置及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1099481A (zh) * 1993-08-27 1995-03-01 清华大学 鼠笼异步电动机转子断条监测方法及其监测装置
US20100263136A1 (en) * 2009-04-16 2010-10-21 Whirlpool Corporation Method and apparatus for determining laundry load size
CN101907674A (zh) * 2009-05-19 2010-12-08 通用汽车环球科技运作公司 用于诊断电动马达中的定子绕组的方法和系统
CN102664657A (zh) * 2012-04-19 2012-09-12 浙江大学 一种自适应中值门限频域抗干扰装置及方法
US20120265457A1 (en) * 2011-04-15 2012-10-18 Donolo Marcos A Systems and methods for detecting motor rotor faults
CN102830321A (zh) * 2011-06-16 2012-12-19 通用汽车环球科技运作有限责任公司 用于交流发电机定子匝间短路检测的方法和装置
US20130049733A1 (en) * 2011-08-29 2013-02-28 General Electric Company Fault detection based on current signature analysis for a generator

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1099481A (zh) * 1993-08-27 1995-03-01 清华大学 鼠笼异步电动机转子断条监测方法及其监测装置
US20100263136A1 (en) * 2009-04-16 2010-10-21 Whirlpool Corporation Method and apparatus for determining laundry load size
CN101907674A (zh) * 2009-05-19 2010-12-08 通用汽车环球科技运作公司 用于诊断电动马达中的定子绕组的方法和系统
US20120265457A1 (en) * 2011-04-15 2012-10-18 Donolo Marcos A Systems and methods for detecting motor rotor faults
CN102830321A (zh) * 2011-06-16 2012-12-19 通用汽车环球科技运作有限责任公司 用于交流发电机定子匝间短路检测的方法和装置
US20130049733A1 (en) * 2011-08-29 2013-02-28 General Electric Company Fault detection based on current signature analysis for a generator
CN102664657A (zh) * 2012-04-19 2012-09-12 浙江大学 一种自适应中值门限频域抗干扰装置及方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104656018A (zh) * 2015-02-15 2015-05-27 电子科技大学 电动机故障检测方法
CN104656018B (zh) * 2015-02-15 2017-10-03 电子科技大学 电动机故障检测方法
CN107091737A (zh) * 2017-06-06 2017-08-25 太原理工大学 一种基于电流信号的转子系统典型故障诊断方法
CN108107808A (zh) * 2017-12-15 2018-06-01 天水电气传动研究所有限责任公司 一种石油钻机电控系统报警的方法
TWI687700B (zh) * 2018-12-28 2020-03-11 財團法人工業技術研究院 馬達振動或噪音頻率偵測裝置及其方法
CN110531261A (zh) * 2019-08-27 2019-12-03 国网江苏省电力有限公司检修分公司 一种非侵入式异步电动机初发故障检测方法及系统

Also Published As

Publication number Publication date
EP2790028A1 (en) 2014-10-15
US20140303913A1 (en) 2014-10-09
BR102014008333A2 (pt) 2018-01-02
EP2790028B1 (en) 2019-01-02
CA2847720A1 (en) 2014-10-08
BR102014008333B1 (pt) 2021-02-23
BR102014008333B8 (pt) 2021-04-13
CA2847720C (en) 2021-09-28

Similar Documents

Publication Publication Date Title
CN104101833A (zh) 基于电机的电流特征分析的转子断条检测
Su et al. Vibration signal analysis for electrical fault detection of induction machine using neural networks
US11927609B2 (en) Condition monitoring via energy consumption audit in electrical devices and electrical waveform audit in power networks
Su et al. Induction machine condition monitoring using neural network modeling
Mehrjou et al. Rotor fault condition monitoring techniques for squirrel-cage induction machine—A review
US9618583B2 (en) Fault detection in induction motors based on current signature analysis
Saidi et al. Diagnosis of broken-bars fault in induction machines using higher order spectral analysis
Rangel-Magdaleno et al. Vibration analysis of partially damaged rotor bar in induction motor under different load condition using DWT
Li et al. Sensor fault detection with generalized likelihood ratio and correlation coefficient for bridge SHM
US10088506B2 (en) Method for detecting a fault condition in an electrical machine
Dias et al. Spectral analysis using a Hall effect sensor for diagnosing broken bars in large induction motors
Baccarini et al. Fault induction dynamic model, suitable for computer simulation: Simulation results and experimental validation
Dai et al. Development of a modified stochastic subspace identification method for rapid structural assessment of in‐service utility‐scale wind turbine towers
Namdar et al. A robust stator inter-turn fault detection in induction motor utilizing Kalman filter-based algorithm
Meng et al. General synchroextracting chirplet transform: Application to the rotor rub-impact fault diagnosis
Climente-Alarcon et al. Diagnosis of induction motors under varying speed operation by principal slot harmonic tracking
Corne et al. The reflection of evolving bearing faults in the stator current’s extended park vector approach for induction machines
Ojaghi et al. Model‐based exact technique to identify type and degree of eccentricity faults in induction motors
CN109883703A (zh) 一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法
CN114616476A (zh) 同步机器中的故障检测
Huang et al. Anomaly identification of structural health monitoring data using dynamic independent component analysis
Ehya et al. Static and dynamic eccentricity fault diagnosis of large salient pole synchronous generators by means of external magnetic field
Sakhalkar et al. Fault detection in induction motors based on motor current signature analysis and accelerometer
Baccarini et al. Sliding mode observer for on-line broken rotor bar detection
Matić et al. Artificial neural networks broken rotor bars induction motor fault detection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20141015