CN106248131B - 用于在电驱动器系统中确定不期望的状态的方法和控制器 - Google Patents

用于在电驱动器系统中确定不期望的状态的方法和控制器 Download PDF

Info

Publication number
CN106248131B
CN106248131B CN201610403690.4A CN201610403690A CN106248131B CN 106248131 B CN106248131 B CN 106248131B CN 201610403690 A CN201610403690 A CN 201610403690A CN 106248131 B CN106248131 B CN 106248131B
Authority
CN
China
Prior art keywords
trendline
electric drive
frequency
drive system
point
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.)
Active
Application number
CN201610403690.4A
Other languages
English (en)
Other versions
CN106248131A (zh
Inventor
L·佩里蒂
M·帕斯马纳森
O·伊克拉姆尤尔哈克
S·萨霍
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.)
ABB Technology AG
Original Assignee
ABB Schweiz AG
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 ABB Schweiz AG filed Critical ABB Schweiz AG
Publication of CN106248131A publication Critical patent/CN106248131A/zh
Application granted granted Critical
Publication of CN106248131B publication Critical patent/CN106248131B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00Measuring or testing not otherwise provided for
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34Testing dynamo-electric machines
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00Testing of machine parts
    • G01M13/02Gearings; Transmission mechanisms
    • G01M13/028Acoustic or vibration analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00Testing of machine parts
    • G01M13/04Bearings
    • G01M13/045Acoustic or vibration analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0066Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by exciting or detecting vibration or acceleration
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/04Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423Input/output

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Electric Motors In General (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本公开内容涉及一种用于在电驱动器系统中确定不期望的状态的方法,所述电驱动器系统包括电机和电驱动器,其中所述方法包括a)获得关于所述电驱动器系统的电参数或机械参数的测量信号,b)获得所述测量信号的频谱,该频谱含有测量的频率分量,c)确定测量的频率分量是否处于距趋势线的预定距离之内,所述趋势线与在特定的不期望状态过程中存在的电参数或机械参数的仅一个特定频率分量相关联,d)在测量的频率分量处于距离所述趋势线预定距离内的状态下,增加与所述趋势线相关联的计数器,e)重复步骤a)至d),其中如果计数器在步骤a)至d)预定的迭代次数内达到预定数目,则f)基于所述计数器达到该预定数目而确定该电驱动器系统经受与所述趋势线相关联的不期望状态。

Description

用于在电驱动器系统中确定不期望的状态的方法和控制器
技术领域
本公开一般涉及电驱动器系统,即包括电机和电驱动器的系统。具体地,它涉及一种用于在电驱动器系统中确定不期望的状态的方法和控制器。
背景技术
在电驱动器中的状态监测通常是通过外部设备,即硬件模块获得的。这些设备与变频器一起被安装在工厂中,用它们自己的传感器和软件算法执行安装分析。
在一些情况下,工厂系统被连接到重要数据被收集用于例如进一步后处理和趋势化的存储装置。这些操作通常非实时并且以被动方式在一个单独的计算机上离线分析,通过利用数据的时间或频率或时频分析来执行。
WO2011114006A1公开了一种用于电和机械驱动的状态监测方法。在电驱动器的状态监测系统中,至少从一个电驱动器收集测量数据。测量数据被预处理,并且从经预处理的测量数据使用快速傅立叶变换建立频谱,检测到的振动频率和振幅从频谱被记录。检测到的振动频率和振幅与在时间上连续的所述至少一个检测到的振动频率和振幅进行比较。在比较中,在振动频率和振幅中的有害变化被定义,并且有害的变化被表示出。
与基于实时的监测系统相比,离线状态监测的做法不允许对不期望的状态的快速响应。这是由于处理数据所需要的时间量,以及在数据采集过程中所涉及的周期性。
US6507789公开了齿轮传动监测方法。该方法包括对于多个不同齿轮啮合频率中的每个,通过在一定时间段内获得齿轮传动状态的良好操作状态信号指示形成良好的工作状态基线矩阵,和将所获得的良好工作状态信号转换为良好工作状态时频谱;然后在一定时间段内获得齿轮啮合频率和测试信号,将所得到的测试信号转换为测试时频谱,并使用齿轮啮合频率和良好工作状态的基线矩阵来检查测试时频谱以监测齿轮传动状态。
发明内容
鉴于上述情况,本发明的目的是解决或至少减轻现有技术的问题。
因此,根据本公开内容的第一方面,提供了一种用于在电驱动器系统中确定不期望的状态的方法,所述电驱动器系统包括电机和电驱动器,其中该方法包括:
a)获得关于所述电驱动器系统的电参数或机械参数的测量信号,
b)获得所测量信号的频谱,其频谱含有测量的频率分量,
c)确定测量的频率分量是否处于距趋势线的预定距离之内,所述趋势线与在特定的不期望状态过程中存在的电参数或机械参数的仅一个特定频率分量相关联,
d)在测量的频率分量处于距离所述趋势线预定距离内的状态下,增加与所述趋势线相关联的计数器,
e)重复步骤a)至d),其中如果计数器在步骤a)至d)预定的迭代次数内达到预定数目,
f)基于所述计数器达到预定数目确定该电驱动器系统经受与所述趋势线相关联的不期望状态。
该方法提供在线监测能力,产生对不期望状态的快速反应,导致安装的上方维护的潜在降低。该方法可以进一步潜在地用作主动维护的工具。
使用不期望的状态是指故障状态,即失效,或潜在地在时间上可能会导致故障状态的状态。
一个实施例包括使用在步骤c)中利用马氏(Mahalanobis)距离来确定测量的频率分量和趋势线之间的距离,以确定测量的频率分量是否位于距离趋势线的预定距离内。如果测得的频率分量位于或接近趋势线,欧氏(Euclidean)距离可以为趋势线上和那些远离它的点产生相同的距离,因为它使用趋势线的平均值被计算,而不考虑趋势线本身的距离。马氏距离是欧氏距离的增强形式。根据用于各种不期望状态的频率分量特性的现有知识,它使用了协方差矩阵来包括用于某一不期望状态的多个点的趋势。作为其坐标,每个点具有测量信号的测量频率和相关联的频率分量,即谐波。协方差矩阵推广方差至多个维度的概念;在目前的情况下至两个维度。在两维空间内趋势线的点组的变化不能由单一的数字完全分类;2×2矩阵是必要的以充分表征二维变化。
根据一个实施例,频谱是通过傅立叶变换获得的。
根据一个实施例,频谱是通过快速傅里叶变换获得的。
根据一个实施例,频谱是通过稀疏快速傅立叶变换获得的。本发明人已经认识到,通常用于电驱动器系统的不期望状态检测的可测量信号包含相对较少的频率分量,并且因此稀疏频率变换可以被用于频谱分析。稀疏信号被定义为具有离散傅立叶变换(DFT)的信号,其中大部分的傅立叶系数具有接近或等于零的值。因此这样的信号的频谱将包含少量的峰值。稀疏频率变换适于稀疏信号,因为它不提供从时域到频域中的特定范围内的潜在的每一个频率的映射;稀疏频率变换能够从时域映射函数到频域中的一些频率而不是所有频率。稀疏快速傅立叶变换(SFFT)具有比常规的FFT更好的计算要求;特别是它减少计算数量至O(Logn*sqrt(nk*logn))的量级,其中,n是在采样时间窗内的样本数,k是信号的稀疏性,其意味着在其频谱中非零频率的数量。相反,常规的FFT具有n*log(n)的量级。业已发现,SFFT足以作出与不期望状态有关的决定,特别是如果与马氏距离相结合。
在频率变换,例如SFFT的快速傅立叶变换(FFT)家族中,马氏距离和频率变换以协同方式作用,如将在下面进行说明的。在FFT家族中频率变换的频率分辨率Δf等于时间窗口的持续时间Tw的倒数,即Δf=1/Tw。因此,时间窗口越小,FFT的频率分辨率越糟糕。时间窗口的可能大小取决于执行该方法的控制器的可用存储器的大小。因此,如果只有较小的可用内存量,这是常见的,频率分辨率将是粗糙的。粗的频率分辨率将导致不精确的测量的频率分量确定,而这又被用于确定它是否属于特定的趋势线,并且从而确定是否存在不期望的状态。即使测量的频率分量与实际存在的频率分量不同,马氏距离将创建趋势线两侧上的上阈值和下阈值-“气泡”,其中该气泡内的任何测量的频率分量将被确定为属于足够接近趋势线。因此,由于FFT的频率分辨率,测量的频率分量的频率的不确定性可以被校正或者利用用于所测量的频率分量的马氏距离至少被更确定得到。
根据一个实施例,趋势线是基于用于多个电参数或机械参数的操作频率的理论模拟或实验测得的特定频率分量创建的线性回归趋势线。若干不期望状态的频谱被很好地建立,并在不期望状态的过程中已经由用于各种电参数或机械参数的理论建模或实验测量得到。
根据一个实施例,步骤c)包括确定测量的频率分量是否在距离多条趋势线的预定距离内,在特定的不期望状态过程中,每条趋势线与存在的电参数或机械参数的相应特定频率分量相关联,其中,如果测量的频率分量在距离趋势线的预定距离内,在步骤d)中相应的趋势线的计数器被增加。
根据一个实施例,如果在频谱中存在若干测量的频率分量,对每个测量的频率分量执行步骤a)至f),从而确定不期望状态。
根据本公开的第二方面,提供一种用于在电驱动器系统中确定不期望状态的计算机程序,所述电驱动器系统包括电机和电驱动器,其中所述计算机程序包括计算机代码,当在控制器的处理单元上运行时,其使控制器:
a)获得关于所述电驱动器系统的电参数或机械参数的测量信号,
b)获得所测量信号的频谱,其频谱含有测量的频率分量,
c)确定测量的频率分量是否处于距趋势线的预定距离之内,所述趋势线与在特定的不期望状态过程中存在的电参数或机械参数的仅一个特定频率分量相关联,
d)在测量的频率分量处于距离所述趋势线预定距离内的状态下,增加与所述趋势线相关联的计数器,
e)重复a)至d),其中如果计数器在a)至d)预定的迭代次数内达到预定数目,
f)基于所述计数器达到预定数目确定该电驱动器系统经受与所述趋势线相关联的不期望状态。
根据本公开内容的第三个方面,提供了一种计算机程序产品,其包括根据第二方面的计算机程序,和在其上存储计算机程序的存储单元。
根据本公开内容的第四方面,提供了一种控制器,其被配置为在包括电机和电驱动器的电驱动器系统中确定不期望的状态,其中,控制器包括:处理单元,含有计算机代码的存储单元,其中,当在处理单元上运行时,计算机代码使控制器:a)获得关于所述电驱动器系统的电参数或机械参数的测量信号,b)获得所测量信号的频谱,其频谱含有测量的频率分量,c)确定测量的频率分量是否处于距趋势线的预定距离之内,所述趋势线与在特定的不期望状态过程中存在的电参数或机械参数的仅一个特定频率分量相关联,d)在测量的频率分量处于距离所述趋势线预定距离内的状态下,增加与所述趋势线相关联的计数器,e)重复a)至d),其中如果计数器在a)至d)预定的迭代次数内达到预定数目,f)基于所述计数器达到预定数目确定该电驱动器系统经受与所述趋势线相关联的不期望状态。
根据一个实施例,控制器被配置成利用马氏距离来确定频率分量和趋势线之间的距离,以确定测量的频率分量是否处于距离所述趋势线的预定距离内。
根据一个实施例,控制器被配置成通过快速傅立叶变换获得频谱。
根据一个实施例,控制器被配置成通过稀疏快速傅立叶变换获得频谱。
根据一个实施例,趋势线是基于多个电参数或机械参数的工作频率的理论模拟或实验测得的特定频率分量创建的线性回归趋势线。
通常,除非本文另有明确定义,权利要求中使用的所有术语将根据它们在技术领域中的普通含义来解释。除非明确地另有说明,所有参考“一/一个/元件、装置、部件、方式等都被开放地解释为指的是元件、装置、部件、方式等的至少一个实例。
附图说明
本发明构思的具体实施例现在将通过举例的方式,参照附图被描述,其中:
图1是控制器的示意性框图,其被配置用于确定在包括电机和电驱动器的电驱动器系统中的不期望状态;
图2是电驱动器系统的概略框图;
图3是描绘了本公开内容的各方面的一般流程图;
图4是流程图,其示出了确定在包括电机和电驱动器的电驱动器系统中的不期望状态的方法。
图5显示了趋势线的例子;和
图6a和6b示出了在电驱动器系统中确定不期望状态的一个例子。
具体实施方式
本发明的概念现在将参照示出示例性实施例的附图,在下文中更充分地描述。但是,本发明的概念可以体现为许多不同的形式并不应被解释为限于这里阐述的实施例;更确切地说,这些实施例通过示例的方式被提供,使得本公开将是彻底的和完整的,并且将充分地传达本发明的概念范围给本领域技术人员。在整个说明书中,相同的数字指代相同的元件。
本公开内容涉及一种用于在包括电机和电驱动器的电驱动器系统中确定不期望状态的方法。所述电机可以是发电机或电动机。电驱动器例如可以是频率转换器。根据一个具体实施例,电机是风力涡轮发电机,并且电驱动器是设置在风力涡轮机的机舱中的频率转换器,其被配置成控制风力涡轮机的功率输出。然而,应该注意,本方法可以在任何电驱动器系统中使用,而不是只用于风力涡轮机。
该方法可以由控制器来执行,例如电驱动器控制器,即在本地控制电驱动器的控制器。这种电驱动器控制器通常被布置在电驱动器的电驱动器柜中。该方法也可以由更高级别的控制器来执行,例如通用或管理控制器,其被布置在不同于电驱动器的另一个位置。
该方法是基于接收电驱动器系统的电参数或机械参数的测量信号,并且确定其谐波含量以及基于谐波含量确定不期望的状态。具有电参数或机械参数在本文中是指任一纯电参数例如电流,纯机械参数是指诸如转子的机械旋转速度,或机电参数。
测得信号的频率含量被确定并且基于该频率含量,即频率分量,并通过特定频率分量的以前知识或对特定故障存在的特征频谱(signature spectra),不期望的状态可以被确定。这是通过确定测量的频率分量到趋势线例如线性回归趋势线的距离特别确定的,优选通过马氏距离测量到趋势线的距离。如果测得的频率分量处于到趋势线的预定距离内,则确定为属于所讨论的趋势线。这个过程可以重复用于多个相同的电参数或机械参数的后续测量。每一次测量的频率分量被确定为属于趋势线,即处于到趋势线的预定距离内,与所讨论的趋势线相关的计数器被增加。如果该计数器在预定的尝试次数内达到预定数目,可确定测得的频率分量确实存在于所测量的信号频谱中。诊断的可靠性由此可以被改善。
该方法将进行参照图1到6b更详细地说明。
图1示出了控制器1的框图,其被配置为在包括电机和电驱动器的电驱动器系统中确定不期望的状态。控制器1包括被配置成接收电参数或机械参数的测量信号的通信单元3,包括计算机代码的存储单元7,和处理单元5。控制器1被配置成当存储在存储单元7中的计算机代码在处理单元5上运行时,执行将在下面更详细地描述的方法。
图2示出了包括电驱动器11和电机13的电驱动器系统9的框图。电驱动器11被电连接到电机13,并构造成控制在电驱动器系统9中的功率流。电驱动器11可以由本地电驱动器控制器15控制。电驱动器系统9可以可选地还包括通用的或管理的控制器17,其被设置以提供电驱动器控制器15的监控,例如在电驱动器系统9形成包括多个电驱动器系统9的较大电力系统的一部分的情况下。在图1中的控制器可以是电驱动器控制器15或通用或管理控制器17。
电驱动器系统9包括多个传感器,例如在电驱动器11内的电流和/或电压传感器和用于测量电机13的机械速度或电速度的速度传感器。因此,这些传感器被布置以测量电驱动器系统9的电参数或机械参数。这些测得的信号构成用于确定在电驱动器系统9中是否存在不期望的状态,即执行电驱动器系统9的监视和诊断的基础。
在图3中,示出了描述根据本概念的诊断方法的一般方案或流程图。首先,测量信号的频率分析被执行,如通过框19所示。频率分析构成决策的基础,也就是说,以确定不期望的状态是否存在,并且还确定不期望状态的类型,如通过框21所示。在框19和21中执行的过程是本发明的主题,并将在下文中详细进行说明。在框21中获得的判定被用于由电驱动器控制器15执行类似补偿的动作,即执行与不期望状态有关的减轻动作,如由框23象征性地所示。如果已经做出不期望状态的判定,合适的补偿在EP2754889A1中被描述,并将不再在本文中进一步论述。
参考图4,确定不期望的状态是否存在于电驱动器系统9中的方法现在将被描述。
在步骤a)中,有关电驱动器系统9的电参数或机械参数的测量信号由处理单元5获得。
在步骤b)中,测得信号的频谱由处理单元5获得。所述频谱包含测量的频率分量。
在步骤b)中的频谱可以例如通过傅立叶变换,优选FFT的方式来确定。FFT的合适示例是SFFT,其是FFT的简化形式。频率变换的其他例子有FFTW、AAFFT和Wavelets。自适应滤波,如自适应陷波滤波也可以用来确定频谱。
在步骤c)中,由处理单元5确定测量的频率分量是否在到趋势线的预定距离内。趋势线与在特定的不期望状态的过程中存在的电参数或机械参数的仅一个特定频率分量相关联。趋势线可以是线性回归趋势线。如果在频谱中存在几个测量的频率分量,每个测量的频率分量均被测试是否属于趋势线。
趋势线T2、T5、T6和T9的例子在图5中被示出。每条趋势线与电参数或机械参数的频率的特定谐波相关联。根据这个例子,趋势线T2与第二谐波相关联,趋势线T5与第五谐波相关联,趋势线T6与第六谐波相关联,并且趋势线T9与电参数或机械参数的测量信号的第九谐波相关联。x轴是基频,即所测量信号的实际时域频率并且y轴为用于特定谐波的对应频率分量,而每条趋势线基于多个基频和特定谐波的对应频率分量创建。因此,对于在步骤b)获得的测量的频率分量,到该趋势线的距离因此在步骤c)中确定。
根据一个变型,步骤c)可以包括使用马氏距离来确定测得的频率分量和趋势线之间的距离,以确定测量的频率分量是否处于到趋势线的预定距离内。所确定的距离特别是在趋势线和平面上的点之间,其作为一个坐标具有测量的频率分量的值,并作为其他坐标具有测量信号的实际时域频率。马氏距离dmah由下方的等式(1)定义。
其中,P是R2中的矢量,即二维欧氏空间,并且矢量P对应于被测信号的时域频率和所测量的频率分量的频率值的坐标。Q为具有两列的矩阵,即坐标,并且行数等于点数,即时域频率值和已知不期望状态对应的频率分量值的理论或实验确定对,其需要描述特定谐波,而μ(Q)是矢量Q的平均值。C-1是用于二维空间中分散的点的2×2协方差矩阵C的倒数,从中产生特定谐波的趋势线。协方差矩阵C可以通过下式(2)来确定。
协方差矩阵C可基于傅立叶变换的频率分辨率和存在于测量信号中的噪声量来选择。这确定到趋势线的预定距离,即围绕趋势线的气泡的尺寸。
在步骤d)中,如果测得的频率分量处于到趋势线的预定距离内,与趋势线相关的计数器增加。
在步骤e)中,步骤a)至d)被重复,其中如果计数器达到步骤a)至d)预定的迭代次数内的预定数目,则确定测量的频率分量确实被包括在所述频谱中。从而可以在步骤e)中确定电驱动器系统经受与趋势线相关的不期望状态。
当然,频谱可以包含多个测量的频率分量,在这种情况下,上述步骤a)到e)对每个测量的频率分量被执行,以确定它们是否确实存在于频谱中并与公知的不期望状态相关。步骤e)可以因此以单个或者多个已验证的测量的频率分量为基础,典型地取决于不期望状态的类型。为此,控制器1被配置为对多个频率分量执行步骤a)至e),并基于所有频率分量和它们与各自的趋势线的关联确定不期望的状态。
在风力涡轮机中不期望的状态的实例是风切变、塔阴影和风力涡轮机塔架前后振荡,其每一个可以由速度传感器来检测出。在这些实施例中,电参数或机械参数是电机的机械速度。风切变,例如在三个基频,即机械转速的频率的多个中提供了测量的频率分量。因为不期望状态的频谱特征是公知的,这些将不会在本文中描述。
根据一个变型,控制器可包括FPGA,其中FPGA可被配置成执行SFFT,而步骤c)的马氏距离计算可以由处理单元5例如微处理器来执行,其与SFFT并行。
说明该方法的示例现在将参照图6a和6b更加详细地描述。根据本实施例,电驱动器系统形成风力涡轮机的一部分,并且电机13、风力涡轮机发电机的机械速度ωm由传感器测得,以由此得到所测量信号。电参数或机械参数因此是机械速度ωm。根据实施例,SFFT被用于确定所测量信号的频谱。根据本实施例的机械速度ωm为15Hz。第三谐波因此是45Hz。根据实施例,采样时间窗口Tw为0.1秒,这导致SFFT的频率分辨率Δf等于采样时间窗口Tw的倒数,即10Hz。这被示于图6a中;由于相对较差的频率分辨率,在45Hz处没有尖锐的峰值。在示例频谱中,存在接近45Hz的两个频率F1和F2,两个例如都高于预定值,从而提供存在的相应频率的指示。这两个确定的频率F1、F2可以预先被看作是两个频率分量并位于频谱的40Hz和50Hz。
在图6b中,可以看出,位于40Hz和50Hz的这两个频率处于到机械速度ωm的频率的第三谐波的趋势线T3的预定距离内,如通过气泡B所示。因此可以得出结论,两个频率形成单个测量的频率分量。在这种情况下,计数器可以被增加。根据该方法,所测量信号的后续样本也可以以相同的方式进行分析,并且如果计数器在预定的尝试次数内达到预定数目时,可以判断该频率分量在40Hz和50Hz的确是一个频率分量,即机械速度频率的第三谐波。以这种方式,可以得出与不期望状态有关的结论,特别是如果所测量信号的频谱的其它频率分量以相同的方式被分析时。例如,在目前的情况下,第三谐波的存在可以给出不期望状态塔阴影存在的指示。
上文已经参照几个实施例主要描述了本发明的概念。然而,如本领域技术人员很容易理解的,除上面公开之外的其它实施例同样可能在由所附权利要求所限定的本发明概念的范围之内。

Claims (10)

1.一种用于在包括电机(13)和电驱动器(11)的电驱动器系统(9)中确定不期望状态的方法,其中所述方法包括:
a)获得关于所述电驱动器系统(9)的电参数或机械参数的测量信号,
b)通过快速傅里叶变换,获得所述测量信号的频谱,所述频谱包含测量的频率分量,
c)确定平面中的点是否处于距趋势线(T2、T3、T5、T6、T9)的预定距离之内,所述点具有作为它的坐标的所述测量的频率分量的频率值和所述测量信号的基频,所述趋势线与在特定的不期望状态过程中存在的电参数或机械参数的仅一个特定谐波相关联,并且利用马氏距离来确定所述点和所述趋势线(T2、T3、T5、T6、T9)之间的距离,以确定所述点是否在距所述趋势线的预定距离内,
d)在所述点处于距所述趋势线的预定距离内的状态下,增加与所述趋势线(T2、T3、T5、T6、T9)相关联的计数器,
e)重复步骤a)至d),其中如果计数器在步骤a)至d)的预定的迭代次数内达到预定数目,
f)基于所述计数器达到所述预定数目,而确定与所述趋势线相关联的谐波存在于所述测量信号中,并且因而所述电驱动器系统经受与所述趋势线(T2、T3、T5、T6、T9)相关联的不期望状态。
2.如权利要求1所述的方法,其中所述频谱通过稀疏快速傅立叶变换获得。
3.如前述权利要求的任一项所述的方法,其中所述趋势线(T2、T3、T5、T6、T9)是线性回归趋势线,其基于用于所述电参数或机械参数的多个工作频率的理论建模或实验测得的特定频率分量创建。
4.如权利要求1或2所述的方法,其中步骤c)包括确定所述点是否处于距多条趋势线的预定距离内,每条趋势线(T2、T3、T5、T6、T9)与在不期望的状态期间存在的所述电参数或机械参数的相应特定谐波相关联,其中如果所述点在距趋势线的预定距离内,在步骤d)中使对应的所述趋势线(T2、T3、T5、T6、T9)的计数器增加。
5.如权利要求1或2所述的方法,其中,如果在所述频谱中存在若干测量的频率分量,对每个测量的频率分量执行步骤a)至f),以由此确定不期望的状态。
6.一种计算机可读存储介质,在所述计算机可读存储介质上存储有用于在包括电机(13)和电驱动器(11)的电驱动器系统(9)中确定不期望的状态的计算机程序,其中所述计算机程序包括计算机代码,当在控制器(1)的处理单元(5)上运行时,所述计算机代码使得所述控制器(1):
a)获得关于所述电驱动器系统(9)的电参数或机械参数的测量信号,
b)通过快速傅里叶变换,获得测量信号的频谱,所述频谱包含测量的频率分量,
c)确定平面中的点是否处于距趋势线(T2、T3、T5、T6、T9)的预定距离之内,所述点具有作为它的坐标的测量的频率分量的值和测量信号的基频,所述趋势线(T2、T3、T5、T6、T9)与在特定的不期望状态过程中存在的电参数或机械参数的仅一个特定频率分量相关联,利用马氏距离来确定所述点和趋势线(T2、T3、T5、T6、T9)之间的距离,以确定所述点是否在到所述趋势线的预定距离内,
d)在所述点处于距所述趋势线(T2、T3、T5、T6、T9)预定距离内的状态下,增加与所述趋势线(T2、T3、T5、T6、T9)相关联的计数器,
e)重复a)至d),其中如果计数器在a)至d)预定的迭代次数内达到预定数目,
f)基于所述计数器达到所述预定数目,确定与所述趋势线相关联的谐波存在于所述测量信号中,并且因而所述电驱动器系统经受与所述趋势线(T2、T3、T5、T6、T9)相关联的不期望状态。
7.一种计算机程序产品,包括如权利要求6所述的计算机可读存储介质。
8.一种控制器(1),其被配置以在包括电机(13)和电驱动器(11)的电驱动器系统(9)中确定不期望的状态,其中所述控制器(1)包括:
处理单元(5),
包含计算机代码的存储单元(7),其中所述计算机代码当在所述处理单元(5)上运行时使所述控制器(1):
a)获得关于所述电驱动器系统(9)的电参数或机械参数的测量信号,
b)获得所述测量信号的频谱,所述频谱包含测量的频率分量,其中所述控制器(1)被配置成通过快速傅里叶变换获得所述频谱,
c)确定平面中的一个点是否处于距趋势线(T2、T3、T5、T6、T9)的预定距离之内,所述点具有作为它的坐标的测量的频率分量的值和测量信号的基频,所述趋势线(T2、T3、T5、T6、T9)与在特定的不期望状态过程中存在的电参数或机械参数的仅一个特定谐波相关联,
d)在所述点处于距离所述趋势线预定距离内的状态下,增加与所述趋势线(T2、T3、T5、T6、T9)相关联的计数器,
e)重复a)至d),其中如果计数器在a)至d)预定的迭代次数内达到预定数目,
f)基于所述计数器达到所述预定数目,确定与所述趋势线相关联的谐波存在于所述测量信号中,并且因而所述电驱动器系统经受与所述趋势线(T2、T3、T5、T6、T9)相关联的不期望状态,
其中,所述控制器(1)被配置成利用马氏距离来确定所述点和所述趋势线(T2、T3、T5、T6、T9)之间的距离,以确定所述点是否处于距所述趋势线的预定距离内。
9.如权利要求8所述的控制器(1),其中所述控制器被配置成通过快速傅立叶变换获得所述频谱。
10.如权利要求8或9所述的控制器(1),其中所述趋势线是线性回归趋势线,其基于用于所述电参数或机械参数的多个工作频率的理论建模或实验测得的特定频率分量创建。
CN201610403690.4A 2015-06-08 2016-06-07 用于在电驱动器系统中确定不期望的状态的方法和控制器 Active CN106248131B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP15170998.7 2015-06-08
EP15170998.7A EP3104152B1 (en) 2015-06-08 2015-06-08 Method and controller for determining an undesired condition in an electrical drive system

Publications (2)

Publication Number Publication Date
CN106248131A CN106248131A (zh) 2016-12-21
CN106248131B true CN106248131B (zh) 2019-11-29

Family

ID=53365894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610403690.4A Active CN106248131B (zh) 2015-06-08 2016-06-07 用于在电驱动器系统中确定不期望的状态的方法和控制器

Country Status (3)

Country Link
US (1) US9829540B2 (zh)
EP (1) EP3104152B1 (zh)
CN (1) CN106248131B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107966161B (zh) * 2017-11-09 2020-04-28 内蒙古大学 基于fft的步行检测方法
CN112379261B (zh) * 2019-12-31 2024-05-28 上汽通用五菱汽车股份有限公司 一种基于振动噪声分析的电机转速及结构参数计算方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6507789B1 (en) * 2000-07-18 2003-01-14 General Electric Company Gear transmission condition monitoring method and apparatus
CN102279342A (zh) * 2011-07-23 2011-12-14 华北电力大学(保定) 一种基于music与saa的笼型异步电动机转子断条故障检测方法
CN102495368A (zh) * 2011-12-16 2012-06-13 西南大学 三相笼型异步电动机转子断条故障非侵入式在线检测方法及检测系统
WO2013180723A1 (en) * 2012-05-31 2013-12-05 University Of Connecticut Methods apparatuses for defect diagnosis in a mechanical system
CN103995229A (zh) * 2014-05-21 2014-08-20 浙江工业大学 一种基于特征选取和马氏距离的电机健康监测和异常诊断方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2497958A1 (fr) * 1981-01-09 1982-07-16 Thomson Csf Dispositif de determination de l'instant d'arrivee d'impulsions, utilisation dans un equipement de mesure de distances et equipement de mesure comportant un tel dispositif
US6351713B1 (en) 1999-12-15 2002-02-26 Swantech, L.L.C. Distributed stress wave analysis system
WO2003054503A2 (en) * 2001-12-07 2003-07-03 Battelle Memorial Institute Methods and systems for analyzing the degradation and failure of mechanical systems
US20040227524A1 (en) * 2003-05-12 2004-11-18 Boris Kesil Method and system for measuring thickness of thin films with automatic stabilization of measurement accuracy
BR112012023665A2 (pt) 2010-03-19 2019-09-24 Abb Oy método e sistema de monitoramento de saúde para acionamentos
EP2625498A1 (en) * 2010-10-08 2013-08-14 Rolls-Royce Corporation System and method for detecting fault conditions in a drivetrain using torque oscillation data
DE102011117468B4 (de) * 2011-11-02 2022-10-20 Weidmüller Monitoring Systems Gmbh Verfahren, Recheneinheit und Einrichtung zur Überwachung eines Antriebstrangs
US9541606B2 (en) * 2012-12-17 2017-01-10 General Electric Company Fault detection system and associated method
US9495646B2 (en) * 2013-06-05 2016-11-15 The Trustees Of Columbia University In The City Of New York Monitoring health of dynamic system using speaker recognition techniques

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6507789B1 (en) * 2000-07-18 2003-01-14 General Electric Company Gear transmission condition monitoring method and apparatus
CN102279342A (zh) * 2011-07-23 2011-12-14 华北电力大学(保定) 一种基于music与saa的笼型异步电动机转子断条故障检测方法
CN102495368A (zh) * 2011-12-16 2012-06-13 西南大学 三相笼型异步电动机转子断条故障非侵入式在线检测方法及检测系统
WO2013180723A1 (en) * 2012-05-31 2013-12-05 University Of Connecticut Methods apparatuses for defect diagnosis in a mechanical system
CN103995229A (zh) * 2014-05-21 2014-08-20 浙江工业大学 一种基于特征选取和马氏距离的电机健康监测和异常诊断方法

Also Published As

Publication number Publication date
US20160356854A1 (en) 2016-12-08
EP3104152A1 (en) 2016-12-14
CN106248131A (zh) 2016-12-21
US9829540B2 (en) 2017-11-28
EP3104152B1 (en) 2019-08-14

Similar Documents

Publication Publication Date Title
CN102341720B (zh) 使用定子电流噪音消除的电动机缺陷检测用系统和方法
Yang et al. ARX model-based gearbox fault detection and localization under varying load conditions
TWI710701B (zh) 泵浦監測裝置及其方法
Medjaher et al. Data-driven prognostics based on health indicator construction: Application to PRONOSTIA's data
US6556939B1 (en) Inferential signal generator for instrumented equipment and processes
EP2790028B1 (en) Broken rotor bar detection based on current signature analysis of an electric machine
DE69732569T2 (de) System zur erkennung von störungen von elektromotoren
US10458863B2 (en) Hybrid virtual load monitoring system and method
CN101688820B (zh) 用于使用定子电流噪音消除的轴承故障检测的系统和方法
EP2868921A1 (en) Wind turbine and method for evaluating health state of blade thereof
CN109655200B (zh) 一种风力发电机组风轮不平衡的诊断方法及系统
Xue et al. Automatic diagnosis method for structural fault of rotating machinery based on distinctive frequency components and support vector machines under varied operating conditions
CN106248131B (zh) 用于在电驱动器系统中确定不期望的状态的方法和控制器
Corne et al. Comparing MCSA with vibration analysis in order to detect bearing faults—A case study
CN117980707A (zh) 操作振动信号的自主辨别
KR101348635B1 (ko) 유도전동기 회전자의 고장 진단 장치 및 방법
US20200186898A1 (en) Embedded system for vibration detection and analysis
CN109657989A (zh) 直升机高速重载输入级健康状态评估方法
Farajzadeh-Zanjani et al. A critical study on the importance of feature extraction and selection for diagnosing bearing defects
Kruglova et al. Artificial intelligence method for electric drives mode operating and technical condition determination
Bechhoefer et al. Condition monitoring architecture: To reduce total cost of ownership
Fahimi et al. Feature set evaluation and fusion for motor fault diagnosis
Rubhini et al. Machine condition monitoring using audio signature analysis
WO2023182944A1 (en) Alternator monitoring systems and methods
Abdenour et al. A diagnosis scheme of gearbox faults based on machine learning and motor current analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20180516

Address after: Baden, Switzerland

Applicant after: ABB TECHNOLOGY LTD.

Address before: Su Lishi

Applicant before: ABB T & D Technology Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant