CN109239599B - 一种永磁同步电机退磁故障诊断方法 - Google Patents
一种永磁同步电机退磁故障诊断方法 Download PDFInfo
- Publication number
- CN109239599B CN109239599B CN201811164889.1A CN201811164889A CN109239599B CN 109239599 B CN109239599 B CN 109239599B CN 201811164889 A CN201811164889 A CN 201811164889A CN 109239599 B CN109239599 B CN 109239599B
- Authority
- CN
- China
- Prior art keywords
- demagnetization
- fault
- coil
- motor
- electromotive force
- 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
Links
Images
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Electric Motors In General (AREA)
- Control Of Motors That Do Not Use Commutators (AREA)
Abstract
本申请公开了一种永磁同步电机退磁故障诊断方法,该方法通过进行不同类型的退磁故障实验建立样本库,提取线圈元件的反电势,求取退磁故障后的反电势及健康状态下的反电势残差量作为故障特征量,同时通过相关公式转换建立退磁故障特征量样本库和能量区间库。实时获取线圈反电势信号,根据反电势残差信号的大小,利用相关系数法分析实测的故障特征量与查找表中各故障特征量的相关性,通过反电势残差信号能量的大小,同时结合相关系数的分析结果可以诊断退磁故障以及退磁程度,同时可以区分均匀退磁和局部退磁,并且在电机发生局部退磁故障时能进行快速、准确的故障磁极的定位,有效提高诊断永磁同步电机退磁故障的精确性。
Description
技术领域
本发明涉及电机故障诊断领域,具体是关于永磁同步电机退磁故障检测、退磁模式识别、退磁程度评估和退磁磁极定位的方法。
背景技术
永磁同步电机因其具有高功率密度、高效率、高可靠性等优点,在工业伺服驱动、机器人、航空航天、新能源汽车以及新能源发电等领域获得了广泛应用。然而,永磁材料稳定性易受工作温度、电枢反应、制造缺陷及自然寿命等因素的影响而产生磁力损失导致磁感应强度幅值减小或畸变,形成永磁体局部退磁或均匀退磁故障。当永磁体出现不可逆退磁故障时,电机将出现发热严重,过载能力下降,这将导致电机性能下降,严重情况下电机可能失控和报废。对电机的早期退磁故障的诊断不仅可以提高电机运行的可靠性,延长电机的使用寿命,同时改变了维修方式,减少了突发性的事故停产,减少了过剩维修,降低了维修费用,提高了作业率。因此,对永磁同步电机退磁故障诊断研究具有非常重要的意义。
目前,关于退磁故障的研究集中在故障检测和故障程度识别方面,采用的方法主要包括基于定子电流信号的数据驱动诊断方法和基于模型驱动的诊断方法。
大量研究表明,当永磁同步电机出现永磁体局部退磁故障时,电枢电流中将产生如式(1)所示的故障特征谐波,即有
式中:fs 为定子基波电流频率,p表示电机极对数,k取正整数。
利用FFT或时频分析方法等信号处理技术提取永磁同步电机定子电流中式(1)所示的故障特征谐波进行永磁同步电机永磁体退磁故障诊断,此方法无需增加系统硬件,不需要电机的数学模型,可以在独立于电机参数和系统控制方式的前提下,通过信号处理技术对定子电流进行分析与处理以提取有效的故障特征,实现永磁同步电机局部退磁故障的诊断。然而,这种方法只适用于局部退磁故障,不适用于均匀退磁故障的检测;同时永磁同步电机驱动电源多为变频器驱动,其输出电压为非正弦,导致电流中包含大量的谐波成分,难以跟故障信息区分;在不平衡工况下,定子电流谐波成分也变得更复杂,难以区分故障信息;在某些定子绕组结构下,电机发生退磁故障时电流中不会产生新的谐波分量。这些都给利用电流谐波检测退磁故障带来困难。
基于模型驱动的方法通过对PMSM模型分析而获得永磁体磁链实现永磁体退磁故障的诊断,主要包括有限元法和解析模型法。有限元法通过对永磁同步电机物理模型的分析与处理,获取永磁体磁链的准确信息,但其为物理模型,难以与永磁同步电动机驱动系统直接衔接,且计算量大,实时性差,很难实现永磁体退磁故障的在线诊断,因此该方法主要用于PMSM设计过程中的永磁体抗退磁设计。解析模型法是采用动态数据处理技术构建永磁体磁链在线观测器,该方法能够为退磁故障诊断提供精确的定量数据,但无法识别退磁故障模式,即无法区分退磁故障属于局部退磁还是均匀退磁。
申请号201711341083.0公开了一种《永磁同步直线电机的退磁检测装置及检测方法》,通过检测待测直线电机三个测点位置处气隙磁密的分布以实现退磁检测;通过判断待测磁密与正常磁密分布的差值分布,并提取退磁故障特征,采用PNN分类算法实现退磁故障的辨识。但该方法需要大量的样本数据作为训练数据,且在多磁极电机时,不同磁极退磁故障的特征组合的类型太多,运算量大。
目前的研究存在以下技术问题:
(1)目前,大部分诊断方法只适用于特定的运行条件下,或具有特定的形状和拓扑结构的PMSM。
(2)目前,大部分诊断方法只能实现单一退磁模式的诊断,没有一种有效的方法能实现均匀退磁故障和局部退磁故障模式的识别。
(3)目前,大部分诊断方法主要集中在退磁的检测和退磁程度的识别,没有一种有效的方法能实现退磁磁极的准确定位。
发明内容
本发明为了解决现有退磁故障诊断技术中存在的问题,提供了一种永磁同步电机退磁故障的检测、退磁模式识别、退磁程度评估和退磁磁极定位的方法,它能够克服现有退磁诊断方法的缺陷,不受运行条件和电机结构的影响,不仅可以检测退磁故障、识别退磁程度,并且可以区分均匀退磁和局部退磁,还可以确定退磁磁极的位置,有效提高永磁同步电机退磁故障诊断的精确性。
本发明具体采用以下技术方案解决上述技术问题:
一种永磁同步电机退磁故障诊断方法,包括以下步骤:
步骤(1)建立样本电机退磁故障特征量样本库
选取与待诊断电机相同的电机作为样本电机,对样本电机磁极依次进行编号(编号依次为1,2,3…n,n为正整数),指定样本电机定子上的任意一个线圈元件作为探测线圈,截取样本电机稳定运行的一个旋转周期的健康状态时线圈反电势及各个编号磁极单个退磁时的线圈反电势e1,e2,…,en,将各个编号磁极退磁时的线圈反电势依次与健康状态的线圈反电势作差处理,得到各个编号永磁体退磁时线圈反电势残差信号a1,a2,…,an,对其进行了归一化处理,得到归一化后故障特征量b1,b2,…,bn,并存于退磁故障特征量样本库;
步骤(2)建立样本电机不同退磁磁极个数的线圈反电势残差信号能量区间库
获取不同退磁磁极个数的线圈反电势残差信号,利用公式(2)计算其能量EJ,并建立不同退磁磁极个数的线圈反电势残差信号对应的能量区间库;
差值最大不超过设定阈值B,则认为待诊断电机发生均匀退磁故障,否则发生了局部退磁故障;
作为本发明的一种优选技术方案:所述步骤(1)中反电势残差信号是测得的线圈元件反电势信号与健康状态下的线圈元件反电势信号的差值。
作为本发明的一种优选技术方案:为了消除永磁体在退磁程度不同时对故障特征幅值的影响,实现在永磁体不同程度退磁时依然能够确定退磁磁极的位置,所述步骤(1)和步骤(3)中归一化处理是幅值归一化,即把数据归一化到[-1,1]之间。
本申请的工作实现原理为:指定电机定子上的任意一个线圈元件作为探测线圈,获取电机旋转一周线圈元件反电势数据。永磁体健康状态下的线圈反电势按正弦规律变化。在退磁故障情况下,当退磁磁极经过指定线圈元件时,线圈反电势的波形发生变化。诊断方法如下:进行不同类型的退磁故障实验建立样本库,提取线圈元件的反电势,求取退磁故障后的反电势及健康状态下的反电势残差量作为故障特征量,同时将故障特征量进行归一化处理,利用退磁故障的数学模型分析不同组合的永磁体局部退磁及均匀退磁故障下故障特征量并将结果存于退磁故障特征量样本库。计算不同退磁磁极个数的线圈反电势残差信号能量并将结果存于能量区间库。实时获取线圈反电势信号,根据反电势残差信号的大小进行退磁故障检测及故障程度识别,利用相关系数法分析实测的故障特征量与查找表中各故障特征量的相关性并进行退磁故障模式识别,通过反电势残差信号能量的大小确定退磁的磁极个数,同时结合相关系数的分析结果进行故障永磁体的定位。该方法适用于均匀退磁及局部退磁故障。
本发明采用上述技术方案,能产生如下技术效果:
本发明利用线圈反电势残差作为故障特征量来实现退磁故障诊断,通过本发明不仅可以诊断退磁故障以及退磁程度,同时可以区分均匀退磁和局部退磁,并且在电机发生局部退磁故障时能进行快速、准确的故障磁极的定位,有效提高诊断永磁同步电机退磁故障的精确性。
附图说明:
图1永磁同步电机退磁故障的诊断的流程图。
图2 为实施例中电机磁极编号示意图。
图3中a、b、c为本发明中故障信号特征量提取过程图。
图4中a、b、c、d、e、f为提取出来的编号为1、2、3、4、5、6的前6个磁极单个退磁时归一化后的特征量波形图。
图5中a、b、c、d分别为均匀退磁故障为12.5%、25%、50%、75%的线圈元件反电势差值波形图。
具体实施方式:
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,所描述的实施例仅仅是本发明一部分实施例,本发明并不局限于此。
本发明实施例通过一台直驱永磁同步电机完成,选取了前六块作为测试磁极,其基本参数如表1所示。
表1样本电机的基本参数
如图1所示,本实施例中一种永磁同步电机退磁故障诊断方法,包括以下步骤:
步骤(1)建立样本电机故障特征量样本库
首先对样本电机磁极依次进行编号,如图2中所示。本实施例选择前6个磁极作为研究退磁磁极的对象;然后分别获取健康状态下和前6个编号磁极单个退磁时的线圈反电势信号,截取其中稳定运行的一个旋转周期的信号,将健康状态下的线圈反电势与各个编号磁极单个退磁时的线圈反电势e1,e2,…,en依次作差处理,其提取过程如图3所示,得到各个编号永磁体单个退磁时线圈反电势残差信号并将其作为故障特征量a1,a2,…,an。如图4中是前6个磁极分别退磁时故障特征量的放大图形。
为了消除永磁体退磁程度不同对故障特征幅值的影响,实现永磁体不同程度退磁时依然能够确定退磁磁极的位置,对步骤(1)中所述故障特征量a1,a2,…,an进行了归一化处理,得到归一化后故障特征量b1,b2,…,bn,并存于退磁故障特征量样本库。
步骤(2)建立不同退磁磁极个数的故障特征量能量区间库
获取不同退磁磁极个数的线圈反电势残差信号,计算取其能量如公式(2)所示,建立不同退磁磁极个数的线圈反电势残差信号对应的能量区间数据库。如表2中,当能量是[500-1000]时,是一块磁极退磁;当能量是[1000-2000]时,是两块磁极退磁;当能量是[2000-3500]时,是三块磁极退磁。
表2 不同退磁磁极反电势差值的能量
步骤(5)利用公式(3)计算归一化后的线圈反电势残差与所述的特征量b1,b2,…,bn之间的相关性系数k1,k2,…,kn,如果k1,k2,…,kn之间的差值最大不超过0.01(本申请的阈值实际应用时根据诊断精度需求设定),则认为待诊断电机发生均匀退磁故障,否则发生了局部退磁故障,如表3所示。
表3不同程度均匀退磁故障与故障样本特征量之间的相关系数
步骤(8)将步骤(5)计算的相关系数k1,k2,…,kn从大到小进行排列,根据步骤(7)确定的退磁磁极个数,相关系数为前的编号所对应的磁极即为发生退磁故障的磁极。表4中可以看出,当发生单块磁极退磁故障时,选择相关系数最大的一个,其与对应编号的特征量的相关系数为1。当有两块磁极退磁时,会出现两个相邻和两个相隔两种情况,当退磁磁极是相邻时,其对应编号的相关系数的值是0.85左右;当退磁磁极是相隔时,其对应编号的相关系数的值都是0.7左右,但都是相关系数最大的两个编号的磁极发生了退磁故障。当是三块磁极退磁时,相关系数最大的三个编号是发生退磁故障的磁极。
表4 不同退磁磁极个数和位置与特征量之间的相关系数
为了优化说明内容,本实施例选择电机的前6个磁极作为研究退磁磁极的对象,在实际应用时候,可以针对电机的所有磁极或者部分磁极作为研究对象,其退磁故障诊断方法与本实施例方法一致。
Claims (2)
1.一种永磁同步电机退磁故障诊断方法,其特征在于,包括以下步骤:
步骤1,建立样本电机退磁故障特征量样本库
选取与待诊断电机相同的电机作为样本电机,对样本电机磁极依次进行编号,编号依次为1,2,3…n,n为正整数,指定样本电机定子上的任意一个线圈元件作为探测线圈,截取样本电机稳定运行的一个旋转周期的健康状态时线圈反电势e0及各个编号磁极单个退磁时的线圈反电势e1,e2,…,en,将各个编号磁极退磁时的线圈反电势依次与健康状态的线圈反电势作差处理,得到各个编号永磁体退磁时线圈反电势残差信号a1,a2,…,an,对其进行了归一化处理,得到归一化后故障特征量b1,b2,…,bn,并存于退磁故障特征量样本库;
步骤2,建立样本电机不同退磁磁极个数的线圈反电势残差信号能量区间库获取不同退磁磁极个数的线圈反电势残差信号,利用公式(2)计算其能量EJ,并建立不同退磁磁极个数的线圈反电势残差信号对应的能量区间库;
式中:m表示是电机稳定运行的一个旋转周期采样点个数,i表示为第几个采样点,cj(i)表示退磁磁极个数为j时线圈反电势残差信号第i个采样点的值;
步骤3,指定待诊断电机上与样本电机相同位置的线圈作为探测线圈,获取待诊断电机的线圈反电势,将其与健康状态下线圈反电势e0作差处理得到线圈反电势残差eresidual,然后对eresidual进行归一化处理得到归一化后的线圈反电势残差enorm;
步骤4,当所述归一化后的线圈反电势残差enorm大于设定阈值A时,则待诊断电机发生退磁故障,否则没有发生退磁故障;
步骤5利用公式(3)计算归一化后的线圈反电势残差enorm与故障样本库特征量b1,b2,…,bn之间的相关性系数k1,k2,…,kn,如果k1,k2,…,kn之间的差值最大不超过设定阈值B,则认为待诊断电机发生均匀退磁故障,否则发生了局部退磁故障;
式中:Cov(enorm,bi)是归一化后的线圈反电势残差enorm和故障样本库特征量bi的协方差,i=1,2,…,n,D(enorm),D(bi)分别为归一化后的线圈反电势残差enorm和故障样本库特征量bi的方差,i=1,2,…,n;
步骤6,如果待诊断电机发生了均匀退磁故障,根据所述线圈反电势残差eresidual的幅值大小来识别均匀退磁的程度;
步骤7,如果待诊断电机发生了局部退磁故障,利用公式(2)计算线圈反电势残差eresidual信号的能量,根据能量区间库来确定退磁磁极个数Nfault;
步骤8,将步骤5计算的相关系数k1,k2,…,kn从大到小进行排列,根据步骤7确定的退磁磁极个数Nfault,相关系数为前Nfault的编号所对应的磁极即为发生退磁故障的磁极;
步骤9,根据步骤3获取的eresidual的幅值大小来识别局部退磁的程度。
2.根据权利要求1所述的永磁同步电机退磁故障诊断方法,其特征在于:所述步骤1中反电势残差信号是测得的线圈反电势信号与健康状态下的线圈元件反电势信号的差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811164889.1A CN109239599B (zh) | 2018-10-07 | 2018-10-07 | 一种永磁同步电机退磁故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811164889.1A CN109239599B (zh) | 2018-10-07 | 2018-10-07 | 一种永磁同步电机退磁故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109239599A CN109239599A (zh) | 2019-01-18 |
CN109239599B true CN109239599B (zh) | 2020-09-22 |
Family
ID=65055070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811164889.1A Active CN109239599B (zh) | 2018-10-07 | 2018-10-07 | 一种永磁同步电机退磁故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109239599B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110492689B (zh) * | 2019-08-28 | 2022-05-20 | 河海大学 | 可检测永磁体退磁和转子偏心故障的永磁电机结构及方法 |
CN111413616B (zh) * | 2020-05-26 | 2022-03-08 | 河南理工大学 | 永磁电机退磁故障综合诊断方法 |
CN112034344A (zh) * | 2020-09-09 | 2020-12-04 | 北京华科同安监控技术有限公司 | 水轮发电机转子绕组匝间短路故障实时在线诊断方法 |
CN112039024B (zh) * | 2020-09-28 | 2022-02-25 | 珠海格力电器股份有限公司 | 电机退磁检测方法、电机控制系统和变频器设备 |
CN113985277A (zh) * | 2021-10-26 | 2022-01-28 | 郑州大学 | 实现永磁电机退磁永磁体定位的探测线圈的布置方法 |
CN113964964B (zh) * | 2021-11-15 | 2023-03-21 | 西安热工研究院有限公司 | 一种基于电信号的永磁风力发电机永磁体退磁故障模拟装置 |
CN114690036B (zh) * | 2022-03-30 | 2024-03-26 | 浙江大学 | 一种永磁同步电机局部退磁故障定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944857A (zh) * | 2012-11-23 | 2013-02-27 | 上海中科深江电动车辆有限公司 | 永磁同步电机转子失磁检测方法 |
JP2016532862A (ja) * | 2013-07-15 | 2016-10-20 | 日本テキサス・インスツルメンツ株式会社 | トランスコアを閉ループで脱磁するための方法及び装置 |
CN108594143A (zh) * | 2018-01-16 | 2018-09-28 | 宁德师范学院 | 一种永磁同步电机退磁故障诊断方法 |
CN109391198A (zh) * | 2017-08-11 | 2019-02-26 | 通用汽车环球科技运作有限责任公司 | 用于监测永磁电机的磁通量降低的装置和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8872455B2 (en) * | 2012-05-22 | 2014-10-28 | Deere & Company | Method and controller for an electric motor with fault detection |
-
2018
- 2018-10-07 CN CN201811164889.1A patent/CN109239599B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944857A (zh) * | 2012-11-23 | 2013-02-27 | 上海中科深江电动车辆有限公司 | 永磁同步电机转子失磁检测方法 |
JP2016532862A (ja) * | 2013-07-15 | 2016-10-20 | 日本テキサス・インスツルメンツ株式会社 | トランスコアを閉ループで脱磁するための方法及び装置 |
CN109391198A (zh) * | 2017-08-11 | 2019-02-26 | 通用汽车环球科技运作有限责任公司 | 用于监测永磁电机的磁通量降低的装置和方法 |
CN108594143A (zh) * | 2018-01-16 | 2018-09-28 | 宁德师范学院 | 一种永磁同步电机退磁故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
永磁电机故障诊断和容错技术概述;柯思勤;《大功率变流技术》;20170430(第02期);11-16 * |
Also Published As
Publication number | Publication date |
---|---|
CN109239599A (zh) | 2019-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109239599B (zh) | 一种永磁同步电机退磁故障诊断方法 | |
Jeong et al. | An early stage interturn fault diagnosis of PMSMs by using negative-sequence components | |
CN107783006B (zh) | 水轮发电机转子绕组匝间短路故障检测方法 | |
CN106841949B (zh) | 三相异步交流电机定子绝缘在线监测方法和装置 | |
CN108196154B (zh) | 航空三级式同步电机旋转整流器故障检测及故障定位方法 | |
Chen et al. | A novel method for diagnosing demagnetization fault in PMSM using toroidal-yoke-type search coil | |
CN111551872B (zh) | 一种pmsm驱动系统逆变器开路故障在线诊断方法 | |
Samanta et al. | KNN based fault diagnosis system for induction motor | |
CN108983126B (zh) | 一种直线电机次级的局部退磁故障识别装置及方法 | |
Tian et al. | A review of fault diagnosis for traction induction motor | |
Chen et al. | Incipient interturn short-circuit fault diagnosis of permanent magnet synchronous motors based on the data-driven digital twin model | |
Song et al. | Demagnetization fault detection for double-sided permanent magnet linear motor based on three-line magnetic signal signature analysis | |
CN113391235A (zh) | 一种同步发电机转子动态匝间短路故障检测系统及方法 | |
Pandarakone et al. | Frequency spectrum investigation and analytical diagnosis method for turn-to-turn short-circuit insulation failure in stator winding of low voltage induction motor | |
Zhu et al. | Real-time defect detection of die cast rotor in induction motor based on circular flux sensing coils | |
Pietrzak et al. | Stator Winding Fault Detection of Permanent Magnet Synchronous Motors Based on the Short-Time Fourier Transform | |
CN111307084A (zh) | 一种基于振动的电力变压器绕组变形故障诊断新方法 | |
Luo et al. | Transient Current Ratio Dendrite Net for High-Resistance Connection Diagnosis in BLDCM | |
Cao et al. | Diagnosis of high-resistance connection faults in PMSMs based on GMR and deep learning | |
Li et al. | Data-Driven Diagnosis of PMSM Drive with Self-Sensing Signal Visualization and Deep Transfer Learning | |
CN115902702A (zh) | 一种无刷直流电机逆变器开路故障诊断方法 | |
Gao et al. | Automatic Demagnetization Fault Location of Direct-Drive Permanent Magnet Synchronous Motor Using Knowledge Graph | |
Yeh et al. | Diagnosis of stator winding inter-turn shorts in induction motors fed by PWM-inverter drive systems using a time-series data mining technique | |
Stojičić et al. | A method to detect missing magnetic slot wedges in AC machines without disassembling | |
CN115238733A (zh) | 一种高压断路器合分闸线圈运行状态评估方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |