CN110531259B - 基于漏磁信号的感应电机电气故障诊断方法 - Google Patents
基于漏磁信号的感应电机电气故障诊断方法 Download PDFInfo
- Publication number
- CN110531259B CN110531259B CN201910741540.8A CN201910741540A CN110531259B CN 110531259 B CN110531259 B CN 110531259B CN 201910741540 A CN201910741540 A CN 201910741540A CN 110531259 B CN110531259 B CN 110531259B
- Authority
- CN
- China
- Prior art keywords
- frequency
- motor
- leakage
- magnetic
- signal
- 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
- G01R31/343—Testing dynamo-electric machines in operation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明公开了基于漏磁信号的感应电机电气故障诊断方法,采用漏磁传感器对感应电机的三轴漏磁信号进行采集,采用振动传感器对电机的机壳振动信号进行采集,然后将采集到的信号进行分析,以判断电机是否故障,并判断出电机的故障类型,漏磁信号间接的反应了气隙磁场的变化情况,对电气故障灵敏;相对于电流监测,漏磁监测方法还具有信号获取方便、获取成本低等优点,可以在不影响电机正常工作的情况下,采集机壳外部的漏磁信号识别电机的电气故障,具有信号获取方便、信号获取成本低等优点。
Description
技术领域
本发明属于电机故障诊断技术领域,具体涉及基于漏磁信号的感应电机电气故障诊断方法。
背景技术
感应电机是工业中应用广泛,是主要的能源消耗设备,而电机故障会导致高昂的维修成本、巨大的停产损失,甚至危及人身安全。掌握电机的健康状态,对及时排除故障,降低经济损失有重要意义。
工业电机故障常有电气故障和机械故障两种,常用电流监测方法诊断转子断条、气隙偏心、匝间短路等电气故障,用振动检测方法诊断轴承故障、机壳松动等机械故障,在工业中常用的监测系统都是基于电流监测方法和振动监测方法。由于电流监测是将传感器安装在电机的供电线路或接线盒上,而振动监测方法一般安装在轴承两端或机壳上,导致传统的监测系统必须在多个位置部署多个传感器。此外,由于电流传感器部署难度大,导致获取电流信号的代价昂贵,尤其是对于已经工作的电机,安装电流传感器需要停机安装甚至需要改变供电电路。因此,电流监测导致整个系统监测系统价格昂贵,接线布线繁琐,部署难度大信号获取成本高。然而在工业应用中的大量的中小型感应电机由于自身价格低廉且数量大而无法配备这种昂贵的监测系统。
因此,需要一种新的、非侵入式的、经济且有效的监测方法来代替电流监测方法,以满足中小型电机的监测需求。
发明内容
为了解决上述问题,本发明提供了一种基于漏磁信号的感应电机电气故障诊断方法,解决了现有监测技术中存在的成本高、部署困难等问题,为大量廉价的中小型感应电机提供合适的状态监测方案。
为达到上述目的,本发明采用的技术方案是,一种新的基于MEMS磁力计芯片的漏磁信号监测方法,使用MEMS磁力计芯片拾取电机散落在机壳外的杂散磁通,用于识别电机转子断条、动态气隙偏心、静态气隙偏心、匝间短路等电气故障。
进一步的,包括以下步骤:
步骤1、采集电机的轴向和径向漏磁信号,采集电机机壳的振动信号,本步骤采集到的漏磁信号和振动信号均为时域信号;
步骤2,将步骤1采集到的时域信号通过快速傅里叶变换转换为频域信号;
步骤3:根据故障产生的机理,提取步骤2中获得的电机漏磁信号频谱中关键特征频率的幅值;
步骤4:通过分析步骤3获得的关键特征频率幅值的变化情况,识别出电机故障类型。
进一步的,关键特征频率包括sfs、(1±2ks)fs、(fs±fr)±2ksfs、mfs±kfr、Rfr±vfs、(R±1)fr±vfs、Rfr±{nθr±(nωr–nθr)s}fs和kfs,所述fs为供电频率,sfs为滑差频率,fr为旋转频率,k=1,3,5;m=1,3,5,R——转子条数;v——电机定子的时间谐波次数,v=1,3,5;nθr——电机转子的空间谐波,nθr=0,1,2,3,4;nωr——电机转子的时间谐波,nωr=1,3,5;R——转子条数;s——转差率。
进一步的,步骤4中,判断原则为:
当电机的轴向和径向漏磁信号中出现sfs、3sfs、(1±2ks)fs或(fs±fr)±2ksfs等故障特征频率时,电机出现转子断条故障;
当径向漏磁信号中的低频特征mfs±kfr和高频特征Rfr±vfs的幅值增加30%以上,而轴向漏磁信号中的低频特征mfs±kfr幅值变化小于±5%时,认为有静态偏心故障;
当径向漏磁信号和轴向漏磁信号的低频特征mfs±kf的幅值以及径向高频特征(R±1)fr±vfs幅值都增加30%以上时,认为电机有动态偏心故障;
当径向漏磁信号和轴向漏磁信号中出现高频特征Rfr±{nθr±(nωr–nθr)s}fs,径向漏磁信号中的特征kfs的幅值增加时认为有匝间短路故障,具体的:当k=1,3时,kfs的幅值比正常状态增加20%,当k取其他值使,kfs的幅值比正常状态增加10%以上。
进一步的,步骤3中,旋转频率fr的计算过程如下:
S1、在漏磁信号的频谱中取最大值计算出供电频率fs;
S2、结合极对数p和供电频率fs,得到旋转频率fr在振动频谱中的搜索区间:(1-0.05)fs/p<fr<fs/p,在振动频谱搜索区间内找最大值作为旋转频率fr。
进一步的,步骤1中,漏磁传感器采集电机的轴向和径向漏磁信号,用振动信号传感器采集电机机壳的振动信号,所述漏磁传感器为MEMS漏磁传感器,所述振动信号传感器为MEMS振动传感器。
与现有技术相比,本发明至少具有以下有益的技术效果:对电气故障灵敏的同时,还能大大降低整个系统的部署难度和系统成本,为大量中小功率电机提供了经济有效的非侵入式低成本监测方案。
漏磁信号间接的反应了气隙磁场的变化情况,对电气故障灵敏;相对于电流监测,漏磁监测方法还具有信号获取方便、获取成本低等优点,可以在不影响电机正常工作的情况下,采集机壳外部的漏磁信号识别电机的电气故障,具有信号获取方便、信号获取成本低等优点。
由于MEMS漏磁传感器的体积小,并且漏磁信号和振动信号的获取都是非侵入式的,因此可以将漏磁和振动传感器集合到一个小巧的监测单元之中。而监测单元只要安装在机壳上就可以方便的采集机壳振动和漏磁信号,分别用于典型机械、电气故障的识别。漏磁和振动的结合,使得只用在一处安装监测单元,大大的降低了部署难度和系统成本。
结合漏磁监测方法检测电气故障的优势与振动监测方法检测故障的优势,实现基于MEMS芯片的非侵入式、低成本、易于安装部署的状态监测方案,来满足大量中小功率电机非侵入式的低成本状态监测。
附图说明
图1是监测装置的简要示意图;
图2a是监测装置在感应电机的安装及信号方向示意图一;
图2b是监测装置在感应电机的安装及信号方向示意图二;
图3监测装置采集的轴向、径向、切向三轴漏磁信号时域图;
图4是健康电机径向漏磁信号频谱图;
图5是健康电机轴向漏磁信号频谱图;
图6是转子断条电机径向漏磁信号频谱图;
图7是转子断条电机轴向漏磁信号频谱图;
图8是静态偏心电机径向漏磁信号频谱低频特征图;
图9是动态偏心电机径向漏磁信号频谱低频特征图;
图10是静态偏心、动态偏心与健康电机径向漏磁信号低频特征对比图;
图11是静态偏心、动态偏心与健康电机轴向漏磁信号低频特征对比图;
图12动态偏心电机径向漏磁信号高频频谱;
图13静态偏心电机径向漏磁信号高频频谱;
图14健康电机与匝间短路电机径向漏磁信号谐波频率幅值对比图;
图15匝间短路电机轴向漏磁信号频谱高频特征图。
附图中:100、外壳,101、计算单元,102、无线传输模块,103、外部存储模块,104、信号处理单元,105、电源管理模块,106、振动信号传感器,107、漏磁传感器,108、磁场能量收集模块,109、备用电源。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明的信号采集是新的、非侵入式的、经济且有效的监测装置进行信号采集。一种基于漏磁信号的感应电机监测装置简要示意图如图1,集成了振动信号传感器106、漏磁传感器107可用于采集电机的机壳振动信号和漏磁信号。振动信号传感器106为单轴或多轴振动信号传感器,漏磁传感器107为单轴或多轴漏磁信号传感器。振动信号传感器为MEMS振动传感器,所述漏磁传感器为MEMS漏磁传感器。监测装置安装在电机的机壳外壁上,且位于感应电机外壳的竖直方向的切面上,该装置距与电机底面的垂直距离为电机高度的一半,用于采集的电机轴向、切向、径向三个方向的机壳振动和漏磁信号。轴向、切向、径向的示意如图2a和图2b所示,轴向是指与电机转子轴平行的方向,切向与径向都与轴向成90度,切向垂直向上,径向垂直向外。
监测装置还包括磁场能量收集模块108和备用电源109,其中,磁场能量收集模块108用于收集电机漏磁场的能量转换为电能给监测装置的供电,用于提高监测装置的使用寿命。当磁场能量转换的电能足以维持监测装置工作时,电源管理模块105只使用磁场转换的电能;当磁场能量不足时,启用备用电源109辅助供电。磁场能量收集模块108的核心部件是收集线圈,线圈将漏磁场的能量转换为电能。线圈两端的感应电压的大小与线圈的匝数、长度、形状有关,具体的关系可以用式(1)来表示,根据式(1)可以设计合适的线圈用于收集漏磁能量。
监测装置还包括计算单元101,用于控制各个模块正常工作,并对漏磁和振动信号进行信号处理,实现对电机的状态监测;监测装置还包括外部存储模块103,用于存储漏磁信号、振动信号或其他系统配置信息;监测装置包括无线传输模块102,无线传输模块102包括WIFI、蓝牙和Zigbee,用于向用户传输漏磁信号、振动信号或电机转速、转差率、供电频率、负载等状态参数。监测装置配备有外壳100,可直接安装在电机的机壳外壁上。优选的,安装在机壳外壁中心位置,具体位置如图2a和图2b所示。
利用上述监测装置采集健康电机在50Hz供电频率下的三轴漏磁信号频谱图如图3所示。
1)转子断条故障:
首先通过监测装置采集待诊断电机的漏磁信号和机壳振动信号,对采集到的时域信号进行快速傅里叶变换,得到漏磁信号的频域表示。然后对频谱图进行分析,若频谱中出现sfs、3sfs、(1±2ks)fs、(fs±fr)±2ksfs等故障特征频率,即诊断为转子断条故障。
当转子断条故障发生时,断条的电流流进了相邻的转子导条而导致断条处出现明显的局部磁饱和现象,转子磁场的对称性被破坏,产生频率为sfs逆序旋转磁场,导致转速、转矩脉动。最终导致在漏磁信号中出现sfs、3sfs、(1±2ks)fs、(fs±fr)±2ksfs等故障特征。
对比图4健康电机径向漏磁信号频谱和图6转子断条电机径向漏磁信号的频谱图可以看到,在转子断条电机中,在供电频率fs附近存在明显的边频分量(1±2ks)fs,当k=3时,也能看到明显的边频带,如图6所示;而在健康电机中,供电频率附近不存在边频带(1±2ks)fs分量,如图4所示。在转子断条电机中,存在明显的3倍滑差频率分量3sfs,如图6所示;而在健康电机中,不存在3sfs分量,如图4所示。在健康电机与故障电机中均存在滑差频率sfs,但是故障电机的滑差频率的幅值远高于健康电机。
轴向漏磁信号的频谱图中,基本可以得到与径向漏磁信号相同的结果。对于转子断条故障电机,在轴向磁通中存在明显的sfs、3sfs、(1±2ks)fs、(fs+fr)±2ksfs的故障特征频率,区别是在供电频率fs附近的边频分量(1±2ks)fs,当k=3时,已不是特别明显。fr为电机转频,由振动传感器采集到的振动信号得到。
电机转频fr的计算过程如下:
S1、在轴向漏磁信号的频谱中取最大值计算出供电频率fs;
S2、结合极对数p和供电频率fs,得到旋转频率fr在振动频谱中的搜索区间,在径向振动频谱搜索区间内找最大值作为旋转频率fr,搜索区间为:(1-0.05)fs/p<fr<fs/p。
健康电机的轴向磁场sfs幅值也稍有增加,这与在时域中观察到的一致。健康电机中还出现了微弱的边频分量(1±2s)fs,可能是转子不是严格对称,导致转子电流磁场也存在轻微的不对称导致的,但相对于转子断条故障电机来说,边频分量幅值很小。
2)偏心故障:
首先通过监测装置采集待诊断电机的机壳振动信号和漏磁信号,对采集到的时域信号进行快速傅里叶变换,得到漏磁信号的频域表示。然后对径向、轴向频谱图进行分析,若频谱中出现明显的mfs±kfr等故障特征分量,且幅值出现明显增大,即诊断为偏心故障,当只有径向漏磁的低频故障特征分量幅值增长时为静态偏心故障,而径向、轴向漏磁低频特征分量幅值都增长时为动态偏心故障。
气隙偏心有静态偏心和动态偏心两种类型,但两种偏心常常两种同时发生,形成复合偏心。静态偏心是指定、转子不同心,转子以自身几何轴心为旋转轴,其最小径向气隙长度和偏心的位置在空间是固定的,不随转子旋转而改变位置;动态偏心是指定、转子不同心,但转子以定子的几何轴心为旋转轴,最小径向气隙长度随着转子一起旋转,偏心位置在空间是变化的。由于气隙偏心以及定子转子齿槽导致的径向气隙变化会引入相关谐波,产生低频的、高频的故障特征。
在忽略转子条和定子槽对气隙长度的影响时,产生式(1)表示的低频故障特征;
fecc_l=mfs±kfr (1)
式中:fs——供电频率;fr——电机转频;k=1,3,5;m=1,3,5。
在径向漏磁信号中,静态偏心和动态偏心中都出现了明显的mfs±kfr故障特征分量,如图8、如图9所示。对比动态偏心电机、静态偏心电机和健康电机的径向漏磁信号低频故障特征频率mfs±kfr的幅值,如图10所示。图10表明,相比健康电机,静态偏心电机故障特征频率mfs±kfr的幅值增加30%以上;而动态偏心电机的故障特征幅值比静态偏心电机的变化更为明显。图11给出了动态偏心电机、静态偏心电机和健康电机轴向漏磁信号的低频故障特征mfs±kfr幅值对比图。图11中表明,在轴向漏磁信号频谱中,静态偏心故障特征mfs±kfr不灵敏,幅值变化不明显,不能作为检测指标;而动态偏心故障的故障特征mfs±kfr幅值变化很明显,是检测动态偏心的重要特征。因此,结合轴向和径向漏磁信号,通过轴向和径向两轴漏磁信号的低频特征mfs±kfr不仅可以检测出气隙偏心故障,还能区分静态偏心、动态偏心。只有径向漏磁的低频故障特征幅值增长时为静态偏心,而径向、轴向漏磁低频特征幅值都增长时为动态偏心。
而在考虑转子条及定子槽对气隙长度的影响时,定子转子不是均匀光滑的,电机的气隙沿圆周是齿形结构,气隙磁导能力在空间上是周期变化的。产生式(1)表示的高频特征。
fecc_h=(R±nd)fr±nωrfs (2)
式中:R——转子条数;fs——供电频率;fr——转频;nωs——电机定子的时间谐波次数,nωs=1,3,5;nd——动态偏心顺序,动态偏心时nd=1,3,5,静态偏心时nd=0;
在静态偏心的情况下,此时式(2)中的fecc_h动态偏心顺序nd=0,则有:
fecc_h,s=Rfr±vfs (3)
在动态偏心的情况下,当式(2)中的fecc_h动态偏心顺序nd=0时,则有:
fecc_h,d=(R±1)fr±vfs (4)
式中:R——转子条数;v——电机定子的时间谐波次数,v=1,3,5;fecc_h,s为静态偏心时高频故障特征频率;fecc_h,d为动态偏心时高频故障特征频率;
动态偏心、静态偏心电机径向漏磁信号在高频故障特征频率fecc_h附近的频谱图如图12、13所示,用虚线标记了fecc_h,s频率和fecc_h,d频率,其中序号为1、3、5、7、9的线为了fecc_h,s频率,序号为2、4、6、8、10的虚线为fecc_h,d频率。对比图11、12中可以看出,在两种偏心电机中,都存在明显的fecc_h,s分量,对比各特征值的幅值可以发现,静态偏心电机的fecc_h,s频率的幅值远大于动态偏心电机;在静态偏心电机中,存在极其微弱的fecc_h,d频率分量,基本埋没在背景噪声之中,而在动态偏心中,可以看到明显脱离背景噪声的fecc_h,d频率分量;这与机理分析相吻合。
3)匝间短路故障:
首先通过监测装置采集待诊断电机的机壳振动信号和漏磁信号,对采集到的时域信号进行快速傅里叶变换,得到漏磁信号的频域表示。然后对径向漏磁信号的频谱图进行分析,当径向漏磁信号、轴向漏磁信号中高频特征Rfr±{nθr±(nωr–nθr)s}fs及低频奇次谐波的幅值增加明显,即奇次频幅值增长10%以上,其中3倍频幅值增长接近20%时,则诊断为匝间短路故障。
异步电动机的气隙磁场复杂,除了会产生基波磁动势之外,还会产生一系列的谐波磁动势。绕组的磁势曲线不是标准的正弦波形,会产生基波的奇次谐波。当定子线圈发生匝间短路故障时,在线圈中形成故障回路,定子电流对称性被破坏,产生严重不对称的气隙磁场,从而导致式(5)表示的奇次谐波增加。
fωs=kfs (5)
式中:k——定子奇次谐波,k=1,3,5,7,9;
健康电机与匝间短路电机径向漏磁信号谐波频率幅值对比图如图14所示。其中健康电机的谐波3fs幅值为-27.8dB,而匝间短路电机的谐波3fs幅值为-22.9dB,增长接近5dB,增长率近18%;健康电机的谐波5fs幅值为-42.7dB,而匝间短路电机的谐波5fs幅值为-38.0dB,增长接近5dB,增长率近12%;健康电机的谐波9fs幅值为-60.0dB,而匝间短路电机的谐波9fs幅值为-55.5dB,增长超过4dB,增长率近8%;只有7fs的幅值,匝间短路电机比健康电机变化不明显。径向漏磁谐波分量可以被用作感应电机中的相间绕组短路的检测指标。
由于定子槽、转子条的存在,电机的气隙沿圆周是齿形结构,气隙磁导能力在空间上是周期变化的,导致匝间短路故障电机产生式(6)表示的高频故障特征。
fΩr=Rfr±[nθr±(nωr-nθr)s]fs (6)
式中:nθr——电机转子的空间谐波,nθr=0,1,2,3,4;nωr——电机转子的时间谐波,nωr=1,3,5;R——转子条数;s——转差率;
匝间短路电机轴向漏磁信号频谱的高频特征图如图15所示,并标记了式(6)中的关键特征。在主槽谐波频率Rfr+vfs附近出现了式(6)表示的边频分量。在匝间短路电机中轴向漏磁信号频谱中,也额外出现了在健康电机中没有的频率分量,这些频率分量与径向漏磁信号中的相似。相比径向漏磁信号,匝间短路电机的轴向漏磁信号的频率特征更加丰富,在主槽谐波附近出现大量边频带,如图15所示。而轴向漏磁信号中这些主槽谐波附近的边频带正是式(4-9)与式(4-10)所表示的频率分量。
一种基于漏磁信号的感应电机故障诊断方法,包括以下步骤:
步骤1、采集电机的轴向、径向、切向三轴漏磁信号以及电机的轴向、径向、切向的振动信号;
步骤2,将步骤1采集到的时域信号通过快速傅里叶变换转换为频域信号;
步骤3:根据故障产生的机理,提取步骤2中获得的电机轴向、径向、切向漏磁信号频谱中关键特征频率的幅值;
步骤4:通过分析步骤3获得的关键特征频率幅值的变化情况,识别出电机故障类型。
当电机的轴向和径向漏磁信号中出现sfs、3sfs、(1±2ks)fs或(fs±fr)±2ksfs等故障特征频率的时候,认为电机出现转子断条故障。电机发生转子断条故障时,由于断条的电流流进了相邻的转子导条而导致断条处出现明显的局部磁饱和现象。畸变的气隙磁场导致在漏磁信号中出现sfs、3sfs、(1±2ks)fs和(fs±fr)±2ksfs等故障特征,比电流方法中包含的故障特征更丰富。
当径向漏磁信号中的低频特征mfs±kfr、高频特征Rfr±vfs幅值增加30%以上,而轴向漏磁信号中的低频特征mfs±kfr幅值变化小于±5%时,认为有静态偏心故障。
当径向和轴向漏磁信号的低频特征mfs±kfr幅值以及径向高频特征(R±1)fr±vfs幅值都增加30%以上时,认为电机有动态偏心故障。电机发生气隙偏心时,由于气隙的变化和定子、转子的不光滑,会在漏磁信号中产生高频和低频的故障特征。通过这些高低频特征,能可靠识别并区分静态偏心与动态偏心。
当径向漏磁信号、轴向漏磁信号中出现高频特征Rfr±{nθr±(nωr–nθr)s}fs,径向漏磁信号的低频特征kfs的幅值变化明显,为原来幅值的10%以上,甚至接近20%的时候,认为有匝间短路故障。电机发生匝间短路故障时,电机的三相电流对称性被破坏产生不对称的旋转磁场,导致机壳外的径向漏磁信号磁场强度明显增加,高频特征变化明显。可以用漏磁信号替代电流信号方法,用于检测定子匝间短路故障。
漏磁信号是指电机泄露到机壳外部的杂散磁通,属于非工作磁通。但漏磁信号是电机气隙磁场的间接反应,当电机发生故障时,气隙磁场的对称性被破坏,一些谐波分量会有所变化,在漏磁信号中也会有相同的表现。尤其是当电机产生转子断条、气隙偏心故障时,首先会导致气隙磁场的畸变带来漏磁信号的变化,而畸变的磁场与定子电流相互作用后定子电流中才产生相应的故障特征,因此漏磁信号对转子断条、气隙偏心故障的反应要比定子电流更直接。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (3)
1.基于漏磁信号的感应电机电气故障诊断方法,其特征在于,使用漏磁传感器(107)采集电机散落在机壳外的杂散磁通,通过采集到的杂散磁通识别电机转子断条、动态气隙偏心、静态气隙偏心以及匝间短路故障;
具体包括以下步骤:
步骤1、采集电机的轴向和径向漏磁信号,采集电机机壳的振动信号,本步骤采集到的漏磁信号和振动信号均为时域信号;
步骤2,将步骤1采集到的时域信号通过快速傅里叶变换转换为频域信号;
步骤3:根据故障产生的机理,提取步骤2中获得的电机漏磁信号频谱中关键特征频率的幅值;
所述的关键特征频率包括sfs、(1±2ks)fs、(fs±fr)±2ksfs、mfs±kfr、Rfr±vfs、(R±1)fr±vfs、Rfr±{nθr±(nωr–nθr)s}fs和kfs,所述fs为供电频率,sfs为滑差频率,fr为旋转频率,k=1,3,5;m=1,3,5,R——转子条数;v——电机定子的时间谐波次数,v=1,3,5;nθr——电机转子的空间谐波,nθr=0,1,2,3,4;nωr——电机转子的时间谐波,nωr=1,3,5;R——转子条数;s——转差率;
步骤4:通过分析步骤3获得的关键特征频率幅值的变化情况,识别出电机故障类型;
步骤4中,判断原则为:
当电机的轴向和径向漏磁信号中出现sfs、3sfs、(1±2ks)fs或(fs±fr)±2ksfs关键特征频率时,电机出现转子断条故障;
当径向漏磁信号中的低频关键特征频率mfs±kfr和高频关键特征频率Rfr±vfs的幅值增加30%以上,而轴向漏磁信号中的低频关键特征频率mfs±kfr幅值变化小于±5%时,认为有静态偏心故障;
当径向漏磁信号和轴向漏磁信号的低频关键特征频率mfs±kf的幅值以及径向高频关键特征频率(R±1)fr±vfs幅值都增加30%以上时,认为电机有动态偏心故障;
当径向漏磁信号和轴向漏磁信号中出现高频关键特征频率Rfr±{nθr±(nωr–nθr)s}fs,径向漏磁信号中的关键特征频率kfs的幅值增加时认为有匝间短路故障,具体的:当k=1,3时,kfs的幅值比正常状态增加20%,当k取其他值时,kfs的幅值比正常状态增加10%以上。
2.根据权利要求1所述的基于漏磁信号的感应电机电气故障诊断方法,其特征在于,步骤3中,旋转频率fr的计算过程如下:
S1、在漏磁信号的频谱中取最大值计算出供电频率fs;
S2、结合极对数p和供电频率fs,得到旋转频率fr在振动频谱中的搜索区间:(1-0.05)fs/p<fr<fs/p,在振动频谱搜索区间内找最大值作为旋转频率fr。
3.根据权利要求1所述的基于漏磁信号的感应电机电气故障诊断方法,其特征在于,步骤1中,漏磁传感器(107)采集电机的轴向和径向漏磁信号,用振动信号传感器(106)采集电机机壳的振动信号,所述漏磁传感器(107)为MEMS漏磁传感器,所述振动信号传感器(106)为MEMS振动传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741540.8A CN110531259B (zh) | 2019-08-12 | 2019-08-12 | 基于漏磁信号的感应电机电气故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910741540.8A CN110531259B (zh) | 2019-08-12 | 2019-08-12 | 基于漏磁信号的感应电机电气故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110531259A CN110531259A (zh) | 2019-12-03 |
CN110531259B true CN110531259B (zh) | 2020-08-18 |
Family
ID=68662521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910741540.8A Active CN110531259B (zh) | 2019-08-12 | 2019-08-12 | 基于漏磁信号的感应电机电气故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110531259B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021025612A1 (en) * | 2019-08-05 | 2021-02-11 | Sembcorp Industries Ltd | A method and a system of detecting winding fault under online operation of an electrical machine |
CN111337122B (zh) * | 2020-04-10 | 2021-02-09 | 四川中鼎智能技术有限公司 | 一种低频振动传感器测量极低频振动的方法、系统、终端设备及可读存储介质 |
CN111537910B (zh) * | 2020-04-17 | 2022-09-13 | 江苏大学 | 基于振动信号的定子绕组匝间短路故障诊断方法与装置 |
CN112924090B (zh) * | 2021-01-28 | 2022-03-08 | 华中科技大学 | 一种基于电磁应力分析的电机气隙偏心故障检测方法及系统 |
CN113703371A (zh) * | 2021-09-01 | 2021-11-26 | 山西华控伟业科技有限公司 | 一种设备故障的检测装置及检测方法 |
CN114460465A (zh) * | 2022-04-08 | 2022-05-10 | 华中科技大学 | 一种永磁电机偏心故障的判断方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698699A (zh) * | 2013-12-06 | 2014-04-02 | 西安交通大学 | 一种基于模型的异步电动机故障监测诊断方法 |
CN103713235A (zh) * | 2014-01-07 | 2014-04-09 | 华北电力大学(保定) | 基于端部畸变效应的汽轮发电机转子匝间短路故障诊断方法 |
CN103713261A (zh) * | 2013-12-26 | 2014-04-09 | 合肥工业大学 | 一种感应电机气隙偏心故障的检测系统及检测方法 |
CN105044601A (zh) * | 2015-08-25 | 2015-11-11 | 合肥工业大学 | 一种利用漏磁场检测感应电动机的偏心检测装置及其检测方法 |
CN105044602A (zh) * | 2015-08-25 | 2015-11-11 | 合肥工业大学 | 一种感应电动机的偏心检测装置及其检测方法 |
CN105874344A (zh) * | 2013-12-30 | 2016-08-17 | Abb技术有限公司 | 用于电机的状态监测的系统、移动电话机及其方法 |
CN107544025A (zh) * | 2017-08-30 | 2018-01-05 | 马鞍山马钢华阳设备诊断工程有限公司 | 一种综合电信号和振动信号的异步电机转子断条故障判断方法 |
CN110018417A (zh) * | 2019-05-24 | 2019-07-16 | 湖南大学 | 基于径向杂散磁通检测的电机故障诊断方法、系统及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4232810B2 (ja) * | 2006-09-27 | 2009-03-04 | 株式会社日立製作所 | 回転電機の層間短絡検出装置及びその方法、並びにその層間短絡検出装置を備える回転電機 |
-
2019
- 2019-08-12 CN CN201910741540.8A patent/CN110531259B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103698699A (zh) * | 2013-12-06 | 2014-04-02 | 西安交通大学 | 一种基于模型的异步电动机故障监测诊断方法 |
CN103713261A (zh) * | 2013-12-26 | 2014-04-09 | 合肥工业大学 | 一种感应电机气隙偏心故障的检测系统及检测方法 |
CN105874344A (zh) * | 2013-12-30 | 2016-08-17 | Abb技术有限公司 | 用于电机的状态监测的系统、移动电话机及其方法 |
CN103713235A (zh) * | 2014-01-07 | 2014-04-09 | 华北电力大学(保定) | 基于端部畸变效应的汽轮发电机转子匝间短路故障诊断方法 |
CN105044601A (zh) * | 2015-08-25 | 2015-11-11 | 合肥工业大学 | 一种利用漏磁场检测感应电动机的偏心检测装置及其检测方法 |
CN105044602A (zh) * | 2015-08-25 | 2015-11-11 | 合肥工业大学 | 一种感应电动机的偏心检测装置及其检测方法 |
CN107544025A (zh) * | 2017-08-30 | 2018-01-05 | 马鞍山马钢华阳设备诊断工程有限公司 | 一种综合电信号和振动信号的异步电机转子断条故障判断方法 |
CN110018417A (zh) * | 2019-05-24 | 2019-07-16 | 湖南大学 | 基于径向杂散磁通检测的电机故障诊断方法、系统及介质 |
Non-Patent Citations (3)
Title |
---|
" A Review of Condition Monitoring of Induction Motors Based on Stray Flux";Chen Jiang et al;《2017 IEEE Energy Conversion Congress and Exposition (ECCE)》;20171231;第5424-5430页 * |
"A novel approach to detect short circuits in low voltage induction motor by stray flux measurement";Lucia Frosini 等;《2012 XXth International Conference on Electrical Machines》;20121231;第1538-1544页 * |
"Detection and Analysis of Rotor Faults in Induction Motors by the Measurement of the Stray Magnetic Flux";M. Rigoni, N. Sadowski 等;《Journal of Microwaves, Optoelectronics and Electromagnetic Applications》;20120630;第68-80页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110531259A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531259B (zh) | 基于漏磁信号的感应电机电气故障诊断方法 | |
CN113009334B (zh) | 一种基于小波包能量分析的电机故障检测方法及系统 | |
CN106771835B (zh) | 基于检测线圈的汽轮发电机转子匝间短路诊断装置及方法 | |
JP6353694B2 (ja) | 劣化診断システム | |
Chen et al. | Bearing corrosion failure diagnosis of doubly fed induction generator in wind turbines based on stator current analysis | |
EP2728367B1 (en) | A method for detecting a fault condition in an electrical machine | |
CN103713235B (zh) | 基于端部畸变效应的汽轮发电机转子匝间短路故障诊断方法 | |
CN106772037B (zh) | 基于双线圈的同步发电机转子绕组匝间短路诊断方法 | |
CN101101319A (zh) | 发电机转子绕组匝间短路状态的检测装置 | |
CN103558552B (zh) | 互感式三相电机电流噪声故障检测法和实施该方法的装置 | |
CN101710162A (zh) | 基于定子铁心振动的电机转子绕组匝间短路故障诊断方法 | |
Agah et al. | Broken rotor bar and rotor eccentricity fault detection in induction motors using a combination of discrete wavelet transform and Teager–Kaiser energy operator | |
CN104155567B (zh) | 一种双馈式发电机转子匝间短路故障位置的定位方法 | |
Ogidi et al. | Fault diagnosis and condition monitoring of axial-flux permanent magnet wind generators | |
Frosini | Monitoring and diagnostics of electrical machines and drives: A state of the art | |
Tian et al. | A review of fault diagnosis for traction induction motor | |
CN110632512B (zh) | 一种基于漏磁和振动信号的感应电机监测方法及装置 | |
CN106501665B (zh) | 基于检测线圈的水轮发电机转子绕组匝间短路诊断方法 | |
CN106443318B (zh) | 基于穿心螺杆的水轮发电机转子绕组匝间短路诊断方法 | |
CN106772039B (zh) | 基于穿心螺杆的汽轮发电机转子绕组匝间短路诊断方法 | |
Armando Mazzoletti et al. | Interturn short‐circuit fault diagnosis in PMSM with partitioned stator windings | |
Gyftakis et al. | Recent experiences with MCSA and flux condition monitoring of mechanical faults in 6kV induction motors for water pumping applications | |
Bhattacharyya et al. | Induction motor fault diagnosis by motor current signature analysis and neural network techniques | |
Ewert et al. | Application of selected higher-order methods to detect rotor unbalance of drive system with PMSM | |
Sarma et al. | Condition monitoring of rotating electrical machines |
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 |