CN110988680A - 基于时频处理的电动机转子故障显化方法 - Google Patents
基于时频处理的电动机转子故障显化方法 Download PDFInfo
- Publication number
- CN110988680A CN110988680A CN201911191312.4A CN201911191312A CN110988680A CN 110988680 A CN110988680 A CN 110988680A CN 201911191312 A CN201911191312 A CN 201911191312A CN 110988680 A CN110988680 A CN 110988680A
- Authority
- CN
- China
- Prior art keywords
- frequency
- amplitude
- fault
- fundamental wave
- current
- 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
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
- G01R31/346—Testing of armature or field windings
-
- 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
Abstract
本发明涉及一种基于时频处理的电动机转子故障显化方法,解决现有电机断条故障处理方法计算复杂、处理过程会导致故障特征频率的幅值不同程度衰减,不利于转子故障定量诊断及监测的问题。该方法包括以下步骤:步骤一、采集电动机转子原始单相电流;步骤二、进行傅里叶变换,得到待处理的频域信号;步骤三、进行频谱校正,得到幅值、频率、相位准确的基波信号;步骤四、原始单相电流与基波信号进行差值计算,得到去除基波信号的无基波电流信号;步骤五、对无基波电流信号进行傅里叶变换,得到频率与幅值的对应矩阵,将该对应矩阵作图,得到频谱图;步骤六、在频谱图中观察是否有明显突出于其他频率的幅值,若有,则有转子断条故障发生。
Description
技术领域
本发明涉及电动机转子故障诊断领域,具体涉及一种基于时频处理的电动机转子故障显化方法。
背景技术
信号处理在故障诊断过程中起到了桥梁作用,其本质是信息的变换和提取。目前被广泛采用的三相异步电机断条故障特征提取方式有两种,一是通过适当的变换将特征频率远离基频,此种方式具体包括park矢量方法、Hilbert变换方法、基于瞬时功率的方法等;二是降低基频分量,此种方式具体包括谐波小波方法、自适应陷波滤波方法、频谱细化方法等。
现有的三相异步电机断条故障特征提取方法中,需进行大量变化及计算,不适合用于在线式监测,同时,现有方法处理过程均会导致故障特征频率的幅值不同程度的衰减现象,不利于转子故障定量诊断及监测。因此需开展一种对于硬件、软件需求较小、计算速度快、对故障特征频率幅值无影响的故障显化方法。
发明内容
本发明的目的是解决现有电机断条故障处理方法计算复杂、处理过程会导致故障特征频率的幅值不同程度衰减,不利于转子故障定量诊断及监测的问题,提供一种基于时频处理的电动机转子故障显化方法。
为了实现上述目的,本发明采用下述技术方案:
一种基于时频处理的电动机转子故障显化方法,包括以下步骤:
步骤一、采集电动机转子原始单相电流;
步骤二、将步骤一获取的电流进行傅里叶变换,得到待处理的频域信号;
步骤三、对步骤二得到的频域信号进行频谱校正,得到幅值、频率、相位准确的基波信号;
步骤四、步骤一获取的原始单相电流与步骤三得到的基波信号进行差值计算,得到去除基波信号的无基波电流信号;
步骤五、对步骤四得到的无基波电流信号进行傅里叶变换,得到频率与电流幅值的对应矩阵,将该对应矩阵作图,得到频谱图;其中,频谱图的横坐标为频率,纵坐标为电流幅值;
步骤六、在步骤五得到的频谱图中观察故障特征频率的幅值是否明显高于其他频率的幅值,若有,则认为有转子断条故障发生。
进一步地,步骤六中,若频谱图中故障特征频率的幅值大于五倍其他频率处的幅值,则认为有转子断条故障发生。
同时,本发明还一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现基于时频处理的电动机转子故障显化方法的步骤。
此外,本发明还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现基于时频处理的电动机转子故障显化方法的步骤。
本发明与现有技术相比,具有如下优点:
1.本发明基于时频处理的电动机转子故障显化方法采用快速傅里叶变化及时域减法实现采集电流信号的处理,计算量小,所需数据量较小。
2.本发明基于时频处理的电动机转子故障显化方法显化处理后,故障特征频率幅值不受影响,而基波频率完全被抑制,极大凸显了故障特征,有利于频谱在线显示及监测。
附图说明
图1为本发明基于时频处理的电动机转子故障显化方法流程图;
图2a为转子断条故障仿真电流信号原电流时域波形图;
图2b为转子断条故障仿真电流信号无基波电流时域波形图;
图2c为转子断条故障仿真电流信号基波信号时域波形图;
图3为转子断条故障仿真电流信号频谱图;
图4为转子断条故障仿真显化后电流信号频谱图;
图5为异步电机实验测试示意图;
图6a为断条电机原电流时域波形图;
图6b为断条电机无基波电流时域波形图;
图6c为断条电机基波信号时域波形图;
图7为断条电机傅里叶变换后的原始电流信号频谱图;
图8为断条电机傅里叶变换后的无基波电流信号频谱图;
图9a为正常电机原电流时域波形图;
图9b为正常电机显化后电流时域波形图;
图9c为正常电机基波信号时域波形图;
图10a为断条电机无基波电流频谱图;
图10b为正常电机无基波电流频谱图。
具体实施方式
以下结合附图和具体实施例对本发明的内容作进一步详细描述。
转子断条故障信号特点:故障特征频率为(1±2s)f1,异步电机转差率一般在1.5%~6%之间,这导致了断条故障特征频率和基频相差很小,即使出现断条故障,故障特征频率的幅值也很低,约为基频幅值的2%-5%。稳态运行时,转子断条故障特征分量受基频分量泄漏影响,导致断条故障的可诊断性降低。这两个特点对断条故障的诊断带来了很大的困难,需通过一定的方法凸显特征频率及其幅值以更好地进行故障诊断。
本发明提供一种基于时频处理的电动机转子故障显化方法,用于实现电动机工作过程监测及转子断条故障诊断。由于转子断条故障发生时,其特征频率幅值相对于基波频率幅值很小,因此在线式故障诊断中,多采用相关技术手段对基波信号进行抑制。本发明提供的单相电流信号快速处理方法将基波信号去除,显化故障特征信号,通过仿真及试验表明,该方法在显化故障特征频率同时,不会对特征频率的幅值造成影响,算法对于计算机硬件及软件需求小,可用于异步电机转子故障的在线监测。
如图1所示,本发明提供的基于时频处理的电动机转子故障显化方法用于处理电动机单相电流数据,得到断条故障特征频率及幅值,其包括以下步骤:
步骤一、采集电动机转子原始单相电流,采集时间为T,频率为fs;
步骤二、将步骤一获取的电流进行傅里叶变换,得到待处理的频域信号;
步骤三、对步骤二得到的频域信号进行频谱校正,得到幅值、频率、相位准确的基波信号;
步骤四、在时域内进行原始电流信号与基波信号的相减运算,得到去除基波信号的无基波电流信号;
步骤五、无基波电流信号进行傅里叶变换,得到频率与电流幅值的对应矩阵,将该对应矩阵作图,得到频谱图,频谱图的横坐标为频率,纵坐标为电流幅值;
步骤六、读取故障特征频率的幅值,若故障特征频率对应的幅值大于五倍的其他频率的幅值的平均值,则认为有转子断条故障发生。
上述故障特征频率与其他频率五倍比值关系为实验室得到的经验数据,实际工程应用时,可根据需要建立所使用电动机系列的故障特征数据库,对上述倍数做有根据的修正,以提高诊断的可信度和可靠度。
通过有限元仿真及试验验证,该方法对于故障特征频率的幅值不产生任何影响,有利于开展基于大数据的定量故障诊断。采用转子故障特征显化方法对仿真得到的断条故障电机的单相电流信号进行处理,图2a为原始故障电流时域波形,图2b为显化后无基波时域电流信号,图2c为频谱校正得到的参考电流信号。
图3为原单相电流仿真信号的频谱,边频分量幅值比基波频率分量幅值低很多,边频频率与基频频率很接近。图4为无基波电流的频谱,通过对比发现,采用该方法显化后,边频特征分量被极大凸显,且边频分量的幅值基本不受影响。
如图5所示,进行电机故障试验,电机为笼型异步三相电机。采用电流传感器测量电机输入端电流,其灵敏度为100mv/A,量程为70A(AC)。试验电机为带负载状态。在变频器与电机之间的线缆上测量正常电机和转子断条故障电机的单相电流信号,在电机轴伸端采集速度脉冲信号,采样频率12.8kHz,采样时长5s。电机变频器输入转频为25Hz(1500r/min),断条电机转速为1443r/min,可得转差率s=(n1-n)/n1=(1500-1443)/1500=3.8%,断条故障特征频率(1±2ks)f为23.1Hz、26.9Hz、21.2Hz、28.8Hz等。
图6a为断条电机原始电流时域波形,图6b为断条电机去显化后得到的电流信号,可以发现明显的调制现象,图6c为滤波过程中由频谱校正产生的正弦波参考电流信号,对图6a和图6b做的时域信号进行傅里叶变换,如图7及图8所示。对比图7与图8,基频电流25Hz对应的谱线在滤波后完全被抑制,从而使得断条故障特征频率23.1Hz、26.9Hz、21.3Hz等被凸显,且滤波前后断条特征频率的幅值相对变化率低于0.04%,对采集的正常电机的信号做同样处理。
由图9a、图9b、图9c可以发现,正常电机的原始电流时域波形,并不存在断条故障时原始电流时域波形的低频调制现象。图10b中的无基波信号,由于实验过程中噪声的干扰,而呈现周期性波动。对原始电流信号和无基波电流信号做傅里叶变换如下。
如图10a所示,在正常电机的无基波电流信号的频谱中,基频附近的边频带杂乱无章,幅值极小,如图10b所示,在断条电机的基频边频中,可以发现明显的断条特征频率成分。因此结合转子故障特征显化方法,根据特征频率判断转子断条故障是可行的。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现基于时频处理的电动机转子故障显化方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述方法中描述的根据本发明各种示例性实施方式的步骤。
用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备、计算机设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
Claims (4)
1.一种基于时频处理的电动机转子故障显化方法,其特征在于,包括以下步骤:
步骤一、采集电动机转子原始单相电流;
步骤二、将步骤一获取的电流进行傅里叶变换,得到待处理的频域信号;
步骤三、对步骤二得到的频域信号进行频谱校正,得到幅值、频率、相位准确的基波信号;
步骤四、步骤一获取的原始单相电流与步骤三得到的基波信号进行差值计算,得到去除基波信号的无基波电流信号;
步骤五、对步骤四得到的无基波电流信号进行傅里叶变换,得到频率与电流幅值的对应矩阵,将该对应矩阵作图,得到频谱图;其中,频谱图的横坐标为频率,纵坐标为电流幅值;
步骤六、在步骤五得到的频谱图中观察故障特征频率的幅值是否明显高于其他频率的幅值,若有,则认为有转子断条故障发生。
2.根据权利要求1所述的基于时频处理的电动机转子故障显化方法,其特征在于:步骤六中,若频谱图中故障特征频率的幅值大于五倍其他频率处的幅值,则认为有转子断条故障发生。
3.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1或2所述方法的步骤。
4.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:所述处理器执行所述程序时实现权利要求1或2所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911191312.4A CN110988680A (zh) | 2019-11-28 | 2019-11-28 | 基于时频处理的电动机转子故障显化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911191312.4A CN110988680A (zh) | 2019-11-28 | 2019-11-28 | 基于时频处理的电动机转子故障显化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110988680A true CN110988680A (zh) | 2020-04-10 |
Family
ID=70087989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911191312.4A Pending CN110988680A (zh) | 2019-11-28 | 2019-11-28 | 基于时频处理的电动机转子故障显化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110988680A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112720065A (zh) * | 2021-01-12 | 2021-04-30 | 北京理工大学珠海学院 | 基于电流信号双边谱分析的机械加工状态监测方法 |
CN114305185A (zh) * | 2022-01-10 | 2022-04-12 | 中山东菱威力电器有限公司 | 一种具有防坠落功能的智能马桶盖 |
CN116358864A (zh) * | 2023-06-01 | 2023-06-30 | 西安因联信息科技有限公司 | 一种旋转机械设备故障类型诊断方法及系统 |
CN116626490A (zh) * | 2023-07-25 | 2023-08-22 | 清华大学无锡应用技术研究院 | 基于卡尔曼滤波器的电机故障诊断方法及装置 |
CN116956109A (zh) * | 2023-03-07 | 2023-10-27 | 珠海紫燕无人飞行器有限公司 | 一种基于频谱分析无人飞行器震动问题的方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103033749A (zh) * | 2012-12-31 | 2013-04-10 | 南京工程学院 | 数字式异步电机转子断条故障检测系统及其检测方法 |
CN103235260A (zh) * | 2013-04-15 | 2013-08-07 | 哈尔滨工业大学 | 基于hht的潜油电机转子断条故障识别方法 |
CN105353305A (zh) * | 2015-11-17 | 2016-02-24 | 浙江大学 | 基于完全自适应矩阵束的电机转子偏心故障诊断方法 |
CN105928607A (zh) * | 2016-06-23 | 2016-09-07 | 东南大学 | 基于电机定子电流和转子电流融合的轴系扭振监测方法 |
CN106295023A (zh) * | 2016-08-15 | 2017-01-04 | 南京航空航天大学 | 一种异步电机转子复合故障的诊断方法 |
CN107085144A (zh) * | 2017-04-28 | 2017-08-22 | 珠海泰芯半导体有限公司 | 一种快速测量电力系统谐波的方法 |
CN107144734A (zh) * | 2017-05-15 | 2017-09-08 | 北京理工大学 | 一种适用于pmu的配电网高精度相量测量方法 |
CN109856538A (zh) * | 2019-03-04 | 2019-06-07 | 中国矿业大学 | 一种基于短时校正fft的感应电机断条故障检测方法 |
-
2019
- 2019-11-28 CN CN201911191312.4A patent/CN110988680A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103033749A (zh) * | 2012-12-31 | 2013-04-10 | 南京工程学院 | 数字式异步电机转子断条故障检测系统及其检测方法 |
CN103235260A (zh) * | 2013-04-15 | 2013-08-07 | 哈尔滨工业大学 | 基于hht的潜油电机转子断条故障识别方法 |
CN105353305A (zh) * | 2015-11-17 | 2016-02-24 | 浙江大学 | 基于完全自适应矩阵束的电机转子偏心故障诊断方法 |
CN105928607A (zh) * | 2016-06-23 | 2016-09-07 | 东南大学 | 基于电机定子电流和转子电流融合的轴系扭振监测方法 |
CN106295023A (zh) * | 2016-08-15 | 2017-01-04 | 南京航空航天大学 | 一种异步电机转子复合故障的诊断方法 |
CN107085144A (zh) * | 2017-04-28 | 2017-08-22 | 珠海泰芯半导体有限公司 | 一种快速测量电力系统谐波的方法 |
CN107144734A (zh) * | 2017-05-15 | 2017-09-08 | 北京理工大学 | 一种适用于pmu的配电网高精度相量测量方法 |
CN109856538A (zh) * | 2019-03-04 | 2019-06-07 | 中国矿业大学 | 一种基于短时校正fft的感应电机断条故障检测方法 |
Non-Patent Citations (1)
Title |
---|
孙丽玲: "异步电动机故障检测与诊断方法研究", 《中国博士学位论文全文数据库工程科技二辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112720065A (zh) * | 2021-01-12 | 2021-04-30 | 北京理工大学珠海学院 | 基于电流信号双边谱分析的机械加工状态监测方法 |
CN114305185A (zh) * | 2022-01-10 | 2022-04-12 | 中山东菱威力电器有限公司 | 一种具有防坠落功能的智能马桶盖 |
CN114305185B (zh) * | 2022-01-10 | 2023-01-06 | 中山东菱威力电器有限公司 | 一种具有防坠落功能的智能马桶盖 |
CN116956109A (zh) * | 2023-03-07 | 2023-10-27 | 珠海紫燕无人飞行器有限公司 | 一种基于频谱分析无人飞行器震动问题的方法及系统 |
CN116956109B (zh) * | 2023-03-07 | 2024-04-09 | 珠海紫燕无人飞行器有限公司 | 一种基于频谱分析无人飞行器震动问题的方法及系统 |
CN116358864A (zh) * | 2023-06-01 | 2023-06-30 | 西安因联信息科技有限公司 | 一种旋转机械设备故障类型诊断方法及系统 |
CN116358864B (zh) * | 2023-06-01 | 2023-08-29 | 西安因联信息科技有限公司 | 一种旋转机械设备故障类型诊断方法及系统 |
CN116626490A (zh) * | 2023-07-25 | 2023-08-22 | 清华大学无锡应用技术研究院 | 基于卡尔曼滤波器的电机故障诊断方法及装置 |
CN116626490B (zh) * | 2023-07-25 | 2023-10-10 | 清华大学无锡应用技术研究院 | 基于卡尔曼滤波器的电机故障诊断方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110988680A (zh) | 基于时频处理的电动机转子故障显化方法 | |
Sahraoui et al. | The use of a modified prony method to track the broken rotor bar characteristic frequencies and amplitudes in three-phase induction motors | |
Kar et al. | Vibration and current transient monitoring for gearbox fault detection using multiresolution Fourier transform | |
Huang et al. | A method for tachometer-free and resampling-free bearing fault diagnostics under time-varying speed conditions | |
US20150293177A1 (en) | Method for the diagnostics of electromechanical system based on impedance analysis | |
JP2023513641A (ja) | ロバストな減衰信号分離に基づく故障検出のシステムおよび方法 | |
JP6945371B2 (ja) | 回転機システムの診断装置、電力変換装置、回転機システム、および回転機システムの診断方法 | |
Murray et al. | Extracting useful higher order features for condition monitoring using artificial neural networks | |
Yin et al. | Statistical modeling of gear vibration signals and its application to detecting and diagnosing gear faults | |
CN113361331B (zh) | 基于加窗插值fft的工频干扰消除方法、系统和介质 | |
CN115372699A (zh) | 自适应滤波方法、装置、故障检测方法、电子设备和介质 | |
CN112668518A (zh) | 一种对振动故障信号的vmsst时频分析方法 | |
CN111912521A (zh) | 一种非平稳信号的频率检测方法和存储介质 | |
Zhu et al. | Fault feature extraction of rolling element bearing based on TPE-EVMD | |
Park et al. | An image-based feature extraction method for fault diagnosis of variable-speed rotating machinery | |
Zhang et al. | A fault diagnosis approach for broken rotor bars based on EMD and envelope analysis | |
CN111537881A (zh) | 异步电机的故障诊断方法、装置、设备及可读存储介质 | |
Luo et al. | Fault diagnosis of rolling element bearing using an adaptive multiscale enhanced combination gradient morphological filter | |
Matania et al. | Algorithms for spectrum background estimation of non-stationary signals | |
JP5643372B2 (ja) | 回転機の良否診断システム | |
CN112446329B (zh) | 一种时变结构瞬时频率确定方法、系统、装置及存储介质 | |
Lamim Filho et al. | Broken rotor bar detection using empirical demodulation and wavelet transform: suitable for industrial application | |
CN109684937B (zh) | 一种基于fft及数学形态法的信号去噪方法及装置 | |
CN109586249B (zh) | 变压器励磁涌流判别方法和装置 | |
CN111611870B (zh) | 冷连轧机故障特征识别方法、系统、装置及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |