CN111474477A - 一种异步电动机参数与故障信息映射过程的方法 - Google Patents

Abstract

本发明本发明专利涉及电气设备检测诊断技术领域，特别涉及一种异步电动机参数与故障信息映射过程的方法，该方法基于静态和动态数学模型，提取了异步电动机时间轴电压、电流信号中负载随机不确定、电源动态调整引入多谐波参数时与故障表征特征参数之间的映射关系；提出了时域下的畸变量和频域下的谐波量与故障信息之间的关系。建立能够区分电机本体参数、负载、电源变化与故障参数、故障情况之间的异步电动机运行过程数据映射模型。

Description

一种异步电动机参数与故障信息映射过程的方法

技术领域

本发明专利涉及电气设备检测诊断技术领域，特别涉及一种异步电动机参数与故障信息映射过程的方法。

背景技术

随着人们生活质量的提高，一些可重复性的、繁琐的工作流程将被可实时检测和自诊断设备所代替。而电机作为工业生产中广泛应用的、不可缺少的底层运动执行元件，它的智能化程度也直接反映和影响着工业智能化的发展进程。当前我国针对高压大型电机考虑了它的停机成本高、检修周期长和造成影响力大等问题，在出厂时电机内部预置和预埋了一些温度和振动传感器，运行过程中在线检测该两种参数的变化情况，以预测电机的运行状况。但该方法对于大型电机温度只能预估电机的局部状态，振动只能反映电机的轴承问题。而工业生产中小型电机占的比重较大，且维护人员、备品备件成本较高。所以具有小型常用异步电动机在线检测和故障判断功能的电机故障检测设备需求比较旺盛。

当前针对高压大型发电机和电动机的故障检测方法和设备已有应用，对于小型电动机市场应用还主要集中在继电保护设备，对电机运行过程中的电压缺相、电压、电流不对称和幅值等进行阈值控制。但由于该种方法只做阈值停机处理，对电机存在问题，但还未到满足停机的严重性时无法做出判断。

发明内容

本发明提供一种异步电动机参数与故障信息映射过程的方法，解决现有技术中的问题。

为了达到上述目的，本发明的技术方案如下：

一种异步电动机参数与故障信息映射过程的方法，包括实时数据时域预处理过程，具体包括如下步骤：

步骤1、利用采集的三相电压U_an、U_bn、U_cn和三相电流时间序列数据I_an、I_bn、I_cn，获取三相电流的各自的相位，即利用最小均方误差，逼近待提取信号，计算三相拟合电流I'_an，I'_bn，I'_bn，使a 相误差平方为E(e² _ia)＝(I_an-I'_an)²＝min，使b相误差平方为I'_an＝A(ω_at+θ_a)；使c相误差平方为E(e² _ib)＝ (I_bn-I'_bn)²＝min，I'_bn＝B(ω_bt+θ_b)；E(e² _ic)＝(I_cn-I'_cn)²＝min，I'_cn＝C(ω_ct+θ_c)；ω_a、ω_b、ω_c分别为a、 b、c三相拟合电流的角速度，θ_a、θ_b、θ_c分别为三相拟合电流的初始相位，A、B、C分别为三相拟合电流的幅值；

计算|θ_a-θ_b|与|θ_a-θ_c|，当|θ_a-θ_b|≈120，|θ_a-θ_c|≈240时，b相为第二相I₂，c相为第三相I₃；当|θ_a-θ_b|≈240，|θ_a-θ_c|≈120时，c相为第二相I₂，b相为第三相I₃；用I_n＝I_an+e^j120I_bn+e^j240I_cn计算负序电流；I_m＝I_an+e^j240I_bn+e^j120I_cn计算正序电流；I₀＝I_an+e^j240I_bn+e^j120I_cn计算零序电流；

步骤2、同样根据步骤1获取三相负序电压，为U_n＝U_an+e^j120U_bn+e^j240U_cn计算负序电压 U_m＝U_an+e^j240U_bn+e^j120U_cn计算正序电压；U₀＝U_an+e^j240U_bn+e^j120U_cn计算零序电压；

步骤3、计算负序阻抗Z_n为

计算零阻抗Z₀为

计算正序阻抗Z_m为

步骤4、利用步骤1其中获得的电流幅值A、B和C，获取三者中的最大值i_max、最小值i_min和中间值i_mid，求取最大电流幅值偏差量

该值可以作为电流对称性的指标；

步骤5、将获取的三相电流分别进行周期性截取，获得每个周期的基波幅值I(k)和θ_i(k)相位；将获取的三相电压分别进行周期性截取，获得每个周期的基波幅值U(k)和θ_u(k)相位；

步骤6、针对步骤5截取的周期电压和电流时间序列数据，根据获取的基波幅值和相位，求取带谐波的实际周期值和基波周期值的差值，求三相平方值的平均值，记为i_av和U_av；

步骤7、根据步骤5获取的θ_i(k)和θ_u(k)，求A相差值，即电压和电流的相位差，也可以认为此值为功率因数角Δθ_u-i(k)；求正序电阻为R_m＝Z_mcos(Δθ_u-i(k))，正序电抗为X_m＝Z_msin(Δθ_u-i (k))；求负序电阻为R_n＝Z_ncos(Δθ_u-i(k))，负序电抗为X_n＝Z_nsin(Δθ_u-i(k))；求零序电阻为R₀＝Z₀cos(Δθ_u-i(k))，负序电抗为X₀＝Z₀sin(Δθ_u-i(k))。

一种异步电动机参数与故障信息映射过程的方法，包括实时数据频域预处理过程，具体包括如下步骤：

步骤1、对采集的电流数据进行快速傅里叶变化，获取三相电流的频率波形F_i，i＝1、2、3，为了保证频率分析的分辨率，对采集的波形采样时长有一定的要求，在20s以上；为了分析尽量高的谐波频率，对数据的采样频率有一定的要求，在1KHz以上；

步骤2、通过求取频段2-40Hz与60-500之间频段的平均值，且给该值乘以系数1.5，计算所得的值记为f₀,该值为进行频域分析时排除干扰的阈值；

步骤3、对获取的频率序列截取高于该阈值的凸极拐点值，获得高于该阈值的凸极拐点值序列及该序列所在的频率值；

步骤4、获取最大的频率幅值F_max，在步骤3所获得的凸极拐点值序列中，剔除最大值及最大值所在的频域值；

步骤5、对剔除了最大幅值后的凸极拐点值序列，以所在频率位置为参考，进行逐一分析；区段划分为1Hz-45Hz、45Hz-55Hz，55Hz-100Hz，100Hz-1000Hz，1000Hz-3000Hz，3000Hz-最高；在1Hz-45Hz、 45Hz-55Hz，55Hz-100Hz以5Hz为步长进行地毯搜索，在100Hz-1000Hz以20Hz为步长进行地毯式搜索，在1000Hz-3000Hz和3000Hz-最高；以50为步长进行地毯式搜索；

步骤6、以5Hz为步长进行地毯搜索，以数值大小排序，最多选择前两个幅值最大的数值，排列在新整理的频率序列中，以20Hz和50Hz为步长进行地毯式搜索时，以数值大小排序，选择1个最大的数值，排列在新整理的频率序列中；

步骤7、在1Hz-45Hz、45Hz-55Hz，55Hz-100Hz区段，以获取的最大幅值对应的频率为频率对称中间值，对获取的新的频率序列进行对称平率求和处理。获取新的100Hz内的频率序列，该频率序列与步骤6中获得的100Hz以上的频率序列，组成新的频率序列。

本发明的有益效果：

本发明方法基于静态和动态数学模型，根据获得的测量数据，分析异步电动机的静态模型参量和实时变化的动态模型参量。提取了异步电动机时间轴电压、电流信号中负载随机不确定、电源动态调整引入多谐波参数时与故障表征特征参数之间的映射关系；提出了时域下的畸变量和频域下的谐波量与故障信息之间的关系。

本发明方法建立能够区分电机本体参数、负载、电源变化与故障参数、故障情况之间的异步电动机运行过程数据映射模型。拟对输入时间数据在时域获取其电流和电压的实时幅值、相位和基波频率、电流波形的均方根值、电流波形的波形畸变量、稳态的等效电阻、电流和电压的实时相位差，电感和电容，以及瞬态的等效电阻、电感和电容等参数。

本发明方法自适应获取阈值，频域截取其可测频率段的幅值凸极拐点值，建立带有幅值的频率序列，对频率序列的频率采用地毯式搜索的方式，对提取幅值和对应频率值，通过该数据分析频率下的参数变化。

附图说明

图1为本发明实时数据频域预处理过程示意图；

图2为本发明实时数据时域预处理过程示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附和实施例对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

参见图2，一种异步电动机参数与故障信息映射过程的方法，包括实时数据时域预处理过程，具体包括如下步骤：

步骤1、利用采集的三相电压U_an、U_bn、U_cn和三相电流时间序列数据I_an、I_bn、I_cn，获取三相电流的各自的相位，即利用最小均方误差，逼近待提取信号，计算三相拟合电流I'_an，I'_bn，I'_bn，使a 相误差平方为E(e² _ia)＝(I_an-I'_an)²＝min，使b相误差平方为I'_an＝A(ω_at+θ_a)；使c相误差平方为E(e² _ib)＝ (I_bn-I'_bn)²＝min，I'_bn＝B(ω_bt+θ_b)；E(e² _ic)＝(I_cn-I'_cn)²＝min，I'_cn＝C(ω_ct+θ_c)；ω_a、ω_b、ω_c分别为a、 b、c三相拟合电流的角速度，θ_a、θ_b、θ_c分别为三相拟合电流的初始相位，A、B、C分别为三相拟合电流的幅值；

计算|θ_a-θ_b|与|θ_a-θ_c|，当|θ_a-θ_b|≈120，|θ_a-θ_c|≈240时，b相为第二相I₂，c相为第三相I₃；当|θ_a-θ_b|≈240，|θ_a-θ_c|≈120时，c相为第二相I₂，b相为第三相I₃；用I_n＝I_an+e^j120I_bn+e^j240I_cn计算负序电流；I_m＝I_an+e^j240I_bn+e^j120I_cn计算正序电流；I₀＝I_an+e^j240I_bn+e^j120I_cn计算零序电流；

步骤2、同样根据步骤1获取三相负序电压，为U_n＝U_an+e^j120U_bn+e^j240U_cn计算负序电压 U_m＝U_an+e^j240U_bn+e^j120U_cn计算正序电压U₀＝U_an+e^j240U_bn+e^j120U_cn计算零序电压。

步骤3、计算负序阻抗Z_n为

计算零阻抗Z₀为

计算正序阻抗Z_m为

步骤4、利用步骤1其中获得的电流幅值A、B和C，获取三者中的最大值i_max、最小值i_min和中间值i_mid，求取最大电流幅值偏差量

该值可以作为电流对称性的指标；

步骤5、将获取的三相电流分别进行周期性截取，获得每个周期的基波幅值I(k)和θ_i(k)相位；将获取的三相电压分别进行周期性截取，获得每个周期的基波幅值U(k)和θ_u(k)相位；

步骤6、针对步骤5截取的周期电压和电流时间序列数据，根据获取的基波幅值和相位，求取带谐波的实际周期值和基波周期值的差值，求三相平方值的平均值，记为i_av和U_av；

步骤7、根据步骤5获取的θ_i(k)和θ_u(k)，求A相差值，即电压和电流的相位差，也可以认为此值为功率因数角Δθ_u-i(k)；求正序电阻为R_m＝Z_mcos(Δθ_u-i(k))，正序电抗为X_m＝Z_msin(Δθ_u-i (k))；求负序电阻为R_n＝Z_ncos(Δθ_u-i(k))，负序电抗为X_n＝Z_nsin(Δθ_u-i(k))；求零序电阻为R₀＝Z₀cos(Δθ_u-u(k))，负序电抗为X₀＝Z₀sin(Δθ_u-i(k))。

参见图1，一种异步电动机参数与故障信息映射过程的方法，包括实时数据频域预处理过程，具体包括如下步骤：

步骤1、对采集的电流数据进行快速傅里叶变化，获取三相电流的频率波形F_i，i＝1、2、3，为了保证频率分析的分辨率，对采集的波形采样时长有一定的要求，在20s以上；为了分析尽量高的谐波频率，对数据的采样频率有一定的要求，在1KHz以上；

步骤2、通过求取频段2-40Hz与60-500之间频段的平均值，且给该值乘以系数1.5，计算所得的值记为f₀,该值为进行频域分析时排除干扰的阈值；

步骤3、对获取的频率序列截取高于该阈值的凸极拐点值，获得高于该阈值的凸极拐点值序列及该序列所在的频率值；

步骤4、获取最大的频率幅值F_max，在步骤3所获得的凸极拐点值序列中，剔除最大值及最大值所在的频域值；

步骤5、对剔除了最大幅值后的凸极拐点值序列，以所在频率位置为参考，进行逐一分析；区段划分为1Hz-45Hz、45Hz-55Hz，55Hz-100Hz，100Hz-1000Hz，1000Hz-3000Hz，3000Hz-最高；在1Hz-45Hz、45Hz-55Hz，55Hz-100Hz以5Hz为步长进行地毯搜索，在100Hz-1000Hz以20Hz为步长进行地毯式搜索，在1000Hz-3000Hz和3000Hz-最高；以50为步长进行地毯式搜索；

步骤6、以5Hz为步长进行地毯搜索，以数值大小排序，最多选择前两个幅值最大的数值，排列在新整理的频率序列中，以20Hz和50Hz为步长进行地毯式搜索时，以数值大小排序，选择1个最大的数值，排列在新整理的频率序列中；

步骤7、在1Hz-45Hz、45Hz-55Hz，55Hz-100Hz区段，以获取的最大幅值对应的频率为频率对称中间值，对获取的新的频率序列进行对称平率求和处理。获取新的100Hz内的频率序列，该频率序列与步骤6中获得的100Hz以上的频率序列，组成新的频率序列。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。任何熟悉该技术的人在本发明所揭露的技术范围内的局部修改或替换，都应涵盖在本发明的包含范围之内。

Claims (2)

1.一种异步电动机参数与故障信息映射过程的方法，包括实时数据时域预处理过程，其特征在于,具体包括如下步骤：

步骤1、利用采集的三相电压U_an、U_bn、U_cn和三相电流时间序列数据I_an、I_bn、I_cn，获取三相电流的各自的相位，即利用最小均方误差，逼近待提取信号，计算三相拟合电流I'_an，I'_bn，I'_bn，使a相误差平方为E(e² _ia)＝(I_an-I'_an)²＝min，使b相误差平方为I'_an＝A(ω_at+θ_a)；使c相误差平方为E(e² _ib)＝(I_bn-I'_bn)²＝min，I'_bn＝B(ω_bt+θ_b)；E(e² _ic)＝(I_cn-I'_cn)²＝min，I'_cn＝C(ω_ct+θ_c)；ω_a、ω_b、ω_c分别为a、b、c三相拟合电流的角速度，θ_a、θ_b、θ_c分别为三相拟合电流的初始相位，A、B、C分别为三相拟合电流的幅值；

计算|θ_a-θ_b|与|θ_a-θ_c|，当|θ_a-θ_b|≈120，|θ_a-θ_c|≈240时，b相为第二相I₂，c相为第三相I₃；当|θ_a-θ_b|≈240，|θ_a-θ_c|≈120时，c相为第二相I₂，b相为第三相I₃；用I_n＝I_an+e^j120I_bn+e^j240I_cn计算负序电流；I_m＝I_an+e^j240I_bn+e^j120I_cn计算正序电流；I₀＝I_an+e^j240I_bn+e^j120I_cn计算零序电流；

步骤2、同样根据步骤1获取三相负序电压，为U_n＝U_an+e^j120U_bn+e^j240U_cn计算负序电压U_m＝U_an+e^j240U_bn+e^j120U_cn计算正序电压；U₀＝U_an+e^j240U_bn+e^j120U_cn计算零序电压；

步骤3、计算负序阻抗Z_n为

计算零阻抗Z₀为

计算正序阻抗Z_m为

步骤4、利用步骤1其中获得的电流幅值A、B和C，获取三者中的最大值i_max、最小值i_min和中间值i_mid，求取最大电流幅值偏差量

该值可以作为电流对称性的指标；

步骤5、将获取的三相电流分别进行周期性截取，获得每个周期的基波幅值I(k)和θ_i(k)相位；将获取的三相电压分别进行周期性截取，获得每个周期的基波幅值U(k)和θ_u(k)相位；

步骤6、针对步骤5截取的周期电压和电流时间序列数据，根据获取的基波幅值和相位，求取带谐波的实际周期值和基波周期值的差值，求三相平方值的平均值，记为i_av和U_av；

步骤7、根据步骤5获取的θ_i(k)和θ_u(k)，求A相差值，即电压和电流的相位差，也可以认为此值为功率因数角Δθ_u-i(k)；求正序电阻为R_m＝Z_mcos(Δθ_u-i(k))，正序电抗为X_m＝Z_msin(Δθ_u-i(k))；求负序电阻为R_n＝Z_ncos(Δθ_u-i(k))，负序电抗为X_n＝Z_nsin(Δθ_u-i(k))；求零序电阻为R₀＝Z₀cos(Δθ_u-i(k))，负序电抗为X₀＝Z₀sin(Δθ_u-i(k))。

2.一种异步电动机参数与故障信息映射过程的方法，包括实时数据频域预处理过程，其特征在于，具体包括如下步骤：

步骤1、对采集的电流数据进行快速傅里叶变化，获取三相电流的频率波形F_i，i＝1、2、3，为了保证频率分析的分辨率，对采集的波形采样时长有一定的要求，在20s以上；为了分析尽量高的谐波频率，对数据的采样频率有一定的要求，在1KHz以上；

步骤2、通过求取频段2-40Hz与60-500之间频段的平均值，且给该值乘以系数1.5，计算所得的值记为f₀,该值为进行频域分析时排除干扰的阈值；

步骤3、对获取的频率序列截取高于该阈值的凸极拐点值，获得高于该阈值的凸极拐点值序列及该序列所在的频率值；

步骤4、获取最大的频率幅值F_max，在步骤3所获得的凸极拐点值序列中，剔除最大值及最大值所在的频域值；

步骤5、对剔除了最大幅值后的凸极拐点值序列，以所在频率位置为参考，进行逐一分析；区段划分为1Hz-45Hz、45Hz-55Hz，55Hz-100Hz，100Hz-1000Hz，1000Hz-3000Hz，3000Hz-最高；在1Hz-45Hz、45Hz-55Hz，55Hz-100Hz以5Hz为步长进行地毯搜索，在100Hz-1000Hz以20Hz为步长进行地毯式搜索，在1000Hz-3000Hz和3000Hz-最高；以50为步长进行地毯式搜索；

步骤6、以5Hz为步长进行地毯搜索，以数值大小排序，最多选择前两个幅值最大的数值，排列在新整理的频率序列中，以20Hz和50Hz为步长进行地毯式搜索时，以数值大小排序，选择1个最大的数值，排列在新整理的频率序列中；

步骤7、在1Hz-45Hz、45Hz-55Hz，55Hz-100Hz区段，以获取的最大幅值对应的频率为频率对称中间值，对获取的新的频率序列进行对称平率求和处理。获取新的100Hz内的频率序列，该频率序列与步骤6中获得的100Hz以上的频率序列，组成新的频率序列。

Images