CN111537881A - 异步电机的故障诊断方法、装置、设备及可读存储介质 - Google Patents

异步电机的故障诊断方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN111537881A
CN111537881A CN202010456123.1A CN202010456123A CN111537881A CN 111537881 A CN111537881 A CN 111537881A CN 202010456123 A CN202010456123 A CN 202010456123A CN 111537881 A CN111537881 A CN 111537881A
Authority
CN
China
Prior art keywords
current component
alternating current
asynchronous motor
fault
dimensional
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
Application number
CN202010456123.1A
Other languages
English (en)
Inventor
岳阳
李端平
王立文
张琪
蔡雪峰
何小威
王羽鹏
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.)
Huarun Wisdom Energy Co ltd
China Resources Smart Energy Co Ltd
Original Assignee
Huarun Wisdom Energy Co ltd
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 Huarun Wisdom Energy Co ltd filed Critical Huarun Wisdom Energy Co ltd
Priority to CN202010456123.1A priority Critical patent/CN111537881A/zh
Publication of CN111537881A publication Critical patent/CN111537881A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16Spectrum analysis; Fourier analysis
    • G01R23/165Spectrum analysis; Fourier analysis using filters

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

本发明公开了一种异步电机的故障诊断方法,包括采集待测异步电机的定子中电流信号,获得三相交流电流;将三相交流电流进行二维坐标系转换,获得二维电流分量;从二维电流分量中提取直流分量,并从二维电流分量中去除直流分量,获得交流分量;对交流分量进行频谱分析,获得谐波特征频率;判断谐波特征频率和故障特征频率模型是否一致,若是,则待测异步电机存在故障。本申请中将异步电机中反映故障特征的电流谐波信号提取出来之后,再进行故障判断,避免了基波将故障信号淹没的问题,从而提高异步电机的故障判断的准确性。本申请中还公开了一种异步电机的故障诊断装置、设备以及计算机可读存储介质,具有上述有益效果。

Description

异步电机的故障诊断方法、装置、设备及可读存储介质
技术领域
本发明涉及电机安全控制技术领域,特别是涉及一种异步电机的故障诊断方法、装置、设备及计算机可读存储介质。
背景技术
异步电机也称之为感应电机,是通过给电机中定子的线圈通入交流电,进而使得带有磁性的转子产生电磁感应而旋转。异步电机在工业生产过程中起到了举足轻重的作用,其稳定性和可靠性对工业生产产生至关重要的作用,因此异步电机的的稳定性和可靠性也是感应电机在实际应用的重要参考指标。而异步电机在实际投入使用过程中,随着使用年限的增加,不可避免的会出现故障。目前工业生产自动化程度越来越高,如何实现异步电机故障的早期监测,避免故障严重化带来的巨大经济损失,变得越来越重要。
异步电机常见故障有转子断条、气隙偏心、轴承损坏等。异步电机故障诊断是通过检测能反映电机运行状态的各物理参数的变化,从中提取有效信息进行故障识别。目前常用的故障诊断参数有电流、电压、功率、转矩、磁通、温度、振动等物理量;由于异步电机中电流信号容易获取,基于定子电流信号在线监测方法被广泛采用。
异步电机电流信号分析方法存在其自身的缺陷,异步电机早期故障信号微弱易被基波和环境噪声信号湮没,且故障信号具有非平稳、非线性的特点,导致早期故障特征的提取非常困难进而影响故障误判。
发明内容
本发明的目的是提供一种异步电机的故障诊断方法、装置、设备以及计算机可读存储介质,提高了异步电机故障监测的准确度。
为解决上述技术问题,本发明提供一种异步电机的故障诊断方法,包括:
采集待测异步电机的定子中电流信号,获得三相交流电流;
将所述三相交流电流进行二维坐标系转换,获得二维电流分量;
通过直流滤波从所述二维电流分量中提取直流分量,并从所述二维电流分量中去除直流分量,获得交流分量;
对所述交流分量进行频谱分析,获得谐波特征频率;
判断所述谐波特征频率和故障特征频率模型是否一致,若是,则所述待测异步电机存在故障。
在本申请的一种可选地实施例中,在获得三相交流电流之后,还包括:
采用形态学滤波器进行滤波处理,获得去噪后的三相交流电流,并根据去噪后的所述三相交流电流执行所述将所述三相交流电流进行二维坐标系转换,获得二维电流分量的步骤。
在本申请的一种可选地实施例中,将所述三相交流电流进行二维坐标系转换,获得二维电流分量,包括:
根据q-d坐标变换公式:
Figure BDA0002509439460000021
将所述三相交流电流转换为二维电流分量;
其中,ia、ib、ic分别为所述三相交流电流的三个电流分量,iq、id分别为所述二维电流分量的两个电流分量,ω为三相交流电流基波角频率。
在本申请的一种可选地实施例中,从所述二维电流分量中提取直流分量,并从所述二维电流分量中去除直流分量,获得交流分量包括:
通过低通滤波器从所述二维电流分量的第一电流分量中提取第一直流分量,从所述第一电流分量中去除所述第一直流分量,获得第一交流分量;
通过低通滤波器从所述二维电流分量的第二电流分量中提取第二直流分量,从所述第二电流分量中去除所述第二直流分量,获得第二交流分量;
对所述交流分量进行频谱分析,获得谐波特征频率,包括:
采用短时傅里叶变换,对所述第一交流分量和所述第二交流分量进行频谱分析,获得谐波特征频率。
在本申请的一种可选地实施例中,采集待测异步电机的定子电流信号,包括:
当所述待测异步电机工作旋转时,采集以不小于定子中电流频率两倍的采集频率采集所述三相交流信号。
在本申请的一种可选地实施例中,判断所述谐波特征频率和故障特征频率模型是否一致,若是,则所述待测异步电机存在故障包括:
将转子断条特征频率模型:f'fault1=2ksf1、气隙偏心特征频率模型:f'fault2=mfr、轴承故障特征频率模型:
Figure BDA0002509439460000031
以及
Figure BDA0002509439460000032
分别和所述谐波特征频率进行对比,分别判断所述待测异步电机是否存在转子断条、气隙偏心以及轴承故障,其中,式中,k、m=1,2,3......;s为转差;fr为转子旋转频率;z为轴承内滚动体个数;d为滚动体直径;D为轴承节径;α为轴承接触角。
本申请还提供了一种异步电机的故障诊断装置,包括:
信号采集模块,用于采集待测异步电机的定子中电流信号,获得三相交流电流;
坐标转换模块,用于将所述三相交流电流进行二维坐标系转换,获得二维电流分量;
分量提取模块,用于从所述二维电流分量中提取直流分量,并从所述二维电流分量中去除直流分量,获得交流分量;
谐波频率模块,用于对所述交流分量进行频谱分析,获得谐波特征频率;
判断故障模块,用于判断所述谐波特征频率和故障特征频率模型是否一致,若是,则所述待测异步电机存在故障。
在本申请的一种可选地实施例中,还包括滤波去噪模块,用于在获得三相交流电流之后,采用形态学滤波器进行滤波处理,获得去噪后的三相交流电流,并根据去噪后的所述三相交流电流执行所述将所述三相交流电流进行二维坐标系转换,获得二维电流分量的步骤。
本申请还提供了一种异步电机的故障诊断设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现如上任一项所述的异步电机的故障诊断方法的操作步骤。
本申请还提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,执行可实现如上任一项所述的异步电机的故障诊断方法的操作步骤。
本发明所提供的异步电机的故障诊断方法,包括采集待测异步电机的定子中电流信号,获得三相交流电流;将三相交流电流进行二维坐标系转换,获得二维电流分量;从二维电流分量中提取直流分量,并从二维电流分量中去除直流分量,获得交流分量;对交流分量进行频谱分析,获得谐波特征频率;判断谐波特征频率和故障特征频率模型是否一致,若是,则待测异步电机存在故障。
本申请中在采集异步电机的定子中的三相交流电流之后,通过坐标转换,将三相交流电流转换为二维电流分量,使得三相交流电流中的基波转换为二维电流分量中的直流电流,而谐波则转换为二位电流分量中的交流电流;由此再将二维电流分量中的交流分量提取出来之后,根据交流分量的特征频率即可判断出异步电机是否存在故障。也即是说本申请中在通过异步电机的故障进行检测时,是将异步电机中反映故障特征的谐波信号提取出来之后,再进行故障判断,避免了基波将谐波信号湮没导致无法识别判断出异步电机故障的问题,从而提高异步电机的故障判断的准确性。
本申请中还公开了一种异步电机的故障诊断装置、设备以及计算机可读存储介质,具有上述有益效果。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的异步电机的故障诊断方法的流程示意图;
图2为本申请另一实施例提供的异步电机的故障诊断方法的流程示意图;
图3为本发明实施例提供的异步电机的故障诊断装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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他实施例,都属于本发明保护的范围。
如图1所示,图1为本申请实施例提供的异步电机的故障诊断方法的流程示意图,该方法可以包括:
S11:采集待测异步电机的定子中电流信号,获得三相交流电流。
具体地,本申请中采集待测异步电机的定子中电流信号时,可以是在待测异步电机工作过程中进行实时的线上采集,既能够获得待测异步电机实际工作过程中真实的电信号,避免负载变动对采集电流信号造成干扰,也可以实现对正处于工作状态的异步电机做故障监测。
待测异步电机中定子的电流为三相交流电流,为了能够获得更为准确的三相交流电流,可以使得采集频率不小于三相交流电流的频率的两倍。
S12:将三相交流电流进行二维坐标系转换,获得二维电流分量。
对于三相交流电流而言,具有三个交流电流分量,进行二维坐标系转换后,即可获得只有两个电流分量的二维分量。
S13:通过直流滤波从二维电流分量中提取直流分量,并从二维电流分量中去除直流分量,获得交流分量。
需要说明的是,对于待测异步电机而言,其定子中的电流在理想状态下应当只包含有交流电流基波。而当异步电机中出现故障时,则会出现除基波之外的谐波交流电流。
在对三相交流电流进行二维坐标转换时,三相交流电流中的基波则会转换成直流电在二维电流分量中存在,而体现待测异步电机的故障的交流电流则仍是以交流电流的形式存在于二维电流分量中,再从该二维电流分量中将反应待测异步电机故障的交流电流部分提取出来,也就避免了采集待测异步电机电流信号中基波对反应故障信息的谐波湮没的影响,可以直接的对二维电流分量中的代表电流谐波的交流电流分量进行分析,获得故障信息。
S14:对交流分量进行频谱分析,获得谐波特征频率。
S15:判断谐波特征频率和故障特征频率模型是否一致,若是,则待测异步电机存在故障,若否,则待测异步电机不存在故障。
具体地,对于异步电机而言,其故障主要包括:转子断条故障、气隙偏心故障以及轴承故障。相应地针对不同的故障,对应的故障模型也是不同的。
例如,转子断条特征频率模型为:f'fault1=2ksf1
气隙偏心特征频率模型为:f'fault2=mfr
而轴承故障特征频率模型为:
Figure BDA0002509439460000061
或者
Figure BDA0002509439460000062
对于轴承故障特征频率模型存在两种不同的形式,当谐波特征频率满足其中任意一项,均说明该异步电机存在轴承故障。
其中,式中,k、m=1,2,3......;s为转差;fr为转子旋转频率;z为轴承内滚动体个数;d为滚动体直径;D为轴承节径;α为轴承接触角。
那么在进行故障判断时,则将各种故障特征频率的模型逐一和交流电流的谐波特征频率进行比对,若是该谐波特征频率和任一一种故障特征频率一致,则说明待测异步电机存在该种故障。
综上所述,本申请中在对异步电机进行故障监测时,通过将具有三个电流分量的三相交流电流转换为有两个电流分量的二维电流分量,使得三相交流电流中的电流基波转换成直流电流,而电流谐波仍以交流电流的形式存在,进而实现电流基波和电流谐波的分离,避免电流基波掩盖电流谐波,影响基于电流谐波对异步电机故障的检测的问题,使得异步电机中的故障在最初始时刻即可别检测识别出来,提升了异步电机在实际应用过程中的可靠性。
基于上述实施例,如图2所示,图2为本申请另一实施例提供的异步电机的故障诊断方法的流程示意图,该方法可以包括:
S21:采集待测异步电机的定子中电流信号,获得三相交流电流。
S22:采用形态学滤波器进行滤波处理,获得去噪后的三相交流电流。
具体地,采用形态学滤波器对原始采样信号进行滤波处理,去除高频和低频噪声、平滑信号。本实施例中的形态学滤波器可以选择组合型变换形式,结构元素选择值为0、长度为L=4的直线型结构的滤波器。结构元素长度取值原则为:
Figure BDA0002509439460000071
其中,fc为滤波器截止频率,取fc=500hz。
组合型低通滤波器内部结构为:
y(n)=0.5[FCO(f(n))+FOC(f(n))];
Figure BDA0002509439460000072
Figure BDA0002509439460000073
Figure BDA0002509439460000074
S23:根据q-d坐标变换公式对去噪后的三相交流电流进行二维坐标系转换,获得第一电流分量和第二电流分量。
具体地该q-d坐标变换公式为:
Figure BDA0002509439460000081
其中,ia、ib、ic分别为所述三相交流电流的三个电流分量;iq、id分别为所述二维电流分量的两个电流分量,ω为三相交流电流基波角频率
当异步电机存在故障时,ia、ib、ic中除了频率为f1的基波,还将包含一定特征频率的谐波。
当三相交流电流中谐波的频率ffault取值为ffault=(1±2k·s)·f1时,则异步电机存在转子断条的故障;
当三相交流电流中谐波的频率ffault取值为ffault=(f1±m·fr)时,则异步电机存在气隙偏心的故障;
当三相交流电流中谐波的频率ffault
Figure BDA0002509439460000082
或者为:
Figure BDA0002509439460000083
时,则异步电机存在轴承故障;
其中,k、m=1,2,3......;s为转差;fr为转子旋转频率;z为轴承内滚动体个数;d为滚动体直径;D为轴承节径;α为轴承接触角。
由此,即可依据待测异步电机定子中交流电流的谐波中的特征频率,和异步电机故障时定子中谐波频率模型作为判断异步电机是否故障的依据。
另外,在实际应用中,能够将三相交流电流转换成二位电流分量的坐标转换方式存在多种,本实施例中的q-d坐标变换仅是其中一种方式,在实际应用中也可以采用其他方式实现三相交流电流的三个电流分量转化为两个电流分量的过程,对此不再一一列举。
S24:通过低通滤波器分别从第一电流分量和第二电流分量中提取第一直流分量和第二直流分量。
该低通滤波器为通直流阻交流的滤波器,具体也可以采用组合结构形式的形态学滤波器。
S25:从第一电流分量和第二电流分量中分别除去第一直流分量和第二直流分量,获得第一交流分量和第二交流分量。
具体地,第一电流分量为id,第二电流分量为iq,从第一电流分量id中提取的第一直流分量为ido,从第二电流分量iq中提取的第二直流分量为iqo;那么,第一交流分量为ida=id-ido;第二交流分量为iqa=iq-iqo
S26:采用短时傅里叶变换,对第一交流分量和第二交流分量进行频谱分析,获得谐波特征频率。
具体地,该第一交流分量和第二交流分量也即是电流谐波的两个电流分量,获得的谐波特征频率也即是异步电机的故障特征频率。
需要说明的是,因为第一交流分量和第二交流分量是基于三相交流电流进行坐标变换进行提取出来的,因此和三相交流电流中的电流谐波的故障特征频率ffault的体现形式存在一定的差异。
当待测异步电机存在各种不同故障时,第一交流分量和第二交流分量中的故障特征频率分别为:
a)转子断条时,f'fault=2ksf1
b)气隙偏心时,f'fault=mfr
c)轴承故障时,
Figure BDA0002509439460000091
或者
Figure BDA0002509439460000092
其中,k、m=1,2,3......;s为转差;fr为转子旋转频率;z为轴承内滚动体个数;d为滚动体直径;D为轴承节径;α为轴承接触角。
S27:判断谐波特征频率和故障特征频率模型是否一致,若是,则待测异步电机存在故障,若否,则待测异步电机不存在故障。
下面对本发明实施例提供的异步电机的故障诊断装置进行介绍,下文描述的异步电机的故障诊断装置与上文描述的异步电机的故障诊断方法可相互对应参照。
图3为本发明实施例提供的异步电机的故障诊断装置的结构框图,参照图3为异步电机的故障诊断装置可以包括:
信号采集模块100,用于采集待测异步电机的定子中电流信号,获得三相交流电流;
坐标转换模块200,用于将所述三相交流电流进行二维坐标系转换,获得二维电流分量;
分量提取模块300,用于从所述二维电流分量中提取直流分量,并从所述二维电流分量中去除直流分量,获得交流分量;
谐波频率模块400,用于对所述交流分量进行频谱分析,获得谐波特征频率;
判断故障模块500,用于判断所述谐波特征频率和故障特征频率模型是否一致,若是,则所述待测异步电机存在故障。
在本申请一种可选地实施例中,还可以包括:
滤波去噪模块,用于在获得三相交流电流之后,采用形态学滤波器进行滤波处理,获得去噪后的三相交流电流,并根据去噪后的所述三相交流电流执行所述将所述三相交流电流进行二维坐标系转换,获得二维电流分量的步骤。
在本申请一种可选地实施例中,分量提取模块300具体用于根据q-d坐标变换公式:
Figure BDA0002509439460000101
将所述三相交流电流转换为二维电流分量;其中,ia、ib、ic分别为所述三相交流电流的三个电流分量,iq、id分别为所述二维电流分量的两个电流分量,ω为三相交流电流基波角频率。
在本申请一种可选地实施例中,分量提取模块300具体还用于通过低通滤波器从所述二维电流分量的第一电流分量中提取第一直流分量,从所述第一电流分量中去除所述第一直流分量,获得第一交流分量;通过低通滤波器从所述二维电流分量的第二电流分量中提取第二直流分量,从所述第二电流分量中去除所述第二直流分量,获得第二交流分量;
谐波频率模块400具体用于采用短时傅里叶变换,对所述第一交流分量和所述第二交流分量进行频谱分析,获得谐波特征频率。
在本申请一种可选地实施例中,信号采集模块100具体还用于当所述待测异步电机工作旋转时,采集以不小于定子中电流频率两倍的采集频率采集所述三相交流信号。
在本申请一种可选地实施例中,判断故障模块500,用于将转子断条特征频率模型:f'fault1=2ksf1、气隙偏心特征频率模型:f'fault2=mfr、轴承故障特征频率模型:
Figure BDA0002509439460000111
以及
Figure BDA0002509439460000112
分别和所述谐波特征频率进行对比,分别判断所述待测异步电机是否存在转子断条、气隙偏心以及轴承故障,其中,式中,k、m=1,2,3......;s为转差;fr为转子旋转频率;z为轴承内滚动体个数;d为滚动体直径;D为轴承节径;α为轴承接触角。
本实施例的异步电机的故障诊断装置用于实现前述的异步电机的故障诊断方法,因此异步电机的故障诊断装置中的具体实施方式可见前文中的异步电机的故障诊断方法的实施例部分的描述,在此不再赘述。
本申请中还提供了一种异步电机的故障诊断设备的实施例,该设备具体包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现如上任一项所述的异步电机的故障诊断方法的操作步骤。
本申请中的异步电机的故障诊断设备中处理器执行计算机程序,能够在异步电机工作时采集定子中的三相交流电流的信号,并将其中的电流谐波分离出来进行故障判断,避免电流基波将异步电机早期故障特征信号淹没,有利于提高异步电机故障监测的准确性。
本申请中还提供了一种计算机可读存储介质的实施例,该计算机可读存储介质中存储有计算机程序,执行可实现如上任一项所述的异步电机的故障诊断方法的操作步骤。
该计算机可读存储介质具体可以是随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。

Claims (10)

1.一种异步电机的故障诊断方法,其特征在于,包括:
采集待测异步电机的定子中电流信号,获得三相交流电流;
将所述三相交流电流进行二维坐标系转换,获得二维电流分量;
通过直流滤波从所述二维电流分量中提取直流分量,并从所述二维电流分量中去除直流分量,获得交流分量;
对所述交流分量进行频谱分析,获得谐波特征频率;
判断所述谐波特征频率和故障特征频率模型是否一致,若是,则所述待测异步电机存在故障。
2.如权利要求1所述的异步电机的故障诊断方法,其特征在于,在获得三相交流电流之后,还包括:
采用形态学滤波器进行滤波处理,获得去噪后的三相交流电流,并根据去噪后的所述三相交流电流执行所述将所述三相交流电流进行二维坐标系转换,获得二维电流分量的步骤。
3.如权利要求1所述的异步电机的故障诊断方法,其特征在于,将所述三相交流电流进行二维坐标系转换,获得二维电流分量,包括:
根据q-d坐标变换公式:
Figure FDA0002509439450000011
将所述三相交流电流转换为二维电流分量;
其中,ia、ib、ic分别为所述三相交流电流的三个电流分量,iq、id分别为所述二维电流分量的两个电流分量,ω为三相交流电流基波角频率。
4.如权利要求3所述的异步电机的故障诊断方法,其特征在于,从所述二维电流分量中提取直流分量,并从所述二维电流分量中去除直流分量,获得交流分量包括:
通过低通滤波器从所述二维电流分量的第一电流分量中提取第一直流分量,从所述第一电流分量中去除所述第一直流分量,获得第一交流分量;
通过低通滤波器从所述二维电流分量的第二电流分量中提取第二直流分量,从所述第二电流分量中去除所述第二直流分量,获得第二交流分量;
对所述交流分量进行频谱分析,获得谐波特征频率,包括:
采用短时傅里叶变换,对所述第一交流分量和所述第二交流分量进行频谱分析,获得谐波特征频率。
5.如权利要求1所述的异步电机的故障诊断方法,其特征在于,采集待测异步电机的定子电流信号,包括:
当所述待测异步电机工作旋转时,采集以不小于定子中电流频率两倍的采集频率采集所述三相交流信号。
6.如权利要求1所述的异步电机的故障诊断方法,其特征在于,判断所述谐波特征频率和故障特征频率模型是否一致,若是,则所述待测异步电机存在故障包括:
将转子断条特征频率模型:f'fault1=2ksf1、气隙偏心特征频率模型:f'fault2=mfr、轴承故障特征频率模型:
Figure FDA0002509439450000021
以及
Figure FDA0002509439450000022
分别和所述谐波特征频率进行对比,分别判断所述待测异步电机是否存在转子断条、气隙偏心以及轴承故障,其中,式中,k、m=1,2,3......;s为转差;fr为转子旋转频率;z为轴承内滚动体个数;d为滚动体直径;D为轴承节径;α为轴承接触角。
7.一种异步电机的故障诊断装置,其特征在于,包括:
信号采集模块,用于采集待测异步电机的定子中电流信号,获得三相交流电流;
坐标转换模块,用于将所述三相交流电流进行二维坐标系转换,获得二维电流分量;
分量提取模块,用于从所述二维电流分量中提取直流分量,并从所述二维电流分量中去除直流分量,获得交流分量;
谐波频率模块,用于对所述交流分量进行频谱分析,获得谐波特征频率;
判断故障模块,用于判断所述谐波特征频率和故障特征频率模型是否一致,若是,则所述待测异步电机存在故障。
8.如权利要求7所述的异步电机的故障诊断装置,其特征在于,还包括滤波去噪模块,用于在获得三相交流电流之后,采用形态学滤波器进行滤波处理,获得去噪后的三相交流电流,并根据去噪后的所述三相交流电流执行所述将所述三相交流电流进行二维坐标系转换,获得二维电流分量的步骤。
9.一种异步电机的故障诊断设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至6任一项所述的异步电机的故障诊断方法的操作步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,执行可实现如权利要求1至6任一项所述的异步电机的故障诊断方法的操作步骤。
CN202010456123.1A 2020-05-26 2020-05-26 异步电机的故障诊断方法、装置、设备及可读存储介质 Pending CN111537881A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010456123.1A CN111537881A (zh) 2020-05-26 2020-05-26 异步电机的故障诊断方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010456123.1A CN111537881A (zh) 2020-05-26 2020-05-26 异步电机的故障诊断方法、装置、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN111537881A true CN111537881A (zh) 2020-08-14

Family

ID=71976200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010456123.1A Pending CN111537881A (zh) 2020-05-26 2020-05-26 异步电机的故障诊断方法、装置、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111537881A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486508A (zh) * 2021-06-29 2021-10-08 西北工业大学 一种异步电机可靠度计算方法
CN114035043A (zh) * 2021-10-18 2022-02-11 辽宁科技大学 基于预知指向最佳分辨方法的鼠笼电机断条故障诊断方法
CN115144751A (zh) * 2022-09-05 2022-10-04 西北工业大学 一种牵引电机故障诊断装置及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101025430A (zh) * 2007-03-28 2007-08-29 华北电力大学 笼型异步电动机转子断条故障检测方法
CN101034038A (zh) * 2007-03-28 2007-09-12 华北电力大学 异步电动机轴承故障检测方法
CN102135600A (zh) * 2011-01-28 2011-07-27 中国人民解放军海军潜艇学院 异步电动机故障检测装置及方法
CN103018669A (zh) * 2012-11-30 2013-04-03 华北电力大学(保定) 一种高可靠性地检测笼型异步电动机转子断条故障的方法
US20160266208A1 (en) * 2015-03-09 2016-09-15 Rolls-Royce Plc Fault detection and diagnosis in an induction motor
CN108170981A (zh) * 2018-01-15 2018-06-15 河海大学 一种诊断双馈异步风力发电机定子匝间短路故障的方法
WO2019167086A1 (en) * 2018-03-01 2019-09-06 Aurobinda Routray A system for assessment of multiple faults in induction motors
CN110729938A (zh) * 2019-10-25 2020-01-24 中国矿业大学 基于机器视觉的异步电机转子断条故障识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101025430A (zh) * 2007-03-28 2007-08-29 华北电力大学 笼型异步电动机转子断条故障检测方法
CN101034038A (zh) * 2007-03-28 2007-09-12 华北电力大学 异步电动机轴承故障检测方法
CN102135600A (zh) * 2011-01-28 2011-07-27 中国人民解放军海军潜艇学院 异步电动机故障检测装置及方法
CN103018669A (zh) * 2012-11-30 2013-04-03 华北电力大学(保定) 一种高可靠性地检测笼型异步电动机转子断条故障的方法
US20160266208A1 (en) * 2015-03-09 2016-09-15 Rolls-Royce Plc Fault detection and diagnosis in an induction motor
CN108170981A (zh) * 2018-01-15 2018-06-15 河海大学 一种诊断双馈异步风力发电机定子匝间短路故障的方法
WO2019167086A1 (en) * 2018-03-01 2019-09-06 Aurobinda Routray A system for assessment of multiple faults in induction motors
CN110729938A (zh) * 2019-10-25 2020-01-24 中国矿业大学 基于机器视觉的异步电机转子断条故障识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘振兴等: "一种新型的笼型异步电动机转子故障在线监测和诊断方法", 《电工技术学报》 *
李颖颖等: "基于信号分析的异步电机故障诊断方法浅析", 《新型工业化》 *
胡文彪等: "基于逆变器直流侧电流的异步电机转子断条和偏心混合故障诊断", 《电机与控制应用》 *
邵英: "采用Park变换感应电机转子复合故障检测", 《电机与控制学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486508A (zh) * 2021-06-29 2021-10-08 西北工业大学 一种异步电机可靠度计算方法
CN114035043A (zh) * 2021-10-18 2022-02-11 辽宁科技大学 基于预知指向最佳分辨方法的鼠笼电机断条故障诊断方法
CN115144751A (zh) * 2022-09-05 2022-10-04 西北工业大学 一种牵引电机故障诊断装置及方法
CN115144751B (zh) * 2022-09-05 2022-11-08 西北工业大学 一种牵引电机故障诊断装置及方法

Similar Documents

Publication Publication Date Title
Hassan et al. Induction motor broken rotor bar fault detection techniques based on fault signature analysis–a review
CN111537881A (zh) 异步电机的故障诊断方法、装置、设备及可读存储介质
Moussa et al. A detection method for induction motor bar fault using sidelobes leakage phenomenon of the sliding discrete Fourier transform
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
CN101363901B (zh) 利用电流特征增强变换对电机进行早期故障检测的方法
EP2728367A1 (en) A method for detecting a fault condition in an electrical machine
CA3157882A1 (en) Fault detection in synchronous machines
CN112254910B (zh) 一种基于融合相关谱的电机转子断条故障检测方法及系统
CN113391235B (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
Rajagopalan et al. Wigner-Ville distributions for detection of rotor faults in brushless DC (BLDC) motors operating under non-stationary conditions
CN117388693A (zh) 故障检测方法、设备和存储介质
CN108169559B (zh) 一种电机定子电流谱分析设备异常的判断方法
Zhen et al. Phase-compensation-based dynamic time warping for fault diagnosis using the motor current signal
Zhou et al. A signal-filtering and feature-enhancement method based on ensemble local mean decomposition and adaptive morphological filtering
Leite et al. Experimental bearing fault detection, identification, and prognosis through spectral kurtosis and envelope spectral analysis
CN110286289B (zh) 一种变压器振声检测信号滤波方法
CN113514776A (zh) 一种异步电机的匝间短路故障诊断方法、装置、设备
CN108535582B (zh) 一种基于正序阻抗角的定子绕组匝间短路故障辨识方法
JP2012177653A (ja) 音響診断方法、プログラム及び装置
Shi et al. Dual-Guidance-Based optimal resonant frequency band selection and multiple ridge path identification for bearing fault diagnosis under time-varying speeds
Xue et al. Structural fault diagnosis of rotating machinery based on distinctive frequency components and support vector machines
CN113567123B (zh) 旋转机械冲击类故障自动诊断方法
CN115144750B (zh) 异步电动机转子断条故障检测方法、装置、设备及介质
Das et al. Comparison of different classifier performances for condition monitoring of induction motor using DWT
CN110703144B (zh) 基于离散余弦变换的变压器运行状态检测方法和系统

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: 20200814