CN111649706A - 基于统计分析的直线电机定子异物粘连故障诊断方法 - Google Patents

基于统计分析的直线电机定子异物粘连故障诊断方法 Download PDF

Info

Publication number
CN111649706A
CN111649706A CN202010456610.8A CN202010456610A CN111649706A CN 111649706 A CN111649706 A CN 111649706A CN 202010456610 A CN202010456610 A CN 202010456610A CN 111649706 A CN111649706 A CN 111649706A
Authority
CN
China
Prior art keywords
air gap
value
linear motor
stator
foreign body
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
CN202010456610.8A
Other languages
English (en)
Inventor
魏世通
王慧
邢宗义
李福芳
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.)
Nanjing Ruisu Track Traffic Technology Co ltd
Original Assignee
Nanjing Ruisu Track Traffic Technology 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 Nanjing Ruisu Track Traffic Technology Co ltd filed Critical Nanjing Ruisu Track Traffic Technology Co ltd
Priority to CN202010456610.8A priority Critical patent/CN111649706A/zh
Priority to PCT/CN2020/092966 priority patent/WO2021237579A1/zh
Publication of CN111649706A publication Critical patent/CN111649706A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/16—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring distance of clearance between spaced objects
    • 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)
  • Manufacture Of Motors, Generators (AREA)

Abstract

本发明公开了一种基于统计分析的直线电机定子异物粘连故障诊断方法。该方法包括以下步骤：在直线电机定子下方安装测距传感器，利用测距传感器进行电机定子气隙值以及槽楔值的测量；将测距传感器的测量数据进行统计分析，通过判断槽楔值是否低于气隙均值，判断直线电机是否发生定子异物粘连故障。本发明通过判断槽楔值是否低于正常气隙均值，作为是否发生异物粘连故障的判断依据，判断依据可靠性高，从而提高了故障诊断结果的准确性。

Description

基于统计分析的直线电机定子异物粘连故障诊断方法
技术领域
本发明涉及电机故障诊断技术领域，特别是一种基于统计分析的直线电机定子异物粘连故障诊断方法。
背景技术
直线电机是一种能将电能直接转换成直线运动的电机，它无需转换机构即可直接获得直线运动，没有传动机械的磨损，结构简单，响应快速，操作维护简单，因此在工业设备、物流运输、信息与自动化系统、交通等领域得到了广泛应用。
直线电机定子暴露在外部环境中，可能会导致环境中的塑料片等异物粘连在部分齿上，形成异物粘连故障，影响行车安全。
针对直线电机的故障诊断，较多集中在气隙偏心故障、绕组匝间短路等方向，而针对现场运行中经常遇到的电机定子异物粘连故障，尚未有明确的诊断方法，目前一般是在电机停机静止状态下，采用人工目视检查，可靠性差且漏检率高。针对采用直线电机驱动的列车，且在线路上安装了气隙在线检测/监测系统，则可以通过对在线气隙波形的分析，人工判定是否存在电机定子异物粘连故障，但判定依据仍是靠经验，存在劳动强度大且可靠性差等问题。
发明目的
本发明的目的在于提供一种高效、准确的基于统计分析的直线电机定子异物粘连故障诊断方法，可以实现定子异物粘连故障的故障诊断。
实现本发明目的的技术解决方案为：一种基于统计分析的直线电机定子异物粘连故障诊断方法，包括以下步骤：
步骤1、在直线电机定子下方安装测距传感器，利用测距传感器进行电机定子气隙值以及槽楔值的测量；
步骤2、将测距传感器的测量数据进行统计分析，通过判断槽楔值是否低于气隙均值，判断直线电机是否发生定子异物粘连故障。
进一步地，针对采用直线电机驱动的列车，步骤1所述测距传感器设置于两个枕轨之间的空隙，测距传感器的探头竖直向上，垂直于列车运行方向。
进一步地，步骤1所述电机定子气隙值即定子凹槽两侧凸台距离传感器的高度，槽楔值即定子凹槽底部距离传感器的高度。
进一步地，步骤2所述的将测距传感器的测量数据进行统计分析，通过判断槽楔值是否低于气隙均值，判断直线电机是否发生定子异物粘连故障，具体如下：
采用平均值-方差法进行异常气隙值的剔除，即超过平均值±3倍标准差的数据为异常数据；
剔除异常气隙值后，对剩下的正常气隙值进行平均值计算：
Figure BDA0002509601140000021
其中
Figure BDA0002509601140000022
为正常气隙值的平均值，
Figure BDA0002509601140000023
为剔除异常气隙值后剩余的正常气隙值的数量，
Figure BDA0002509601140000024
为第i个气隙对应的气隙值；
如果第i个槽楔对应的槽楔值小于正常气隙平均值
Figure BDA0002509601140000025
则发生异物粘连故障：
Figure BDA0002509601140000026
其中
Figure BDA0002509601140000027
表示至少存在一个序号i，使得
Figure BDA0002509601140000028
进一步地，所述定子异物粘连故障的衡量指标包括异物高度H和异物宽度W，其中：
发生异物粘连故障时，气隙高度会变小，气隙高度变的越小代表异物高度越大，因此采用正常气隙平均值与最小气隙值的差值来衡量异物高度H：
Figure BDA0002509601140000029
其中MIN()表示取最小值操作，
Figure BDA00025096011400000210
为第i个气隙对应的气隙值；
异物宽度W为满足
Figure BDA00025096011400000211
条件的所有气隙数量之和。
本发明与现有技术相比，其显著优点为：(1)针对采用直线电机驱动的列车，在线路上安装了气隙在线检测/监测系统，通过对在线气隙波形的分析，判定是否存在电机定子异物粘连故障；(2)基于统计分析方法来判断电机定子异物粘连故障，提供了严格的数学推导，通过槽楔值与气隙值进行判断，结果准确可靠。
附图说明
图1是本发明基于统计分析的直线电机定子异物粘连故障诊断方法的流程图。
图2是测距传感器与定子气隙、槽楔之间的位置关系示意图。
图3是通过传感器对定子气隙与槽隙距离的测量得出的气隙槽隙测量值示意图。
图4是发生电机定子异物粘连故障时的气隙与槽隙测量值示意图。
具体实施方式
结合图1，本发明基于统计分析的直线电机定子异物粘连故障诊断方法，包括以下步骤：
步骤1、在直线电机定子下方安装测距传感器，利用测距传感器进行电机定子气隙值以及槽楔值的测量；
步骤2、将测距传感器的测量数据进行统计分析，通过判断槽楔值是否低于气隙均值，判断直线电机是否发生定子异物粘连故障。
进一步地，针对采用直线电机驱动的列车，步骤1所述测距传感器设置于两个枕轨之间的空隙，测距传感器的探头竖直向上，垂直于列车运行方向。
结合图2，步骤1所述电机定子气隙值即定子凹槽两侧凸台距离传感器的高度，槽楔值即定子凹槽底部距离传感器的高度。
进一步地，步骤2所述的将测距传感器的测量数据进行统计分析，通过判断槽楔值是否低于气隙均值，判断直线电机是否发生定子异物粘连故障，具体如下：
采用平均值-方差法进行异常气隙值的剔除，即超过平均值±3倍标准差的数据为异常数据；
剔除异常气隙值后，对剩下的正常气隙值进行平均值计算：
Figure BDA0002509601140000031
其中
Figure BDA0002509601140000032
为正常气隙值的平均值，
Figure BDA0002509601140000033
为剔除异常气隙值后剩余的正常气隙值的数量，
Figure BDA0002509601140000034
为第i个气隙对应的气隙值；
如果第i个槽楔对应的槽楔值小于正常气隙平均值
Figure BDA0002509601140000035
则发生异物粘连故障：
Figure BDA0002509601140000036
其中
Figure BDA0002509601140000037
表示至少存在一个序号i，使得
Figure BDA0002509601140000038
进一步地，所述定子异物粘连故障的衡量指标包括异物高度H和异物宽度W，其中：
发生异物粘连故障时，气隙高度会变小，气隙高度变的越小代表异物高度越大，因此采用正常气隙平均值与最小气隙值的差值来衡量异物高度H：
Figure BDA0002509601140000039
其中MIN表示取最小值操作，
Figure BDA00025096011400000310
为第i个气隙对应的气隙值；
异物宽度W为满足
Figure BDA00025096011400000311
条件的所有气隙数量之和。
在直线电机定子下方安装测距传感器，当定子经过传感器上方时，传感器可以实现对定子气隙与槽隙距离的测量，单个传感器输出的气隙槽隙测量值如图3所示。
当电机处于正常工作状态时，电机定子各个齿的槽楔值或气隙值基本保持不变，其变化值仅仅受定子板悬垂影响且非常小；当发生异物粘连故障时，槽楔值会发生很大变化且低于正常的气隙均值，如图4所示，因此可以将槽楔值是否低于正常气隙均值作为是否发生异物粘连故障的判断依据。
在电机定子异物粘连故障时，由于存在部分齿被异物遮挡，因此会造成部分气隙值异常，也就是说对于N个气隙值，存在若干个气隙值会明显小于其它正常气隙值，需要在计算正常气隙值时去除。
下面结合具体实施例对本发明做进一步详细说明。
实施例
结合图4，本实施例提供一种直线电机的齿数对N为80，即槽楔数量和气隙数量为80，则i＝1，2，…80表示槽楔或气隙序号，第i个槽楔对应的槽楔值为xi，第i个气隙对应的气隙值为
Figure BDA0002509601140000041
本发明采用平均值-方差法进行异常气隙值的剔除(该方法为常用异常数据剔除方法，可不作为专利权利)，即超过平均值±3倍标准差的数据为异常数据。按照上述发明方法中所示，剔除异物遮挡造成的气隙异常值后，剩下的正常气隙值进行平均值计算所得的
Figure BDA0002509601140000042
如下：
Figure BDA0002509601140000043
其中被剔除的气隙值序号i＝17,18,19,20,21,22,23,24,25,26,27,28；那么，剩下的正常气隙值的个数
Figure BDA0002509601140000044
结合图4，槽楔值xi明显有小于正常气隙平均值
Figure BDA0002509601140000045
如x15＝20.729,x17＝16.061,x18＝18.148,x19＝16.928,x20＝15.811,x21＝14.684,x22＝14.386,x23＝14.135,x24＝14.117,x25＝14.535,x26＝15.934,x27＝16.235,x28＝17.133。
以上序列的槽楔值明显满足
Figure BDA0002509601140000046
那么可以判断此电机发生异物粘连故障。
在确定发生了异物粘连故障时，需要对故障严重程度进行衡量，本发明采用如下两个指标来衡量：异物高度H和异物宽度W。
结合图4，发生异物粘连故障时，气隙高度会变小，气隙高度变的越小代表异物高度越大，因此实施例中得到采用正常气隙平均值与最小气隙值的差值来衡量异物高度H值为：
Figure BDA0002509601140000051
其中最小气隙值序号i为25，那么
Figure BDA0002509601140000052
按照异物宽度W的定义，W为满足
Figure BDA0002509601140000053
条件的所有气隙数量之和,那么异物宽度W＝13。
综上所述，本发明针对采用直线电机驱动的列车，在线路上安装了气隙在线检测/监测系统，通过对在线气隙波形的分析，判定是否存在电机定子异物粘连故障；基于统计分析方法来判断电机定子异物粘连故障，提供了严格的数学推导，通过槽楔值与气隙值进行判断，结果准确可靠。

Claims (5)

1.一种基于统计分析的直线电机定子异物粘连故障诊断方法，其特征在于，包括以下步骤：
步骤1、在直线电机定子下方安装测距传感器，利用测距传感器进行电机定子气隙值以及槽楔值的测量；
步骤2、将测距传感器的测量数据进行统计分析，通过判断槽楔值是否低于气隙均值，判断直线电机是否发生定子异物粘连故障。
2.根据权利要求1所述的基于统计分析的直线电机定子异物粘连故障诊断方法，其特征在于，针对采用直线电机驱动的列车，步骤1所述测距传感器设置于两个枕轨之间的空隙，测距传感器的探头竖直向上，垂直于列车运行方向。
3.根据权利要求1所述的基于统计分析的直线电机定子异物粘连故障诊断方法，其特征在于，步骤1所述电机定子气隙值即定子凹槽两侧凸台距离传感器的高度，槽楔值即定子凹槽底部距离传感器的高度。
4.根据权利要求1、2或3所述的基于统计分析的直线电机定子异物粘连故障诊断方法，其特征在于，步骤2所述的将测距传感器的测量数据进行统计分析，通过判断槽楔值是否低于气隙均值，判断直线电机是否发生定子异物粘连故障，具体如下：
采用平均值-方差法进行异常气隙值的剔除，即超过平均值±3倍标准差的数据为异常数据；
剔除异常气隙值后，对剩下的正常气隙值进行平均值计算：
Figure FDA0002509601130000011
其中
Figure FDA0002509601130000014
为正常气隙值的平均值，
Figure FDA0002509601130000015
为剔除异常气隙值后剩余的正常气隙值的数量，
Figure FDA0002509601130000016
为第i个气隙对应的气隙值；
如果第i个槽楔对应的槽楔值小于正常气隙平均值
Figure FDA0002509601130000017
则发生异物粘连故障：
Figure FDA0002509601130000012
其中
Figure FDA0002509601130000019
表示至少存在一个序号i，使得
Figure FDA0002509601130000018
5.根据权利要求1所述的基于统计分析的直线电机定子异物粘连故障诊断方法，其特征在于，所述定子异物粘连故障的衡量指标包括异物高度H和异物宽度W，其中：
发生异物粘连故障时，气隙高度会变小，气隙高度变的越小代表异物高度越大，因此采用正常气隙平均值与最小气隙值的差值来衡量异物高度H：
Figure FDA0002509601130000013
其中MIN()表示取最小值操作，
Figure FDA0002509601130000021
为第i个气隙对应的气隙值；
异物宽度W为满足
Figure FDA0002509601130000022
条件的所有气隙数量之和。
CN202010456610.8A 2020-05-26 2020-05-26 基于统计分析的直线电机定子异物粘连故障诊断方法 Pending CN111649706A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010456610.8A CN111649706A (zh) 2020-05-26 2020-05-26 基于统计分析的直线电机定子异物粘连故障诊断方法
PCT/CN2020/092966 WO2021237579A1 (zh) 2020-05-26 2020-05-28 基于统计分析的直线电机定子异物粘连故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010456610.8A CN111649706A (zh) 2020-05-26 2020-05-26 基于统计分析的直线电机定子异物粘连故障诊断方法

Publications (1)

Publication Number Publication Date
CN111649706A true CN111649706A (zh) 2020-09-11

Family

ID=72352182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010456610.8A Pending CN111649706A (zh) 2020-05-26 2020-05-26 基于统计分析的直线电机定子异物粘连故障诊断方法

Country Status (2)

Country Link
CN (1) CN111649706A (zh)
WO (1) WO2021237579A1 (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4136312A (en) * 1976-12-30 1979-01-23 Westinghouse Electric Corp. Method and apparatus for detection of rotor faults in dynamoelectric machines
CN102405582A (zh) * 2009-04-24 2012-04-04 阿尔斯通法国水电公司 包括转子、定子和在转子与定子之间的空气间隙的电机
US20150234011A1 (en) * 2014-02-19 2015-08-20 Vibrosystm Inc. Real time monitoring of rotor or stator shape change for rotating machines
CN104949625A (zh) * 2014-03-26 2015-09-30 西门子公司 检查发电机气隙的方法
CN108318816A (zh) * 2018-03-05 2018-07-24 中国大唐集团科学技术研究院有限公司华东分公司 一种不抽转子完成发电机大修状态评估测试的装置及方法
CN109340257A (zh) * 2018-10-19 2019-02-15 珠海格力电器股份有限公司 磁悬浮轴承悬浮气隙自修复方法
CN110631527A (zh) * 2019-08-29 2019-12-31 南京理工大学 一种城轨列车直线电机槽楔下沉故障检测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101576439B (zh) * 2009-06-12 2011-08-17 哈尔滨电机厂有限责任公司 水轮发电机电磁性能实验模拟机
US10197538B2 (en) * 2016-02-02 2019-02-05 Siemens Energy, Inc. Systems and apparatus for inspection of electric generator rotor slot wedges in-situ and methods of using the same
CN107643549B (zh) * 2017-10-13 2024-03-01 国能大渡河流域水电开发有限公司龚嘴水力发电总厂 非接触式发电机组气隙异物在线检测报警结构及报警方法
CN109323675B (zh) * 2018-09-21 2020-09-08 南京航轩轨道交通科技有限公司 一种直线电机气隙在线检测方法
CN108964374B (zh) * 2018-09-26 2024-05-14 中广核核电运营有限公司 发电机检修机器人试验装置及试验方法
CN110208848A (zh) * 2019-06-20 2019-09-06 中国长江电力股份有限公司 一种发电机定转子间金属异物检测装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4136312A (en) * 1976-12-30 1979-01-23 Westinghouse Electric Corp. Method and apparatus for detection of rotor faults in dynamoelectric machines
CN102405582A (zh) * 2009-04-24 2012-04-04 阿尔斯通法国水电公司 包括转子、定子和在转子与定子之间的空气间隙的电机
US20150234011A1 (en) * 2014-02-19 2015-08-20 Vibrosystm Inc. Real time monitoring of rotor or stator shape change for rotating machines
CN104949625A (zh) * 2014-03-26 2015-09-30 西门子公司 检查发电机气隙的方法
CN108318816A (zh) * 2018-03-05 2018-07-24 中国大唐集团科学技术研究院有限公司华东分公司 一种不抽转子完成发电机大修状态评估测试的装置及方法
CN109340257A (zh) * 2018-10-19 2019-02-15 珠海格力电器股份有限公司 磁悬浮轴承悬浮气隙自修复方法
CN110631527A (zh) * 2019-08-29 2019-12-31 南京理工大学 一种城轨列车直线电机槽楔下沉故障检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李晓康等: "直线电机气隙监测技术的实际应用与展望", 《城市轨道交通研究》 *
李鑫: "直线电机气隙检测装置", 《城市轨道交通研究》 *
陈晓亮等: "直线电机气隙在线检测系统设计与实现", 《现代城市轨道交通》 *
黄庆吒等: "气隙在线监测技术在直线电机上的运用与分析", 《机电信息》 *

Also Published As

Publication number Publication date
WO2021237579A1 (zh) 2021-12-02

Similar Documents

Publication Publication Date Title
EP2593672B1 (en) Ice detection method and system for wind turbine blades
CN116026389A (zh) 一种基于数据分析的智能传感器运行检测系统
EP2593671B1 (en) Method and system for monitoring bending strain on wind turbine blades
CN112161731B (zh) 一种法兰螺栓拉力和工作载荷在线监测方法
CN113028966B (zh) 车轮踏面擦伤及不圆度在线动态检测方法
CN111649706A (zh) 基于统计分析的直线电机定子异物粘连故障诊断方法
CN113007040A (zh) 风电机组主轴总成窜动在线监测与故障预警系统及方法
CN117233152A (zh) 一种t型梁桥健康监测系统
CN111596210B (zh) 基于统计分析的直线电机定子槽楔故障诊断方法
KR20110075332A (ko) 설비 고장 예측 방법
CN116302628A (zh) 用于解释系统的至少一个故障的预测的装置和方法
CN109828146B (zh) 一种通过设备电参数ad采样判断设备工况的方法
CN114689321A (zh) 风力发电机组的轴承故障诊断方法、装置、电子设备
JP7332379B2 (ja) 状態監視装置、該状態監視装置を搭載する輸送車両および状態監視方法
CN116878728B (zh) 一种压力传感器故障检测分析处理系统
CN117662510B (zh) 一种风机故障诊断系统及其方法
EP3929517B1 (en) Measuring system for foundry furnaces, containers, silos and corresponding drum-like objects
CN118100000A (zh) 电力变压器内部故障的状态检修方法及装置
KR102303406B1 (ko) 산업설비의 이상유무 진단장치 및 방법
US20220342404A1 (en) Diagnosis of technical systems
CN116465348A (zh) 一种用于检测线缆设备的成缆方法
CN106595817A (zh) 尿素液位传感器测试系统
CN118014405A (zh) 一种基于数据处理的电力故障预警系统
CN111896279A (zh) 基于包络分析的直线电机列车走行部故障诊断方法
CN117249869A (zh) 一种差压式流量计用多参量变送系统

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

Application publication date: 20200911

RJ01 Rejection of invention patent application after publication