CN111880095A - 基于三相电流信号平方和的感应电机故障分析方法及系统 - Google Patents

基于三相电流信号平方和的感应电机故障分析方法及系统 Download PDF

Info

Publication number
CN111880095A
CN111880095A CN202010778454.7A CN202010778454A CN111880095A CN 111880095 A CN111880095 A CN 111880095A CN 202010778454 A CN202010778454 A CN 202010778454A CN 111880095 A CN111880095 A CN 111880095A
Authority
CN
China
Prior art keywords
phase current
fault
sum
current signals
squares
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
CN202010778454.7A
Other languages
English (en)
Inventor
胡茑庆
陈家庚
张伦
陈凌
周洋
罗鹏
胡蛟
王博政
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202010778454.7A priority Critical patent/CN111880095A/zh
Publication of CN111880095A publication Critical patent/CN111880095A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/10—Measuring sum, difference or ratio

Landscapes

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

Abstract

本发明属于电机故障诊断技术领域，公开了一种基于三相电流信号平方和的感应电机故障分析方法及系统，数据采集，同步采集感应电机三相电流信号；预处理，将三相电流信号去均值处理得到xa(t),xb(t),xc(t)；计算xa(t),xb(t),xc(t)的平方和SS(t)；对SS(t)进行谱分析，在SS(t)的频谱中，基频分量被去除，反映电机健康状态的故障特征频率将更加明显，健康电机和故障电机将更容易区分。本发明求解出定子电流的平方和，可以有效的检测感应电机故障的故障特征频率分量。在平方和SS(t)信号中，感应电机的故障特征频率被提取，在平方和SS(t)的频谱中，故障特征频率会很明显。

Description

基于三相电流信号平方和的感应电机故障分析方法及系统
技术领域
本发明属于电机故障诊断技术领域，尤其涉及一种基于三相电流信号平方和的感应电机故障分析方法及系统。
背景技术
目前，感应电机在工业生产中应用十分广泛，是重要的动力元件。一旦感应电机发生故障，会直接影响产品的质量，严重时还会对设备和人员的安全造成威胁。转子断条时感应电机的一种典型故障，当电机出现转子断条时，感应电机出现转矩波动，性能下降，且与导致与断条相邻的导条工况恶化，使得造成严重停机事故的概率变大。
电流特征分析(MCSA)是一种常用的定子电流分析方法，通过对定子电流信号的分析，挖掘信号中的故障特征成分，从而诊断感应电机的转子断条故障。电流信号的采集对电机的影响小，成本低，且电流信号对转矩的变化型的故障有着很好的敏感性，这些原因使得MCSA方法受到了越来越多的关注。
最简单的MCSA方法是对单相电流信号直接进行谱分析，故障电机会出现较强的故障特征频率分量，在电流信号的频谱中通过挖掘故障特征频率(1±2ks)fs(s为转子转差，fs为电源频率，k为谐波阶次)诊断感应电机的健康状态。
较为典型和常用的MCSA方法还有基于hilbert变换的幅值解调方法、Park矢量模方法、能量算子方法等等。这些分析方法的机理复杂，计算量大，使得这些方法在实时性要求较高的场合应用遇到困难，且有时这些方法不能取得较好的诊断效果。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有技术中，感应电机转子断条故障诊断方法计算量较大，
(2)结果受到噪声和工频的影响，鲁棒性差，导致有时无法确定感应电机转子断条故障特征频率数据信息。
解决以上问题及缺陷的意义为：解决以上问题，可以降低故障诊断方法的计算复杂度，提高鲁棒性，实现感应电机准确快速的故障诊断。
发明内容
针对现有技术存在的问题，本发明提供了一种基于三相电流信号平方和的感应电机故障分析方法及系统。
本发明是这样实现的，一种基于三相电流信号平方和的感应电机故障诊断方法，包括：
步骤一，数据采集，同步采集感应电机三相电流信号isa(t),isb(t),isc(t)；
步骤二，预处理，将三相电流信号去均值处理得到xa(t),xb(t),xc(t)；
步骤三，求平方和，计算xa(t),xb(t),xc(t)的平方和SS(t)；
步骤四，谱分析，对SS(t)进行谱分析。在SS(t)的频谱中，基频分量被去除，反映电机健康状态的故障特征频率将更加明显，健康电机和故障电机将更容易区分。
进一步，步骤一中，所述数据采集包括：通过设置采样频率，对三路电流信号进行数据采集；得到三相电流信号isa(t),isb(t),isc(t)。
进一步，步骤二中，所述数据预处理包括：
(1)去均值：将三相电流信号去均值，得到信号xa(t),xb(t),xc(t)。
Figure BDA0002619337620000021
其中
Figure BDA0002619337620000022
为电流信号的均值。
进一步，步骤三中，所述求平方和公式为：
SS(t)＝xa 2(t)+xb 2(t)+xc 2(t) (2)
进一步，步骤四中，所述频域分析方法包括：
对定子电流平方和SS(t)进行频谱分析，得到三相异步电机转子断条的故障特征频率2sfs；其中fs为电机的输入电流频率。
本发明的另一目的在于提供一种基于三相电流信号平方和的感应电机故障检测系统包括：
数据预处理模块，用于采集三相异步电机的三相电流信号，并进行预处理，分别去除电流信号序列的直流分量，得到三个新的信号序列xa(t),xb(t),xc(t)；
求平方和模块，用于对去均值后得到的电流信号序列求平方和。
谱分析模块，对所述平方和信号进行频域分析得到感应电机的故障特征频率。
本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述基于三相电流信号平方和的感应电机故障诊断方法，包括：
步骤1，采集数据，同时采集三相异步电机的三相电流信号isa(t),isb(t),isc(t)；
步骤2，对步骤1采集的数据进行预处理，分别去除电流信号序列xa(t),xb(t),xc(t)的直流分量；
步骤3，求步骤2得到的离散时间序列xa、xb和xc的平方和，得到平方和序列SS(t)；
步骤4，进行频域分析，对平方和SS(t)进行频域分析得到三相异步电机的故障特征频率。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
采集数据，同时采集三相异步电机的三相电流信号isa(t),isb(t),isc(t)；
对采集的数据进行预处理，分别去除电流信号序列xa(t),xb(t),xc(t)的直流分量；
求得到的离散时间序列xa、xb和xc的平方和，得到平方和序列SS(t)；
进行频域分析，对平方和SS(t)进行频域分析得到三相异步电机的故障特征频率。
本发明的另一目的在于提供一种集成了所述基于三相电流信号平方和的感应电机故障诊断方法的感应电机。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
本发明公开了一种基于三相电流信号平方和的感应电机故障诊断方法，通过计算三相电流信号的平方和，对平方和进行谱分析，从而找到转子断条的故障特征频率。具体包括：(1)数据采集：同步采集感应电机三相电流信号isa(t),isb(t),isc(t)；(2)预处理：将三相电流信号去均值处理得到xa(t),xb(t),xc(t)；(3)求平方和：计算xa(t),xb(t),xc(t)的平方和SS(t)；(4)谱分析：对SS(t)进行谱分析。在SS(t)的频谱中，基频分量被去除，反映电机健康状态的故障特征频率将更加明显，健康电机和故障电机将更容易区分。
本发明原理简单、计算量小、对设备的数据存储和计算能力要求不高、受信号噪声的影响较小，能够实现感应电机故障的在线检测，诊断电机早期故障。
本发明在对三相异步电机定子电流进行电流特性分析时，能够对定子电流信号进行处理，快速准确的找到故障特征频率2sfs，并且受电流中工频和噪声的影响较小。
本发明原理简单，可操作性强，通过电流特性分析能够非侵入式的进行三相异步电机的故障诊断。
本发明以求解电流信号的平方和为基础，本方法相比经典电流信号分析方法不仅有较强的抗噪声干扰能力，且计算复杂度很小。对处理器和存储设备的要求不高。
本发明求解出定子电流的平方和，可以有效的检测感应电机故障的故障特征频率分量。在平方和SS(t)信号中，感应电机的故障特征频率被提取，在平方和SS(t)的频谱中，故障特征频率会很明显。
为了说明本发明的效果，本说明说将本发明和常用的方法的结果和计算时间进行了对比，结果如图3和4所示。从图中可以看出，本发明的效果更好，计算复杂度更小。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，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是本发明实施例提供的基于三相电流信号平方和的感应电机故障分析方法及系统
图2是本发明实施例提供的健康电机和故障电机定子电流基于本方法的效果图。
图3是本发明实施例提供的故障电机定子电流使用不同算法计算结果的对比图。
图4是本发明实施例提供的故障电机定子电流使用不同算法计算时间的对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于三相电流信号平方和的感应电机故障分析方法及系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供一种基于三相电流信号平方和的感应电机故障诊断方法，其步骤为：
S101，采集数据，同时采集感应电机的三相电流信号isa(t),isb(t),isc(t)；
S102，预处理，将三相电流信号去均值处理得到xa(t),xb(t),xc(t)；
S103，求平方和，计算xa(t),xb(t),xc(t)的平方和SS(t)；
S104，谱分析，对SS(t)进行谱分析。在SS(t)的频谱中，基频分量被去除，反映电机健康状态的故障特征频率将更加明显，健康电机和故障电机将更容易区分。
步骤S101中，本发明实施例提供的数据采集包括：通过设置采样频率，对三路电流信号进行数据采集；得到电流信号序列isa(t),isb(t),isc(t)。
步骤S102中，本发明实施例提供的数据预处理包括：
去除所采集的电流信号中包含的直流分量；
Figure BDA0002619337620000061
Figure BDA0002619337620000062
Figure BDA0002619337620000063
其中
Figure BDA0002619337620000064
为电流信号的均值
步骤S103中，本发明实施例提供的求平方和公式为：
SS(t)＝xa 2(t)+xb 2(t)+xc 2(t)
步骤S104中，本发明实施例提供的频域分析方法包括：
对定子电流平方和SS(t)进行频谱分析，得到感应电机的故障特征频率2sfs；其中fs为电机的输入电流频率。
本发明提供一种基于三相电流信号平方和的感应电机故障分析系统包括：
数据预处理模块，用于采集感应电机的三相电流信号，并进行预处理，分别去除电流信号序列的直流分量。
求平方和模块，用于对去均值后得到的电流信号序列求平方和。
谱分析模块，对所述平方和信号进行频域分析得到感应电机的故障特征频率。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例：
本发明的一种基于三相电流信号平方和的感应电机故障诊断方法，其步骤为：
1)采集数据，同时采集感应电机的三相电流信号isa(t),isb(t),isc(t)：
1.1)将故障诊断系统、三个电流传感器、数据采集系统相连接。
1.2)设置采样频率，同时对三路电流信号进行数据采集。
2)预处理，将三相电流信号去均值处理得到xa(t),xb(t),xc(t)：
2.1)去均值：去除所采集的电流信号中包含的直流分量。
Figure BDA0002619337620000071
Figure BDA0002619337620000072
Figure BDA0002619337620000073
其中
Figure BDA0002619337620000074
为电流信号的均值。
3)步骤S103中，本发明实施例提供的求平方和公式为：
SS(t)＝xa 2(t)+xb 2(t)+xc 2(t)
4)频域分析，对平方和信号序列SS(t)进行频谱分析，可以找到感应电机转子断条的故障特征频率2sfs，fs为电机的输入电流频率。
图2是本发明实施例提供的健康电机和故障电机定子电流基于本方法的效果图。
图3是本发明实施例提供的故障电机定子电流使用不同算法计算结果的对比图。
图4是本发明实施例提供的故障电机定子电流使用不同算法计算时间的对比图。
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；术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”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”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于三相电流信号平方和的感应电机故障分析方法，其特征在于，所述基于三相电流信号平方和的感应电机故障分析方法包括：
同步采集感应电机三相电流信号isa(t),isb(t),isc(t)；
将三相电流信号去均值处理得到xa(t),xb(t),xc(t)；
计算xa(t),xb(t),xc(t)的平方和SS(t)；
对SS(t)进行谱分析，在SS(t)的频谱中，去除基频分量，获取电机健康状态的故障特征频率信息。
2.如权利要求1所述的基于三相电流信号平方和的感应电机故障分析方法，其特征在于，所述采集感应电机三相电流信号的方法包括：
(1)连接采集系统；
(2)同步采集感应电机三相电流信号isa(t),isb(t),isc(t)。
3.如权利要求1所述的基于三相电流信号平方和的感应电机故障分析方法，其特征在于，所述三相电流信号去均值处理的方法包括：
将三相电流信号去均值处理得到xa(t),xb(t),xc(t)；
Figure FDA0002619337610000011
其中
Figure FDA0002619337610000012
为电流信号的均值。
4.如权利要求1所述的基于三相电流信号平方和的感应电机故障分析方法，其特征在于，计算xa(t),xb(t),xc(t)的平方和的方法包括：
计算xa(t),xb(t),xc(t)的平方和SS(t)；
SS(t)＝xa 2(t)+xb 2(t)+xc 2(t)。
5.一种基于三相电流信号平方和的感应电机故障分析系统，其特征在于，所述基于三相电流信号平方和的感应电机故障分析系统包括：
数据预处理模块，用于采集三相异步电机的三相电流信号，并进行预处理，分别去除电流信号序列的直流分量，得到三个新的信号序列xa(t),xb(t),xc(t)；
求平方和模块，用于对去均值后得到的电流信号序列求平方和。
谱分析模块，对所述平方和信号进行频域分析得到感应电机的故障特征频率。
6.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述基于三相电流信号平方和的感应电机故障分析方法，包括：
步骤1，采集数据，同时采集三相异步电机的三相电流信号isa(t),isb(t),isc(t)；
步骤2，对步骤1采集的数据进行预处理，分别去除电流信号序列xa(t),xb(t),xc(t)的直流分量；
步骤3，求步骤2得到的离散时间序列xa、xb和xc的平方和，得到平方和序列SS(t)；
步骤4，进行频域分析，对平方和SS(t)进行频域分析得到三相异步电机的故障特征频率。
7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
采集数据，同时采集三相异步电机的三相电流信号isa(t),isb(t),isc(t)；
对采集的数据进行预处理，分别去除电流信号序列xa(t),xb(t),xc(t)的直流分量；
求得到的离散时间序列xa、xb和xc的平方和，得到平方和序列SS(t)；
进行频域分析，对平方和SS(t)进行频域分析得到三相异步电机的故障特征频率。
8.一种实施权利要求1-4任意一项所述基于三相电流信号平方和的感应电机故障分析方法的感应电机。
CN202010778454.7A 2020-08-05 2020-08-05 基于三相电流信号平方和的感应电机故障分析方法及系统 Pending CN111880095A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010778454.7A CN111880095A (zh) 2020-08-05 2020-08-05 基于三相电流信号平方和的感应电机故障分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010778454.7A CN111880095A (zh) 2020-08-05 2020-08-05 基于三相电流信号平方和的感应电机故障分析方法及系统

Publications (1)

Publication Number Publication Date
CN111880095A true CN111880095A (zh) 2020-11-03

Family

ID=73210676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010778454.7A Pending CN111880095A (zh) 2020-08-05 2020-08-05 基于三相电流信号平方和的感应电机故障分析方法及系统

Country Status (1)

Country Link
CN (1) CN111880095A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117656846A (zh) * 2024-02-01 2024-03-08 临沂大学 一种汽车电驱动故障数据动态存储方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110687446A (zh) * 2019-07-15 2020-01-14 浙江运达风电股份有限公司 一种双馈风力发电机电刷和滑环早期故障诊断方法
CN111123105A (zh) * 2020-02-14 2020-05-08 东南大学 基于高频信号注入的电机匝间短路故障诊断方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110687446A (zh) * 2019-07-15 2020-01-14 浙江运达风电股份有限公司 一种双馈风力发电机电刷和滑环早期故障诊断方法
CN111123105A (zh) * 2020-02-14 2020-05-08 东南大学 基于高频信号注入的电机匝间短路故障诊断方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘沛津等: ""三相电流主分量融合的电机故障图形诊断方法"", 《电机与控制学报》 *
郑长松 等: "《装甲车辆故障诊断技术》", 31 May 2019 *
阳桂蓉等: ""异步电机转子不对称故障仿真与检测研究"", 《微电机》 *
黄成博等: ""基于QCS的三相交流异步电动机故障诊断方法研究"", 《煤矿机电》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117656846A (zh) * 2024-02-01 2024-03-08 临沂大学 一种汽车电驱动故障数据动态存储方法
CN117656846B (zh) * 2024-02-01 2024-04-19 临沂大学 一种汽车电驱动故障数据动态存储方法

Similar Documents

Publication Publication Date Title
Yang et al. Feature knowledge based fault detection of induction motors through the analysis of stator current data
Amanuel et al. Comparative analysis of signal processing techniques for fault detection in three phase induction motor
US10310016B2 (en) Method for the diagnostics of electromechanical system based on impedance analysis
Climente-Alarcon et al. Application of the Wigner–Ville distribution for the detection of rotor asymmetries and eccentricity through high-order harmonics
Hamadache et al. Principal component analysis based signal-to-noise ratio improvement for inchoate faulty signals: Application to ball bearing fault detection
Su et al. Induction machine condition monitoring using neural network modeling
EP1264412B1 (en) Complex signal decomposition and modeling
Salem et al. Support vector machine based decision for mechanical fault condition monitoring in induction motor using an advanced Hilbert-Park transform
JP7270773B2 (ja) 誘導電動機の軸受故障重大度を推定する方法
US20090146599A1 (en) System and method for motor fault detection using stator current noise cancellation
JP7059161B2 (ja) 回転機診断システム
Sabbaghian-Bidgoli et al. Fault detection of broken rotor bar using an improved form of Hilbert–Huang transform
CN111880095A (zh) 基于三相电流信号平方和的感应电机故障分析方法及系统
CN113608119B (zh) 电机运行状态监测方法、装置、设备和存储介质
CN117473338B (zh) 一种核电用泵机运行监测方法及系统
CN113311332A (zh) 高速永磁同步电机永磁体退磁故障诊断装置及方法
Thakur et al. Selection of optimal mother wavelet for fault analysis in induction motor using stator current waveform
JPH04204021A (ja) 回転機械振動・音響診断装置
JP7381390B2 (ja) 異常診断装置、および、保守管理システム
Granda et al. Analysis of signal processing techniques commonly used for broken bars detection on induction motors
CN111611870A (zh) 冷连轧机故障特征识别方法、系统、装置及介质
J Faiz et al. Application of signal processing tools for fault diagnosis in induction motors-A Review-Part II
Bessous et al. Application of new quantitative and qualitative study based on DWT method to diagnose the eccentricity fault in induction motors
Hmida et al. Multi-band analysis for enhancing multiple combined fault diagnosis
Abid et al. Multi-Fault Diagnosis of Induction Motors based on Adaptive Wavelet Packet Transform

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: 20201103