CN112379261B - 一种基于振动噪声分析的电机转速及结构参数计算方法 - Google Patents

一种基于振动噪声分析的电机转速及结构参数计算方法 Download PDF

Info

Publication number
CN112379261B
CN112379261B CN201911403208.7A CN201911403208A CN112379261B CN 112379261 B CN112379261 B CN 112379261B CN 201911403208 A CN201911403208 A CN 201911403208A CN 112379261 B CN112379261 B CN 112379261B
Authority
CN
China
Prior art keywords
time
frequency
motor
rotating speed
signals
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.)
Active
Application number
CN201911403208.7A
Other languages
English (en)
Other versions
CN112379261A (zh
Inventor
田绍军
付年
王玉雷
赵钪
柳辉
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.)
SAIC GM Wuling Automobile Co Ltd
Original Assignee
SAIC GM Wuling Automobile 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 SAIC GM Wuling Automobile Co Ltd filed Critical SAIC GM Wuling Automobile Co Ltd
Priority to CN201911403208.7A priority Critical patent/CN112379261B/zh
Publication of CN112379261A publication Critical patent/CN112379261A/zh
Application granted granted Critical
Publication of CN112379261B publication Critical patent/CN112379261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01R31/343—Testing dynamo-electric machines in operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/42—Devices characterised by the use of electric or magnetic means
    • G01P3/44—Devices characterised by the use of electric or magnetic means for measuring angular speed
    • G01P3/48—Devices characterised by the use of electric or magnetic means for measuring angular speed by measuring frequency of generated current or voltage

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明公开一种基于振动噪声分析的电机转速及结构参数计算方法。所述方法包括：同时实时采集车上待测电机的电压信号、所述电机在某点产生的加速度信号和/或声压信号，利用短时傅里叶变换分别绘制每种信号的时频图，根据每个时频图的阶次线确定基波线和/或低次谐波线，并根据所述基波线和/或低次谐波线的阶数确定相关结构参数，最后基于电压信号时频图的基波线计算电机转速信号。与现有技术只利用加速度和声压等机械振动信号提取转速信号相比，本发明利用电机的电压信号，能够在其时频图中获得清晰完整的阶次线和基波线，并基于所述基波线计算电机转速信号，提高了转速信号的提取精度。

Description

一种基于振动噪声分析的电机转速及结构参数计算方法
技术领域
本发明属于振动噪声分析技术领域，具体涉及一种基于振动噪声分析的电机转速及结构参数计算方法。
背景技术
旋转机械振动噪声一般随转速的改变而变化。在进行振动噪声分析时，需要获得分析对象的结构参数和运行参数等，如永磁同步电机线圈绕组数(即极对数p)、转速、驱动电压、电流等，然后分析振动噪声随运行参数变化的特征。
汽车上很多电机(如燃油泵、雨刮电机等)的转速及参数结构特征在整车上是不方便直接测量的。如燃油泵由于沉浸在密封油箱的燃油里，只能通过间接测量方式来识别电机转速及叶轮数、电机线圈绕组数等结构特征，如可以通过测量燃油泵在油箱上产生的振动或车内产生的噪声谱来识别。
现有的电机转速及参数结构特征识别方法，一般是对测得的带电机的部件运行时的振动噪声数据进行变换识别其转速及线圈绕组等结构参数。由于振动噪声是由机械振动引起，机械波振动幅值一般随转速增加而提高，而振动能量与幅值平方成正比，因此，当转速低时振动能量低，在介质中某点测得的加速度或者声压信号很小，其谐波甚至基波信号也就很弱，且由于介质的共振耦合与反共振作用在不同转速下信号幅值大小不一，频谱上存在不连续性，不方便提取转速信号。
发明内容
为了解决现有技术中存在的上述问题，本发明提出一种基于振动噪声分析的电机转速及结构参数计算方法。
为实现上述目的，本发明采用如下技术方案：
一种基于振动噪声分析的电机转速及结构参数计算方法，包括以下步骤：
步骤1，实时采集车上待测电机的电压信号，同时采集所述电机在某点产生的加速度信号和/或声压信号；
步骤2，通过对采集的信号分别进行短时傅里叶变换，分别绘制电压信号时频图、加速度信号时频图和/或声压信号时频图；
步骤3，分别在每个时频图上选择清晰度和完整性较好的阶次线，根据最突出的阶次线及阶数确定每个时频图的基波线和/或低次谐波线，并根据电压信号时频图的基波线的阶数确定电机绕组数(极对数p)，根据加速度信号时频图和/或声压信号时频图的基波线和/或低次谐波线的阶数确定相关结构参数；
步骤4，基于电压信号时频图的基波线计算电机转速信号。
与现有技术相比，本发明具有以下有益效果：
本发明通过同时实时采集车上待测电机升速时电机的电压(或电流)信号、所述电机在某点产生的加速度信号和/或声压信号，利用短时傅里叶变换分别绘制每种信号的时频图，根据每个时频图的阶次线确定基波线和/或低次谐波线，并根据所述基波线和/或低次谐波线的阶数确定相关结构参数，最后基于电压信号时频图的基波线计算电机转速信号。与现有技术只利用加速度和声压等机械振动信号提取转速信号相比，本发明利用电机的电压(或电流)信号，能够在其时频图中获得清晰的阶次线和基波线，基于清晰的电压时频图的基波线计算电机转速信号，提高了转速信号的提取精度。
附图说明
图1为电压信号时频图的阶次线示意图；
图2为加速度信号时频图的阶次线示意图；
图3为声压信号时频图的阶次线示意图；
图4为利用电压信号提取的转速-时间曲线；
图5为利用加速度信号提取的转速-时间曲线；
图6为利用声压信号提取的转速-时间曲线。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明实施例一种基于振动噪声分析的电机转速及结构参数计算方法，包括以下步骤：
S101、实时采集车上待测电机的电压信号，同时采集所述电机在某点产生的加速度信号和/或声压信号；
S102、通过对采集的信号分别进行短时傅里叶变换，分别绘制电压信号时频图、加速度信号时频图和/或声压信号时频图；
S103、分别在每个时频图上选择清晰度和完整性较好的阶次线，根据最突出的阶次线及阶数确定每个时频图的基波线和/或低次谐波线，并根据电压信号时频图的基波线的阶数确定电机绕组数，根据加速度信号时频图和/或声压信号时频图的基波线和/或低次谐波线的阶数确定相关结构参数；
S104、基于电压信号时频图中的基波线计算电机转速信号(即转速-时间曲线)。
在本实施例中，步骤S101主要用于实时采集时域信号。现有技术一般只采集与机械振动有关的信号，如电机运转时由于振动在某点产生的加速度信号或声压信号。本实施例不仅采集加速度信号和/或声压信号，还采集电机的电压信号(或电流信号，电压信号与电流信号用于提取转速信号的效果相当)，即不仅有机械信号还有电信号，而且是以电信号为主，比如，加速度信号和声压信号只用于结构参数的识别；而电压信号不仅用于结构参数的识别(电机属于感性负载，根据电机电压或电流的频谱特征可提取结构参数，如绕组数)，还用于转速信号的提取。可利用西门子数据采集设备(也可采用其它数据采集装置)实现电机电压信号、加速度信号和/或声压信号的实时采集。
在本实施例中，步骤S102主要用于对上一步采集的时域信号进行处理以获得时频特征。傅里叶变换只能得到信号的频谱特征，不能得到随时间变换的频率成分的变化情况，且需要利用信号的全部时域信息。鉴于傅里叶变换的上述缺陷，提出了窗函数的概念，构建一个可变的时间-频率窗，使得在这个窗内能够体现频率信息。这种信号分析方法称为时间-频率分析，而窗固定的时间-频率分析方法即为短时傅里叶变换(STFT，short-timeFouriertransform)。短时傅里叶变换包含两个变量，分别是时间变量和角频率变量，对时域信号进行短时傅里叶变换便可得到其时频特征，从而得到时频图。图1～3是利用test.lab软件绘制的二维时频图(由幅值超过设定的阈值的数据点绘制成)。值得说明的是，如图1～3是经简化处理后的时频图，每个时频图只保留了清晰度和完整性最好的1至2条阶次线，删除了杂乱的数据点，使画面看起来比较干净、整洁。
在本实施例中，步骤S103主要用于根据得到的时频图确定结构参数。首先介绍一下阶次/阶次线的概念。对于扭转振动而言，阶次表示旋转部件每旋转一圈事件发生的次数。比如，对于齿数为30的齿轮盘，每旋转一周发生30次碰撞，因此该齿轮盘的阶次为30；电机有8个绕组线圈(极对数＝8)，旋转一周磁场就要切换8次。时频图中的阶次线是对应某一固定频率的时频曲线，每个阶次线的频率是第1阶阶次线频率或一阶频率的整数倍。通常说的基波频率或基波线的频率等于某个阶次线的频率，或基波频率是一阶频率的整数倍。阶次线、基波线或谐波线是与结构参数紧密相关的，阶次线尤其是基波线的频谱强度明显强于其它频点的强度，所以在时频图上会出现不同阶次的多条阶次线。比如，燃油泵叶轮的数量N与燃油泵振动产生的加速度信号基波频率就紧密相关，时频图上基波线的频率等于第1阶阶次线频率的N倍。又如，电机电压信号的基波频率等于第1阶阶次线频率的M倍，M是电机绕组数。图1～3中画出了3个时频图中最清晰、最完整的阶次线示意图，由图可知，电压信号时频图中的阶次线，明显比加速度信号和声压信号时频图中的阶次线清晰且完整。图1～3的上边框还画出了阶次数刻度，从左到右依次是第1阶、第2阶、第3阶、…。由图可知，声压信号的第5、10阶阶次线相对比较突出(清晰完整)；加速度信号在低转速时的阶次线均不突出，只有较高转速的第10阶阶次线相对比较突出；而电压信号的阶次线均较突出，为了画面简洁删除了其它阶次线，只保留了最突出的第8、16阶阶次线。由于电压信号的第5、10阶阶次线均不突出，因此，加速度信号和声压信号的第5、10阶阶次线对应的频率均是由机械振动引起的，与电结构参数无关。比如，如果所述电机为燃油泵电机，燃油泵内最大的机械振动源除了电机外，一般就是叶轮，由此可以判断该燃油泵叶轮数为5，第5阶阶次线即为基波线(基波频谱最强)，第10阶阶次线为2次谐波线；进一步地，第8阶阶次线为基波线，第16阶阶次线为2次谐波线，由此得该燃油泵电机的绕组数为8。由于加速度信号和声压信号是由机械振动引起，而机械波振动幅值一般随转速增加而提高，振动能量与幅值平方成正比，当转速低时振动能量也很低，在介质中某点测得的加速度或声压信号很小，因此各个阶次线及基波线不突出，且在不同转速下大小不一，频谱上存在不连续性，不利于提取转速信号。而电机电压或电流信号的幅值随转速变化不大(电机电流在低转速启动阶段反而较大)，因此能够得到清晰完整的各阶阶次线、基波线及谐波线，用于提取转速信号效果明显优于加速度和声压信号。
在本实施例中，步骤S104主要用于提取电机转速信号。鉴于电压信号在提取转速信号方面具有的优势(如前述)，本实施例基于上一步确定的电压信号时频图的基波线计算转速信号。根据时频图求解转速的方法很多，这里只给出一种方法：
在所确定的基波线上找到频率幅值最大的点，然后基于时间往前或往后以设定的时间步长确定对应的时间点，求每个时间点在设定的频带范围内的频率幅值最大的频率值即峰值频率；
根据频率与转速的关系计算每个峰值频率对应的转速，得到每个时间点的转速值。如果频率为f(HZ)，基波线的阶数为p，则转速为60*f/p(转/分)。
采用插值法在相邻时间段内的转速值之间进行插值，得到所求的转速-时间曲线。插值算法有很多，最简单的是线性插值法。
根据上述求解方法，确定的基波线的质量(数据是否完整、是否有分叉等)对最后得到的转速-时间曲线有直接影响，当基波线及低阶谐波线质量很差时根本无法进行转速信号提取。为了便于比较，我们不仅给出了利用电压信号得到的转速-时间曲线，还给出了利用加速度信号(2次谐波线)和声压信号(基波线)得到的转速-时间曲线，如图4～6所示。由图可知，利用加速度信号和声压信号得到的转速-时间曲线上都分布有分叉或毛刺，尤其是低转速阶段更为严重；而利用电压信号得到的则是一条干净完整的转速-时间曲线。
作为一种可选实施例，所述电机为燃油泵电机，所述电压信号时频图的基波线的阶数为8，所述声压信号时频图的基波线的阶数为5，由此得到电机绕组的极数为8，油泵叶轮数为5。
本实施例给出了待检测电机为车上的燃油泵电机时的实施方式。实际上图1～6均是针对该燃油泵电机的实测数据进行一些处理后得到的曲线。前面在描述技术方案时已提及所述具体数据，这里不再赘述。值得说明的是，本实施例只是给出了一种较佳实施方式，并不限制只能为燃油泵电机，本发明所述方法适合汽车上的所有电机。
上述仅对本发明中的几种具体实施例加以说明，但并不能作为本发明的保护范围，凡是依据本发明中的设计精神所做出的等效变化或修饰或等比例放大或缩小等，均应认为落入本发明的保护范围。

Claims (2)

1.一种基于振动噪声分析的电机转速及结构参数计算方法，其特征在于，包括以下步骤：
步骤1，实时采集车上待测电机的电压信号，同时采集所述电机在某点产生的加速度信号和/或声压信号；
步骤2，通过对采集的信号分别进行短时傅里叶变换，分别绘制电压信号时频图、加速度信号时频图和/或声压信号时频图；
步骤3，分别在每个时频图上选择清晰度和完整性较好的阶次线，根据最突出的阶次线及阶数确定每个时频图的基波线和/或低次谐波线，并根据电压信号时频图的基波线的阶数确定电机极对数，根据加速度信号时频图和/或声压信号时频图的基波线和/或低次谐波线的阶数确定相关结构参数；
步骤4，基于电压信号时频图的基波线计算电机转速信号；
根据所述时频图计算电机转速信号的方法包括：
在所确定的基波线上找到频率幅值最大的点，然后基于时间往前或往后以设定的时间步长确定对应的时间点，将每个时间点在设定的频带范围内的频率幅值最大的频率值确定为峰值频率；
根据频率与转速的关系计算每个峰值频率对应的转速，得到每个时间点的转速；
其中，将频率和基波线的阶数的商，确定为转速；
采用插值法在相邻时间段内的转速值之间进行插值，得到所求的转速-时间曲线。
2.根据权利要求1所述的基于振动噪声分析的电机转速及结构参数计算方法，其特征在于，所述电机为燃油泵电机，所述电压信号时频图的基波线的阶数为8，所述声压信号时频图的基波线的阶数为5，由此得到电机极对数为8，油泵叶轮数为5。
CN201911403208.7A 2019-12-31 2019-12-31 一种基于振动噪声分析的电机转速及结构参数计算方法 Active CN112379261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911403208.7A CN112379261B (zh) 2019-12-31 2019-12-31 一种基于振动噪声分析的电机转速及结构参数计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911403208.7A CN112379261B (zh) 2019-12-31 2019-12-31 一种基于振动噪声分析的电机转速及结构参数计算方法

Publications (2)

Publication Number Publication Date
CN112379261A CN112379261A (zh) 2021-02-19
CN112379261B true CN112379261B (zh) 2024-05-28

Family

ID=74586272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911403208.7A Active CN112379261B (zh) 2019-12-31 2019-12-31 一种基于振动噪声分析的电机转速及结构参数计算方法

Country Status (1)

Country Link
CN (1) CN112379261B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114172435B (zh) * 2021-11-30 2023-06-02 重庆长安汽车股份有限公司 异步电动机运行噪声与振动数据的后处理方法、系统及计算机可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101545915A (zh) * 2009-04-30 2009-09-30 中国科学院上海技术物理研究所 基于感应同步器多普勒效应的电机转速测量方法
CN201392240Y (zh) * 2009-03-10 2010-01-27 陈九生 轴承噪声声级测量仪
CN201417174Y (zh) * 2009-06-19 2010-03-03 武汉钢铁(集团)公司 机电设备的监测系统
CN102539151A (zh) * 2012-01-18 2012-07-04 北京工业大学 一种汽车变速器智能化在线质量检测方法
CN102564756A (zh) * 2010-12-31 2012-07-11 中国科学院沈阳自动化研究所 汽车变速器振动分析试验方法及装置
CN103487252A (zh) * 2013-09-24 2014-01-01 重庆市科学技术研究院 汽车变速器台架耐久试验运行状态监测方法
CN105136441A (zh) * 2015-08-24 2015-12-09 奇瑞汽车股份有限公司 一种用于检测汽车用燃油泵及油箱总成运行振动及噪声特性的系统和方法
CN106772041A (zh) * 2016-12-23 2017-05-31 江苏大学镇江流体工程装备技术研究院 一种基于Android平台的离心泵电机状态监测装置及监测方法
CN106769033A (zh) * 2016-11-30 2017-05-31 西安交通大学 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法
CN108519527A (zh) * 2018-03-29 2018-09-11 武汉理工大学 一种变压器噪声与电能质量关联性分析试验装置及方法
CN109755958A (zh) * 2017-11-07 2019-05-14 西门子歌美飒可再生能源公司 转换器的谐波控制

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3104152B1 (en) * 2015-06-08 2019-08-14 ABB Schweiz AG Method and controller for determining an undesired condition in an electrical drive system
US10378951B2 (en) * 2017-04-10 2019-08-13 Rockwell Automation Technologies, Inc. System and method of integrated vibration monitoring in motor drives

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201392240Y (zh) * 2009-03-10 2010-01-27 陈九生 轴承噪声声级测量仪
CN101545915A (zh) * 2009-04-30 2009-09-30 中国科学院上海技术物理研究所 基于感应同步器多普勒效应的电机转速测量方法
CN201417174Y (zh) * 2009-06-19 2010-03-03 武汉钢铁(集团)公司 机电设备的监测系统
CN102564756A (zh) * 2010-12-31 2012-07-11 中国科学院沈阳自动化研究所 汽车变速器振动分析试验方法及装置
CN102539151A (zh) * 2012-01-18 2012-07-04 北京工业大学 一种汽车变速器智能化在线质量检测方法
CN103487252A (zh) * 2013-09-24 2014-01-01 重庆市科学技术研究院 汽车变速器台架耐久试验运行状态监测方法
CN105136441A (zh) * 2015-08-24 2015-12-09 奇瑞汽车股份有限公司 一种用于检测汽车用燃油泵及油箱总成运行振动及噪声特性的系统和方法
CN106769033A (zh) * 2016-11-30 2017-05-31 西安交通大学 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法
CN106772041A (zh) * 2016-12-23 2017-05-31 江苏大学镇江流体工程装备技术研究院 一种基于Android平台的离心泵电机状态监测装置及监测方法
CN109755958A (zh) * 2017-11-07 2019-05-14 西门子歌美飒可再生能源公司 转换器的谐波控制
CN108519527A (zh) * 2018-03-29 2018-09-11 武汉理工大学 一种变压器噪声与电能质量关联性分析试验装置及方法

Also Published As

Publication number Publication date
CN112379261A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
Shifat et al. An effective stator fault diagnosis framework of BLDC motor based on vibration and current signals
Faiz et al. Demagnetization modeling and fault diagnosing techniques in permanent magnet machines under stationary and nonstationary conditions: An overview
Moosavi et al. Demagnetization fault diagnosis in permanent magnet synchronous motors: A review of the state-of-the-art
Prieto et al. Feature extraction of demagnetization faults in permanent-magnet synchronous motors based on box-counting fractal dimension
CN102998591B (zh) 一种发电机转子绕组动态匝间短路故障的定位方法
Zhu et al. Acoustic noise-based uniform permanent-magnet demagnetization detection in SPMSM for high-performance PMSM drive
CN104964776A (zh) 一种电机齿槽转矩和摩擦转矩的测量设备及方法
DE102012102172A1 (de) Generatordrehzahlschätzung mit Spektralanalyse
Cao et al. Zoom synchrosqueezing transform and iterative demodulation: methods with application
Climente-Alarcon et al. Particle filter-based estimation of instantaneous frequency for the diagnosis of electrical asymmetries in induction machines
CN104050147A (zh) 将时域信号转换成频域信号的方法与系统
CN111965543B (zh) 永磁同步电机匝间短路故障初期检测方法、系统及介质
CN112379261B (zh) 一种基于振动噪声分析的电机转速及结构参数计算方法
Pang et al. Rolling bearing fault diagnosis based on SVDP-based kurtogram and Iterative autocorrelation of Teager energy operator
CN114061678A (zh) 一种科氏流量计数字驱动方法
CN111523231B (zh) 一种基于EEMD和Prony方法的次同步振荡分析方法
CN113311332A (zh) 高速永磁同步电机永磁体退磁故障诊断装置及方法
Liu et al. A new motor fault detection method using multiple window S-method time-frequency analysis
CN111353415A (zh) 一种脉冲响应中谐波成分的检测方法
US20140028283A1 (en) Method of extracting zero crossing data from full spectrum signals
CN101408585B (zh) 一种有刷直流电机绕组匀称性的测试方法
CN113984392B (zh) 一种电驱动总成系统振动品质在线测试评估方法
Desheng et al. Time-frequency analysis based on BLDC motor fault detection using Hermite S-method
CN112781723B (zh) 一种基于频谱方差的谐波成分检测方法
JP2000137053A (ja) オンライン絶縁劣化診断方法及び装置

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
GR01 Patent grant
GR01 Patent grant