CN112881910B - 一种旋转永磁同步电机动态偏心故障检测方法 - Google Patents

一种旋转永磁同步电机动态偏心故障检测方法 Download PDF

Info

Publication number
CN112881910B
CN112881910B CN202110074523.0A CN202110074523A CN112881910B CN 112881910 B CN112881910 B CN 112881910B CN 202110074523 A CN202110074523 A CN 202110074523A CN 112881910 B CN112881910 B CN 112881910B
Authority
CN
China
Prior art keywords
permanent magnet
magnet synchronous
synchronous motor
dynamic
rotating permanent
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
CN202110074523.0A
Other languages
English (en)
Other versions
CN112881910A (zh
Inventor
马琮淦
李鑫
王金昊
尹相睿
赵越
张星星
李琼瑶
李佳铭
沈恩德
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.)
FAW Group Corp
Harbin Institute of Technology Weihai
Original Assignee
FAW Group Corp
Harbin Institute of Technology Weihai
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 FAW Group Corp, Harbin Institute of Technology Weihai filed Critical FAW Group Corp
Priority to CN202110074523.0A priority Critical patent/CN112881910B/zh
Publication of CN112881910A publication Critical patent/CN112881910A/zh
Application granted granted Critical
Publication of CN112881910B publication Critical patent/CN112881910B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01R31/343Testing dynamo-electric machines in operation
    • 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
    • G01R31/346Testing of armature or field windings
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/23Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
  • Manufacture Of Motors, Generators (AREA)

Abstract

本申请公开了一种旋转永磁同步电机动态偏心故障检测方法,涉及电机偏心诊断领域,包括如下步骤:一、采集待诊断旋转永磁同步电机的探测线圈电压时间历程;二、判断待诊断旋转永磁同步电机是否发生动态偏心故障;三、建立旋转永磁同步电机动态偏心电磁仿真模型、进行仿真,建立动态偏心故障特征库;四、基于支持向量机建立旋转永磁同步电机动的态偏心率检测模型;五、应用旋转永磁同步电机的动态偏心率检测模型诊断旋转永磁同步电机动态偏心率。本发明可以快速检测电机动态偏心故障有无以及动态偏心率;具有检测精度高、方法简单、测试方便等优点。

Description

一种旋转永磁同步电机动态偏心故障检测方法
技术领域
本发明涉及电机偏心诊断领域,尤其是涉及旋转永磁同步电机动态偏心故障检测方法。
背景技术
旋转永磁同步电机由于功率密度高、效率高、鲁棒性好、结构紧凑等优点,广泛应用于航空航天、风力发电、军事、轨道交通、电动汽车等重要领域。偏心故障是永磁同步电机的一种常见故障,这种故障通常是由不平衡负载、联轴器不对中、装配不当、转轴弯曲等因素引起的。根据偏心方式的不同,偏心故障可分为:静态偏心、动态偏心和混合偏心。如图1所示,动态偏心是指电机转子圆心OR未与定子圆心OS重合,在转子围绕转子圆心OR旋转的同时,转子圆心OR围绕定子圆心OS旋转。动态偏心会引起轴的扭转振动、各相电流不平衡加剧、不平衡磁拉力增大、轴承压迫及损伤、齿槽转矩升高、噪声增大,严重的会导致铁心变形、定转子碰撞,甚至导致电机报废。准确、快速、可靠的电机动态偏心故障诊断对电机及驱动系统的状态判定、质检维护、稳定运行等意义重大。
现有电机偏心故障检测技术大概分为如下六类:
(1)基于定子电流信号分析的偏心故障诊断方法。该方法中,电流信号易受电机运行状态影响,当电机发生局部退磁故障或匝间短路故障时,也同样会出现与偏心故障类似的电流信号特征,易发生误诊。
(2)基于相电压波形或探测线圈电压的频谱特性的偏心故障诊断方法。使用相电压波形进行检测时,通常电机绕组是由多个线圈串、并联而成,存在分布系数,因此电机磁场的变化经过分布绕组叠加后往往难以根据电压波形进行准确诊断。使用探测线圈电压频谱特性检测时,需要在定子槽内或定子轭部外侧面预埋探测线圈,专利CN 109541461 A在每个定子齿上绕制1个线圈,预埋探测线圈个数较多,实际的测量时较为繁琐。仅仅根据基波幅值大小或者偏心故障的特征频率进行诊断效果不好,且偏心量与基波或谐波幅值之间并非线性关系,因此对于偏心故障程度的诊断不准确。专利CN 210072012 U在定子铁芯外边沿轭部周向布置多个感应线圈用于诊断风力发电机的偏心故障,但是仅根据电压特征频率并不能准确的诊断出偏心量。
(3)基于振动信号的偏心故障诊断。该方法需要采用采用高精度加速度传感器进行测量,成本较高、装置复杂,无法准确判断最小气隙位置和偏心量。专利CN 105698740 A利用振动信号对永磁同步电机偏心故障进行检测,虽然用此方法可以检测出偏心故障,但是需要测量无偏心时的振动特征,而且振动信号易受外界环境的干扰,易导致检测结果不准确。
(4)基于磁通信号的偏心故障检测。此方法需要在定子齿上开槽安装霍尔传感器或排布磁场检测线圈阵列,故对电机改动较大,工艺复杂;此外,电机气隙长度极小,大约在0.1mm数量级,维修不便,成本较高,不适合大批量生产以及工程上应用。专利CN 108614212A中使用多个霍尔传感器测量电机的磁感应强度,对电机改动较大,测量较为复杂,可能存在传感器与定子发生干涉、碰撞的风险。
(5)基于漏磁信号的偏心故障检测。专利CN 110531259 A采用漏磁传感器采集机壳外部的漏磁信号,虽然操作方便,但是电机壳外部漏磁较小,漏磁信号非常微弱,检测精度依赖于漏磁传感器的测量精度,且易受其他信号干扰;对测试环境要求较高,不易准确测量;不能诊断出偏心量的大小。
(6)基于温度信号的偏心故障诊断。专利CN 106602797 B利用多个薄膜热敏电阻实时在线测量并记录待测电动机定子齿部的温升信号,此方法易受环境温度的影响;不同电机运转过程中温度变化很大,无法保证测量的准确性;另外此方法不能检测出偏心量的大小。
综上所述,现有技术很难实现诊断精度高、操作简便、适用于工程实际应用、成本低的旋转永磁同步电机的动态偏心故障检测。
发明内容
本发明的目的是解决上述现有技术的不足,提供一种操作简单,易于实现,检测精度高,适于工程实际应用,成本低的旋转永磁同步电机动态偏心故障检测方法。
一种旋转永磁同步电机动态偏心故障检测方法,包括如下步骤:
步骤一、采集待诊断旋转永磁同步电机的探测线圈电压时间历程:
1.1、待诊断旋转永磁同步电机共有Q个定子齿,整个圆周方向上均布3个探测线圈,每跨b个定子齿设置1个探测线圈,探测线圈匝数为2匝;b的取值范围为[1,int[Q/3]],int[Q/3]表示向下取整,如int[3.5]=3;对所述定子齿上绕制的线圈依次编号为i,i=1、2、3;
1.2、待诊断旋转永磁同步电机空载运行,设置转速为额定转速N,同步测量和记录t至t+T时间内3个探测线圈上的电压时间历程ui,i=1、2、3;T为机械周期,T=60/N;
步骤二、判断待诊断旋转永磁同步电机是否发生动态偏心故障:
2.1、作出3个探测线圈的电压时间历程ui波形图,若下列(1)、(2)条件同时成立,则判定待诊断的旋转永磁同步电机存在动态偏心故障,否则无动态偏心故障,
(1)待诊断旋转永磁同步电机3个探测线圈电压时间历程ui波形相同,相位不同;
(2)在一个机械周期T内,待诊断旋转永磁同步电机每个探测线圈电压存在极对数个不等的极大值;
步骤三、建立旋转永磁同步电机动态偏心电磁仿真模型、进行仿真,建立动态偏心故障特征库:
3.1、在电磁有限元软件中,建立n个不同动态偏心率的旋转永磁同步电机的动态偏心电磁有限元模型,设置动态偏心率分别为0,a,2a,3a,…,(n-1)a,其中a≤5%,n为正整数,(n-1)a<1,故形成动态偏心率的矩阵Yn×1
Yn×1=[0 a 2a 3a … (n-1)a]T
3.2、在额定转速下,对n个不同动态偏心率的旋转永磁同步电机动态偏心电磁有限元模型进行空载仿真,获取每个动态偏心率下3个探测线圈的电压时间历程;
3.3、对仿真得到的n个不同动态偏心率下旋转永磁同步电机的探测线圈电压时间历程进行滤波去噪,利用快速傅里叶变换将电压时间历程信号变换为电压幅频信号;
3.4、旋转永磁同步电机发生动态偏心时,探测线圈电压频率会产生fc±fr的特征频率,其中fc为电机的基波频率,fr为电机的机械转频;n个不同动态偏心率的旋转永磁同步电机的各自3个探测线圈电压频率的电压基波幅值、左边带谐波幅值和右边带谐波幅值用矩阵Un×9表示为:
Figure BDA0002907106120000031
在第n个旋转永磁同步电机动态偏心电磁有限元模型下,第i个探测线圈电压频率为fc的电压基波幅值可记为Un_i_fc,第i个探测线圈电压频率为fc-fr的电压左边带谐波幅值记为Un_i_fc-fr,第i个探测线圈电压频率为fc+fr的电压右边带谐波幅值记为Un_i_fc+fr,其中,i=1,2,3;
步骤四、基于支持向量机建立旋转永磁同步电机动的态偏心率检测模型:
4.1、支持向量机构建,所述支持向量机的结构依次包括:输入层、核函数层和输出层;
4.2、所述支持向量机的训练集确定,选择旋转永磁同步电机动态偏心电磁仿真模型中的n个动态偏心率下3个探测线圈电压频率的电压基波幅值、左边带谐波幅值和右边带谐波幅值、即Un×9,作为支持向量机的输入层,其对应的动态偏心率矩阵Yn×1作为支持向量机的输出层;输入层和输出层共同作为所述支持向量机的训练集;
4.3、所述支持向量机核函数和检测函数的确定,高斯核函数svmtrain作为核函数层,函数svmpredict作为检测函数,采用交叉验证的方式多次训练模型,直至模型准确率不低于99%时,确定惩罚参数c和奖励参数g;获得支持向量机的旋转永磁同步电机动态偏心率检测模型;
步骤五、应用旋转永磁同步电机的动态偏心率检测模型诊断旋转永磁同步电机动态偏心率:
5.1、步骤二中判定待诊断的旋转永磁同步电机存在动态偏心故障时,将步骤一获得的待诊断旋转永磁同步电机3个探测线圈电压时间历程(ui)滤波去噪,然后经过快速傅里叶变换,分离出3个探测线圈电压频率的电压基波幅值、左边带谐波幅值和右边带谐波幅值,并组成矩阵U′1×9作为输入信号,
U′1×g=[U′1_1_fc U′1_1_fc-fr U′1_1_fc+fr U′1_2_fc U′1_2_fc-fr U′1_2_fc+fr U′1_3_fcU′1_3_fc-fr U′1_3-fc+fr]
导入到步骤四获得的支持向量机的旋转永磁同步电机动态偏心率检测模型,支持向量机的旋转永磁同步电机动态偏心率检测模型的输出层输出待诊断的旋转永磁同步电机的动态偏心率Y′a
与已有技术相比,本发明有益效果体现在:
1.本发明可用于诊断旋转永磁同步电机动态偏心故障,不受其他故障的影响。
2.本发明不依赖于电机参数,且无需事先获得电机正常运行时的参考值。
3.本发明可以准确的判断出旋转永磁同步电机的动态偏心故障,结合支持向量机模型,可以准确识别动态偏心故障的程度、得到偏心率。
4.本发明适用于所有旋转永磁同步电机,且操作方法相同,具有很高的通用性。
5.本发明提出采用3个探测线圈诊断动态偏心故障,避免了布置探测线圈过多带来测量的不便,操作简单,易于实现,成本低,可快速应用于生产实践和工程检测中。
本发明基于旋转永磁同步电机探测线圈电压波形及其幅频特性并结合机器学习算法,可以快速检测电机动态偏心故障有无以及动态偏心率;具有检测精度高、方法简单、测试方便等优点。
附图说明
图1为动态偏心示意图;
图2为探测线圈布置示意图;
图3为旋转永磁同步电机空载探测线圈测试台架;
图4为本发明检测方法流程图;
图5为动态偏心下3个探测线圈电压时间历程图;
图6为动态偏心下第1个探测线圈电压时间历程图;
图7为动态偏心下第2个探测线圈电压时间历程图;
图8为动态偏心下第3个探测线圈电压时间历程图;
图9为动态偏心下第1个探测线圈电压幅频图;
图10为动态偏心下第2个探测线圈电压幅频图;
图11为动态偏心下第3个探测线圈电压幅频图;
图12为建立支持向量机模型示意图;
图13动态偏心率诊断模型图
图14为动态偏心率诊断结果图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
针对某8极48槽、额定转速为6500rpm、动态偏心率可调的电动汽车用内置式旋转永磁同步电机,按发明方法进行全流程检测。
如图3所示的内置式旋转永磁同步电机空载探测线圈测试台架,设有测试控制柜1和试验台架11,试验台架上有夹持测功机的夹具2、夹具4和测功机3,测功机与控制柜1相连,测功机输出轴联接联轴器5,联轴器另一端联接转速转矩传感器6,接着与待测内置式旋转永磁同步电机专用夹具7夹持待测内置式旋转永磁同步电机8,被测内置式旋转永磁同步电机的探测线圈2端引出线通过接线盒9和数据采集与分析模块10相连。
对于待测内置式旋转永磁同步电机按本发明的检测方法进行检测,其过程如图4所示,包括如下步骤:
一、定子铁心内圆开有用于放置定子绕组槽,两个槽之间部分为定子齿。所述内置式旋转永磁同步电机共有48个定子齿,在48个定子齿所在的整个圆周方向上均匀设置3个探测线圈,每个探测线圈跨3个定子齿,每个探测线圈的线圈匝数为2匝,探测线圈与定子齿粘接或焊接,对定子齿上绕制的3个探测线圈依次编号为i,i=1、2、3,分别代指探测线圈1、探测线圈2、探测线圈3;具体结构如图2所示。经过多次对不同类型的旋转永磁同步电机实测分析发现,在旋转永磁同步电机的定子齿所在的整个圆周方向上设置3个探测线圈时,动态偏心故障诊断结果的精度最高。
使用图3所示台架装置拖动待测内置式旋转永磁同步电机空载运行,设置转速为额定转速6500rpm,同步测量t至t+T时间内3个探测线圈上的电压时间历程ui,并记录。T为机械周期,T=60/N,N为额定转速。
二、根据上述3个探测线圈电压时间历程ui,作出电压时域波形图(即3个探测线圈电压时间历程图),如图5所示,待诊断内置式旋转永磁同步电机3个探测线圈电压时间历程图(电压ui波形图)相同、相位不同,且待诊断内置式旋转永磁同步电机的每个探测线圈的电压(电压ui波形图中)存在4个不等的极大值,则判定待诊断的内置式旋转永磁同步电机存在动态偏心故障,否则无动态偏心故障。如图6、图7、图8所示,在一个机械周期T内,第1个探测线圈的极大值之间满足U1_1_ext≠U1_2_ext≠U1_3_ext≠U1_4_ext,同理,第2个探测线圈的极大值之间满足U2_1_ext≠U2_2_ext≠U2_3_ext≠U2_4_ext,第3个探测线圈的极大值之间满足U3_1_ext≠U3_2_ext≠U3_3_ext≠U3_4_ext;即为待诊断内置式旋转永磁同步电机的每个探测线圈的电压(电压ui波形图中)存在4个不等的极大值。
三、在电磁有限元软件JMAG中建立17个不同动态偏心率的、与待诊断旋转永磁同步电机结构相同的待测内置式旋转永磁同步电机的动态偏心电磁有限元模型,设置动态偏心率分别为0、5%、10%、15%、...、75%、80%,共17组内置式旋转永磁同步电机的动态偏心电磁有限元模型进行空载仿真,形成动态偏心率的矩阵Y17×1
Y17×1=[0 5% 10% 15% … 80%]T
在额定转速下,对17个不同动态偏心率的内置式旋转永磁同步电机的动态偏心电磁有限元模型进行空载仿真,仿真时长为一个机械周期T,获取每个动态偏心率下3个探测线圈的电压时间历程。
将仿真得到的17个不同动态偏心率下内置式旋转永磁同步电机的探测线圈电压时间历程进行滤波去噪后,利用快速傅里叶变换将电压信号变成电压幅频信号。
当内置式旋转永磁同步电机发生动态偏心时,探测线圈电压频率会产生fc±fr的特征频率,其中fc为电机的基波频率,fr为电机的机械转频;如图9、图10、图11所示,在第n个旋转永磁同步电机动态偏心电磁有限元模型下,第i个探测线圈电压频率为fc的电压基波幅值可记为Un_i_fc,第i个探测线圈电压频率为fc-fr的电压左边带谐波幅值记为Un_i_fc-fr,第i个探测线圈电压频率为fc+fr的电压右边带谐波幅值记为Un_i_fc+fr,其中i=1,2,3;其17个不同动态偏心率的旋转永磁同步电机的各自3个探测线圈电压频率的电压基波幅值、左边带谐波幅值和右边带谐波幅值用矩阵U17×9表示为:
Figure BDA0002907106120000061
矩阵U17×9为建立的动态偏心故障特征库。
四、支持向量机构建,支持向量机预测可用于诊断动态偏心率;所述支持向量机的结构如图12所示,依次包括:输入层、核函数层和输出层。
选择上述内置式旋转永磁同步电机动态偏心电磁仿真模型中的上述17个动态偏心率下3个探测线圈电压频率的电压基波幅值、左边带谐波幅值和右边带谐波幅值组成的矩阵U17×9,作为支持向量机的输入层,其对应的动态偏心率组成的矩阵Y17×1作为支持向量机的输出层;输入层和输出层共同作为所述支持向量机的训练集;
核函数的作用是使输入层与输出层之间产生映射关系;选择高斯核函数svmtrain作为核函数层,选择函数svmpredict作为检测函数。核函数中最重要的两个参数为惩罚参数c和奖励参数g,采用交叉验证的方式多次训练模型,直至模型准确率不低于99%时,确定惩罚参数c和奖励参数g;获得支持向量机的旋转永磁同步电机动态偏心率检测模型;
五、应用旋转永磁同步电机的动态偏心率检测模型诊断旋转永磁同步电机动态偏心率:
步骤二中判定待诊断的内置式旋转永磁同步电机存在动态偏心故障时,将步骤一获得的待诊断内置式旋转永磁同步电机的3个探测线圈电压时间历程(ui)滤波去噪,然后经过快速傅里叶变换,分离出3个探测线圈电压频率的电压基波幅值、左边带谐波幅值和右边带谐波幅值,并组成矩阵U′1×9作为输入信号,
将U′1×9=[U′1_1_fc U′1_1_fc-fr U′1_1__fc+fr U′1_2_fc U′1_2_fc-fr U′1_2_fc+fr U′1_3_fcU′1_3_fc-fr U′1_3_fc+fr];导入到步骤四获得的支持向量机的旋转永磁同步电机动态偏心率检测模型,支持向量机的旋转永磁同步电机动态偏心率检测模型的输出层输出待诊断的旋转永磁同步电机的动态偏心率Y′a,其过程如图13所示。
依照上述的检测步骤,对动态偏心率可调的电动汽车用内置式旋转永磁同步电机进行了36次检测试验;具体为:36次检测试验分为8组,第1组动态偏心率工况为10%-80%,分别检测1次,共8次;第2组动态偏心率工况为10%-70%,分别检测1次,共7次;第3组动态偏心率工况为10%-60%,分别检测1次,共6次;第4组动态偏心率工况为10%-50%,分别检测1次,共5次;第5组动态偏心率工况为10%-40%,分别检测1次,共4次;第6组动态偏心率工况为10%-30%,分别检测1次,共3次;第7组动态偏心率工况为10%-20%,分别检测1次,共2次;第8组动态偏心率工况为10%,分别检测1次,共1次;总计36次。分别对动态偏心率可调的电动汽车用内置式旋转永磁同步电机输入了动态偏心率为10%-80%的8种测试数据,根据测试数据实际输入值和分别获得的对应的测试数据诊断结(检测到的动态偏心率)绘制动态偏心率诊断结果图如图14所示,检测出的动态偏心率与实际输入的动态偏心率进行对比发现,本发明所提出的动态偏心率检测方法的检测精度可达到99.67%。

Claims (1)

1.一种旋转永磁同步电机动态偏心故障检测方法,包括如下步骤:
步骤一、采集待诊断旋转永磁同步电机的探测线圈电压时间历程即电压时域波形:
1.1、待诊断旋转永磁同步电机共有Q个定子齿,整个圆周方向上均布3个探测线圈,每跨b个定子齿设置1个探测线圈,探测线圈匝数为2匝;b的取值范围为[1,int[Q/3]],int[Q/3]表示向下取整;对所述定子齿上绕制的线圈依次编号为i,i=1、2、3;
1.2、待诊断旋转永磁同步电机空载运行,设置转速为额定转速N,同步测量和记录t至t+T时间内3个探测线圈上的电压时间历程ui,i=1、2、3;T为机械周期,T=60/N;
步骤二、判断待诊断旋转永磁同步电机是否发生动态偏心故障:
2.1、作出3个探测线圈的电压时间历程ui波形图,若下列(1)、(2)条件同时成立,则判定待诊断的旋转永磁同步电机存在动态偏心故障,否则无动态偏心故障,
(1)待诊断旋转永磁同步电机3个探测线圈电压时间历程ui波形相同,相位不同;
(2)在一个机械周期T内,待诊断旋转永磁同步电机每个探测线圈电压存在极对数个不等的极大值;
步骤三、建立旋转永磁同步电机动态偏心电磁仿真模型、进行仿真,建立动态偏心故障特征库:
3.1、在电磁有限元软件中,建立n个不同动态偏心率的旋转永磁同步电机的动态偏心电磁有限元模型,设置动态偏心率分别为0,a,2a,3a,…,(n-1)a,其中a≤5%,n为正整数,(n-1)a<1,故形成动态偏心率的矩阵Yn×1
Yn×1=[0 a 2a 3a … (n-1)a]T
3.2、在额定转速下,对n个不同动态偏心率的旋转永磁同步电机动态偏心电磁有限元模型进行空载仿真,获取每个动态偏心率下3个探测线圈的电压时间历程;
3.3、对仿真得到的n个不同动态偏心率下旋转永磁同步电机的探测线圈电压时间历程进行滤波去噪,利用快速傅里叶变换将电压时间历程信号变换为电压幅频信号;
3.4、旋转永磁同步电机发生动态偏心时,探测线圈电压频率会产生fc±fr的特征频率,其中fc为电机的基波频率,fr为电机的机械转频;n个不同动态偏心率的旋转永磁同步电机的各自3个探测线圈电压频率的电压基波幅值、左边带谐波幅值和右边带谐波幅值用矩阵Un×9表示为:
Figure FDA0003628030720000011
在第n个旋转永磁同步电机动态偏心电磁有限元模型下,第i个探测线圈电压频率为fc的电压基波幅值可记为Un_i_fc,第i个探测线圈电压频率为fc-fr的电压左边带谐波幅值记为Un_i_fc-fr,第i个探测线圈电压频率为fc+fr的电压右边带谐波幅值记为Un_i_fc+fr,其中,i=1,2,3;
步骤四、基于支持向量机建立旋转永磁同步电机动的态偏心率检测模型:
4.1、支持向量机构建,所述支持向量机的结构依次包括:输入层、核函数层和输出层;
4.2、所述支持向量机的训练集确定,选择旋转永磁同步电机动态偏心电磁仿真模型中的n个动态偏心率下3个探测线圈电压频率的电压基波幅值、左边带谐波幅值和右边带谐波幅值、即Un×9,作为支持向量机的输入层,其对应的动态偏心率矩阵Yn×1作为支持向量机的输出层;输入层和输出层共同作为所述支持向量机的训练集;
4.3、所述支持向量机核函数和检测函数的确定,高斯核函数svmtrain作为核函数层,函数svmpredict作为检测函数,采用交叉验证的方式多次训练模型,直至模型准确率不低于99%时,确定惩罚参数c和奖励参数g;获得支持向量机的旋转永磁同步电机动态偏心率检测模型;
步骤五、应用旋转永磁同步电机的动态偏心率检测模型诊断旋转永磁同步电机动态偏心率:
5.1、步骤二中判定待诊断的旋转永磁同步电机存在动态偏心故障时,将步骤一获得的待诊断旋转永磁同步电机3个探测线圈电压时间历程滤波去噪,然后经过快速傅里叶变换,分离出3个探测线圈电压频率的电压基波幅值、左边带谐波幅值和右边带谐波幅值,并组成矩阵U′1×9作为输入信号,
将U′1×9=[U′1_1_fc U′1_1_fc-fr U′1_1_fc+fr U′1_2_fc U′1_2_fc-fr U′1_2_fc+fr U′1_3_fcU′1_3_fc-fr U′1_3_fc+fr]导入到步骤四获得的支持向量机的旋转永磁同步电机动态偏心率检测模型,支持向量机的旋转永磁同步电机动态偏心率检测模型的输出层输出待诊断的旋转永磁同步电机的动态偏心率Y′a
CN202110074523.0A 2021-01-20 2021-01-20 一种旋转永磁同步电机动态偏心故障检测方法 Active CN112881910B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110074523.0A CN112881910B (zh) 2021-01-20 2021-01-20 一种旋转永磁同步电机动态偏心故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110074523.0A CN112881910B (zh) 2021-01-20 2021-01-20 一种旋转永磁同步电机动态偏心故障检测方法

Publications (2)

Publication Number Publication Date
CN112881910A CN112881910A (zh) 2021-06-01
CN112881910B true CN112881910B (zh) 2022-06-10

Family

ID=76050554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110074523.0A Active CN112881910B (zh) 2021-01-20 2021-01-20 一种旋转永磁同步电机动态偏心故障检测方法

Country Status (1)

Country Link
CN (1) CN112881910B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112782580B (zh) * 2021-02-25 2023-02-10 上海弈格工程技术有限公司 一种电机的故障评估系统
CN113686237B (zh) * 2021-09-08 2023-03-24 东南大学 一种基于线性霍尔的永磁电机偏心诊断方法及其检测系统
CN113985282A (zh) * 2021-11-03 2022-01-28 哈尔滨工业大学(威海) 基于Elman神经网络的永磁同步电机动态偏心故障诊断方法
CN114295979A (zh) * 2021-12-30 2022-04-08 哈尔滨工业大学(威海) 一种永磁同步电机混合偏心故障诊断方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101680242B1 (ko) * 2016-01-12 2016-11-28 고려대학교 산학협력단 영구자석 동기 전동기 진단 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
CN109542087A (zh) * 2018-12-12 2019-03-29 中南大学 一种永磁同步电机失磁故障模拟方法、系统及介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4657048B2 (ja) * 2005-07-28 2011-03-23 三菱電機株式会社 単相誘導機のエアギャップ偏心検出装置及びエアギャップ偏心検査方法
CN102033210A (zh) * 2009-09-30 2011-04-27 田京涛 一种交流发电机气隙磁场检测装置及在交流发电机状态监测和控制方法的应用
CN103414428B (zh) * 2013-08-05 2015-08-05 江苏大学 无轴承同步磁阻电机转子偏心位移控制器及其构造方法
CN105044602A (zh) * 2015-08-25 2015-11-11 合肥工业大学 一种感应电动机的偏心检测装置及其检测方法
CN105698740B (zh) * 2016-03-30 2018-06-29 同济大学 一种永磁同步电机偏心诊断方法
CN107192947B (zh) * 2017-06-08 2019-02-15 重庆大学 基于磁场监测的永磁同步电机故诊断方法
CN109541461B (zh) * 2018-10-31 2020-10-09 重庆大学 一种基于磁场分布监测的永磁同步电机偏心故障诊断方法
CN110501640B (zh) * 2019-07-10 2021-08-17 哈尔滨工业大学(威海) 一种基于气隙磁场直接测试检测永磁电机静态偏心的方法
CN110703091B (zh) * 2019-09-12 2021-10-22 哈尔滨工业大学(威海) 电动汽车用内置式永磁同步电机静态偏心故障检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101680242B1 (ko) * 2016-01-12 2016-11-28 고려대학교 산학협력단 영구자석 동기 전동기 진단 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
CN109542087A (zh) * 2018-12-12 2019-03-29 中南大学 一种永磁同步电机失磁故障模拟方法、系统及介质

Also Published As

Publication number Publication date
CN112881910A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN112881910B (zh) 一种旋转永磁同步电机动态偏心故障检测方法
CN113093005B (zh) 一种永磁同步电机静态偏心故障诊断方法
Mirimani et al. An online method for static eccentricity fault detection in axial flux machines
CN103217644B (zh) 感应电动机转子缺陷诊断装置、方法及媒介
CN110703091B (zh) 电动汽车用内置式永磁同步电机静态偏心故障检测方法
CN109541461B (zh) 一种基于磁场分布监测的永磁同步电机偏心故障诊断方法
CN102998591B (zh) 一种发电机转子绕组动态匝间短路故障的定位方法
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
Ahmed et al. Detection of eccentricity faults in machine usingfrequency spectrum technique
Hegde et al. Experimental investigation on detection of air gap eccentricity in induction motors by current and vibration signature analysis using non-invasive sensors
CN110470212B (zh) 一种轮毂电机动态偏心故障检测方法
CN104964776A (zh) 一种电机齿槽转矩和摩擦转矩的测量设备及方法
CN109342877B (zh) 一种分数槽集中绕组永磁电机的绕组匝间短路故障检测装置及方法
CN103308706A (zh) 一种叶片泵转速检测方法及其装置
Pandarakone et al. Frequency spectrum investigation and analytical diagnosis method for turn-to-turn short-circuit insulation failure in stator winding of low voltage induction motor
CN113237659B (zh) 一种磁悬浮旋转机械系统在线频率响应测试方法
Barański New vibration diagnostic method of PM generators and traction motors-detecting of vibrations caused by unbalance
CN110441688A (zh) 水轮发电机转子绕组动态匝间短路检测装置及检测方法
CN113533859A (zh) 一种永磁同步磁阻电动机铁耗测试方法
Mazzoletti et al. Interturn short-circuit fault diagnosis in PMSM with partitioned stator windings
Lasjerdi et al. Condition monitoring of wound rotor resolvers
Coenen et al. Statistical evaluation of manufacturing tolerances in electrical machines by simulation and measurement
Coenen et al. Evaluating the influence of manufacturing tolerances in permanent magnet synchronous machines
CN113985282A (zh) 基于Elman神经网络的永磁同步电机动态偏心故障诊断方法
CN116679202B (zh) 一种基于气隙磁通密度特性的发电机故障检测方法

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