CN112924090A - 一种基于电磁应力分析的电机气隙偏心故障检测方法及系统 - Google Patents
一种基于电磁应力分析的电机气隙偏心故障检测方法及系统 Download PDFInfo
- Publication number
- CN112924090A CN112924090A CN202110119841.4A CN202110119841A CN112924090A CN 112924090 A CN112924090 A CN 112924090A CN 202110119841 A CN202110119841 A CN 202110119841A CN 112924090 A CN112924090 A CN 112924090A
- Authority
- CN
- China
- Prior art keywords
- motor
- fault
- air gap
- signal
- electromagnetic force
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M1/00—Testing static or dynamic balance of machines or structures
- G01M1/12—Static balancing; Determining position of centre of gravity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M1/00—Testing static or dynamic balance of machines or structures
- G01M1/14—Determining unbalance
- G01M1/16—Determining unbalance by oscillating or rotating the body to be tested
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
- Manufacture Of Motors, Generators (AREA)
Abstract
本发明公开了一种基于电磁应力分析的电机气隙偏心故障检测方法及系统,其通过实时采集待识别诊断电机在预设时间间隔内的径向电磁力信号和不平衡磁拉力信号,分别对其进行快速傅里叶变换,判断电机是否发生气隙偏心故障。在此基础上对两种电磁应力信号进行融合相关谱分析,获得融合相关谱图,利用得到的融合相关谱图可判断电机是否存在偏心故障以及偏心故障的类型,进一步简化故障识别难度,从而解决了传统电流频谱分析方法中故障识别信号单一,且易受电机运行状态影响,故障识别精度不高的问题。
Description
技术领域
本发明属于电机故障识别技术领域,更具体地,涉及一种基于电磁应力分 析的电机气隙偏心故障检测方法及系统。
背景技术
异步电机是一种交流电机,也称感应电机,主要作电动机使用。当异步电 机定子绕组通入三相对称交流电源后,定子绕组中将流过三相对称电流,气隙 中将建立基波旋转磁动势,从而产生基波旋转磁场。转子绕组导体切割旋转磁 场产生感应电势,并在转子绕组中产生相应的电流。转子电流与气隙中的旋转 磁场相互作用产生电磁转矩,从而驱动转子旋转。由电磁转矩产生原理可知, 当异步电机作电动运行时,其转速一定低于磁场的同步转速。
异步电机具有结构简单、运行可靠、制造容易、价格低廉、坚固耐用,具 有较高工作效率和较好工作特性等显著优点,被广泛应用于冶金、煤炭、矿山、 机械和油田等各个工业生产领域。而电机在加工过程中,由于加工、装配误差 等问题,通常电机在出厂初期,转轴与轴承的配合总是存在一定的缝隙,即初 始静偏心。电机经长期带载运行后,由于电机轴承的磨损及其他机械原因,定 子轴、转子轴及转子旋转轴的一致性受到进一步破坏,造成电机各相定子与转 子间的气隙不均匀,导致电机转轴承受不平衡磁拉力的作用,从而使电机振动 加剧和噪声恶化,尤其当电机处于高速运行时,上述现象更为明显,限制了电 机的调速范围。总体上来说,当电机出现气隙偏心故障后,轻则使气隙磁场产 生畸变,恶化电机各项输出性能与指标;重则导致定、转子间发生摩擦,电机 运行失效,甚至出现更为严重的机毁人亡等重大事故,因此对电机气隙偏心故 障检测方法的研究具有重要的实际应用价值,能及时依据故障检测信息采取针 对性的电机运维措施。
在现有的电机偏心故障检测方法中,电流信号频谱分析由于获取方便且含 有丰富的故障信息而被广泛应用。但针对传统的电流频谱分析方法,故障识别 信号单一,且易受电机运行状态的影响,极易造成误判。当电机发生气隙偏心 时,电流信号的故障特征频谱信息冗余,增加了故障识别难度,且依据电流信 号更无法准确直观地判断气隙偏心的类型。发明专利CN201710368353.0提出 了一种ANFIS风电双馈异步电机气隙偏心故障诊断分类方法,其特点在于,在 基于软件仿真的前提下模拟电机发生动、静、混合三种偏心故障,对定子电流 进行小波分解,提取发生不同气隙偏心故障时的特征频段,将该频段的小波能量值作为训练样本数据,构造自适应神经模糊推理系统,并引用混合学习算法 进行训练,判别出双馈异步电机的气隙偏心故障类型。上述人工智能算法需要 以电机大量故障表征信号为依据,通过数据训练建立电机故障输入和输出间的 映射关系,从而判断电机是否发生故障及发生故障的类型、严重程度等详情, 所以对于数据的多样本性具有较高要求,且训练样本时间较长,根据一类电机 数据训练好的神经网络模型也不能应用推广到其他类型电机,故障诊断的实时 性和通用性较差。
发明内容
针对现有技术的至少一个缺陷或改进需求,本发明提供了一种基于电磁应 力分析的电机气隙偏心故障检测方法及系统,其目的在于解决依据电流信号诊 断气隙偏心故障,存在故障识别信号单一且气隙偏心故障类型难以被识别检测 的问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于电磁应力分析 的电机气隙偏心故障检测方法,包括如下步骤:
获取待识别诊断电机在预设时间间隔内的径向电磁力信号和不平衡磁拉力 信号,分别进行快速傅里叶变换以得到径向电磁力频谱信号和不平衡磁拉力频 谱信号,判断该电机是否存在偏心故障;
该电机存在偏心故障时,对径向电磁力信号和不平衡磁拉力信号进行融合 相关谱分析以获得融合相关谱图,利用所述融合相关谱图判断电机偏心故障的 类型,包括:
若融合相关谱图存在2f的谱峰分量,则判断所述电机存在静偏心故障;
若融合相关谱图存在(1-s)f/p的谱峰分量,则判断所述电机存在动偏心故 障;
若融合相关谱图同时存在(1-s)f/p与2f的分量,则判断所述电机存在混合 偏心故障,
其中,s为电机转差率,p为电机极对数,f为基波频率。
作为本发明的进一步改进,对径向电磁力信号和不平衡磁拉力信号进行融 合相关谱分析的具体计算式为:
0≤Cxy≤1
其中,Cxy为径向电磁力信号和不平衡磁拉力信号的融合相关谱,其幅值大 小用于表示径向电磁力信号频谱和不平衡磁拉力信号频谱在某处频率下的相关 程度;Pxy为径向电磁力信号和不平衡磁拉力信号的互功率谱密度估计,E[·]为期望算子;Pxx为径向电磁力信号的自功率谱密 度估计,Pyy为不平衡磁拉力信号的自功率谱密度估计。
作为本发明的进一步改进,若该电机存在气隙静偏心故障,单位面积径向 电磁力表达式为:
沿转子圆周方向对单位面积径向电磁力积分,得到该电机转子所受到的不 平衡磁拉力的合力为:
其中,Λ0、Λs分别为正常电机和气隙静偏心故障下的气隙磁导,F1为电机 三相绕组基波合成磁动势的幅值,w为同步旋转角速度,ωr为转子旋转角速度, θ为某一时刻空间电角度,μ0为真空磁导率。
作为本发明的进一步改进,若该电机存在气隙动偏心故障,单位面积径向 电磁力的表达式为:
沿转子圆周方向对单位面积径向电磁力积分,得到该电机转子所受到的不 平衡磁拉力的合力为:
其中,Λ0、Λd分别为正常电机和气隙动偏心故障下的气隙磁导,F1为电机 三相绕组基波合成磁动势的幅值,w为同步旋转角速度,ωr为转子旋转角速度, θ为某一时刻空间电角度,μ0为真空磁导率。
为实现上述目的,按照本发明的另一个方面,提供了一种基于电磁应力分 析的电机气隙偏心故障检测系统,该系统包括:
信号采集模块,用于实时采集待识别诊断电机在预设时间间隔内的径向电 磁力信号和不平衡磁拉力信号;
频谱分析模块,用于分别进行快速傅里叶变换以得到径向电磁力频谱信号 和不平衡磁拉力频谱信号,还用于对径向电磁力信号和不平衡磁拉力信号进行 融合相关谱分析,获得融合相关谱图;
故障分析模块,用于判断该电机是否存在偏心故障,该电机存在偏心故障 时,利用融合相关谱图判断电机偏心故障的类型,包括:
若融合相关谱图存在2f的谱峰分量,则判断所述电机存在静偏心故障;
若融合相关谱图存在(1-s)f/p的谱峰分量,则判断所述电机存在动偏心故 障;
若融合相关谱图同时存在(1-s)f/p与2f的分量,则判断所述电机存在混合 偏心故障,
其中,s为电机转差率,p为电机极对数,f为基波频率。
作为本发明的进一步改进,信号采集模块采用振动传感器,具体为:
将振动传感器按垂直径向安装于电机定子,以实时检测电机的径向振动, 获得径向电磁力信号;在电机转子或轴承上安装贴有应变片的振动传感器,以 实时检测转子的振动信号,获得不平衡磁拉力信号。
作为本发明的进一步改进,对径向电磁力信号和不平衡磁拉力信号进行融 合相关谱分析的具体计算式为:
0≤Cxy≤1
其中,Cxy为径向电磁力信号和不平衡磁拉力信号的融合相关谱,其幅值大 小用于表示径向电磁力信号频谱和不平衡磁拉力信号频谱在某处频率下的相关 程度;Pxy为径向电磁力信号和不平衡磁拉力信号的互功率谱密度估计,E[·]为期望算子;Pxx为径向电磁力信号的自功率谱密 度估计,Pyy为不平衡磁拉力信号的自功率谱密度估计。
作为本发明的进一步改进,若当前电机存在气隙静偏心故障,单位面积径 向电磁力表达式为:
沿转子圆周方向对单位面积径向电磁力积分,得到电机转子所受到的不平 衡磁拉力的合力为:
其中,Λ0、Λs分别为正常电机和气隙静偏心故障下的气隙磁导,F1为电机 三相绕组基波合成磁动势的幅值,ω为同步旋转角速度,ωr为转子旋转角速度, θ为某一时刻空间电角度,μ0为真空磁导率。
作为本发明的进一步改进,若该电机存在气隙动偏心故障,单位面积径向 电磁力的表达式为:
沿转子圆周方向对单位面积径向电磁力积分,得到该电机转子所受到的不 平衡磁拉力的合力为:
其中,Λ0、Λd分别为正常电机和气隙动偏心故障下的气隙磁导,F1为电机 三相绕组基波合成磁动势的幅值,ω为同步旋转角速度,ωr为转子旋转角速度, θ为某一时刻空间电角度,μ0为真空磁导率。
为实现上述目的,按照本发明的另一个方面,提供了一种计算机可读介质, 其存储有可由电子设备执行的计算机程序,当计算机程序在电子设备上运行时, 使得电子设备执行上述方法的步骤。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得 下列有益效果:
(1)本发明提供的一种基于电磁应力分析的电机气隙偏心故障检测方法及 系统,其通过安装于电机定子及转子上的振动传感器,获取两种类型的电磁应 力信号,通过对电磁应力信号的特征频谱分析,能够识别电机气隙偏心故障, 从而解决了传统电流频谱分析方法中故障识别信号单一,且易受电机运行状态 影响,故障识别精度不高的问题。
(2)本发明提供的一种基于电磁应力分析的电机气隙偏心故障检测方法及 系统,其进一步通过融合相关谱分析的方法简化了电机气隙偏心故障类型的识 别难度。相关谱函数本质上表达了两种信号的相似性,同时也是两种信号线性 相关的一种度量。这使得径向电磁力信号自功率谱和不平衡磁拉力信号自功率 谱在相同频率处的幅值被增强,反之减弱。利用这一特征,在电机发生气隙偏 心故障后,可以在融合相关谱中准确提取出表征偏心故障类型的特征频谱分量, 这有助于气隙偏心故障的可靠诊断,克服了单纯利用定子电流频谱分析的不足, 同时也为电机故障诊断中利用多元信息融合的思想提供了新的思路。
附图说明
图1是本发明实施例提供的一种基于电磁应力分析的电机气隙偏心故障检 测方法的示意图;
图2是本发明实施例提供的正常电机与静偏心、动偏心、混合偏心故障电 机的径向电磁力信号傅里叶变换频谱的对比示意图;
图3是本发明实施例提供的正常电机与静偏心、动偏心、混合偏心故障电 机的不平衡磁拉力信号傅里叶变换频谱的对比示意图;
图4是本发明实施例提供的静偏心故障电机、动偏心故障电机和混合偏心 故障电机的径向电磁力信号自功率谱密度估计的对比示意图;
图5是本发明实施例提供的静偏心故障电机、动偏心故障电机和混合偏心 故障电机的不平衡磁拉力信号自功率谱密度估计的对比示意图;
图6是本发明实施例提供的静偏心故障电机、动偏心故障电机和混合偏心 故障电机的径向电磁力信号和不平衡磁拉力信号的互功率谱密度估计的对比示 意图;
图7是本发明实施例提供的静偏心故障电机、动偏心故障电机和混合偏心 故障电机的径向电磁力信号和不平衡磁拉力信号的融合相关谱的对比示意图。
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,以下结合附图及实 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。此外,下面所描述的本发明各个实 施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
下面结合实施例和附图对本发明提供的基于电磁应力分析的电机气隙偏心 故障检测方法及系统的结构和工作原理进行详细说明。
图1分别为本发明优选实施例的一种基于电磁应力分析的电机气隙偏心故 障检测方法的示意图。如图1所示,该方法包括:
S1.实时采集待识别诊断电机在预设时间间隔内的径向电磁力信号和不平 衡磁拉力信号,分别对其进行快速傅里叶变换以得到径向电磁力信号频谱和不 平衡磁拉力信号频谱,判断电机是否发生气隙偏心故障;
具体地,若当前电机正常运行,电机磁路单位面积气隙磁导可表达为:
此时电机气隙合成磁势的基波为波幅恒定,转速为同步转速的旋转磁动势 波:
f(t,θ)=F1cos(wt-θ)
忽略定转子绕组产生的谐波磁势,电机在正常运行时的气隙磁密可表达为:
b(t,θ)=f(t,θ)Λ0=F1cos(wt-θ)·Λ0
根据麦克斯韦定律,气隙磁场中单位面积的径向电磁力为:
代入得:
气隙磁场单位面积径向电磁力作用于定子铁心,将影响定子振动。沿圆周 方向对径向电磁力积分可分别得到电机转子在X轴和Y轴方向所受到的不平衡 磁拉力,可表达为:
其中,L为电机轴向长度,R为转子外径。
正常情况下,电机转子所受到的不平衡磁拉力的合力为0,即:
若当前电机存在气隙静偏心故障,作为一个示例,静偏心故障情况下的气 隙磁导可近似表达为:
此时气隙磁密为:
bs(t,θ)=f(t,θ)Λs(t,θ)=F1cos(wt-θ)·(Λ0+Λscosθ)
基于麦克斯韦方程,径向电磁应力与气隙磁密的平方成正比,进一步可得 静偏心故障下的单位面积径向电磁应力为:
沿转子圆周方向对单位面积径向电磁力积分可进一步得到电机转子所受到 的不平衡磁拉力的合力为:
若当前电机存在气隙动偏心故障,气隙磁导可近似表达为:
此时气隙磁密为:
bd(t,θ)=f(t,θ)Λd(t,θ)=F1cos(wt-θ)·[Λ0+Λdcos(ωrt-θ)]
进一步可得动偏心故障下的单位面积径向电磁应力为:
沿转子圆周方向对单位面积径向电磁力积分可进一步得到电机转子所受到 的不平衡磁拉力的合力为:
若当前电机存在气隙混合偏心故障时,电机定子几何中心、转子几何中心、 电机旋转中心彼此都不重合,此时静偏心和动偏心下的电磁应力的故障特征频 率都会出现。进一步可得到电机转子在混合偏心故障下所受到的不平衡磁拉力 的合力为:
其中,Λ0、Λs、Λd分别为正常电机、气隙静偏心、气隙动偏心故障下的 气隙磁导,F1为电机三相绕组基波合成磁动势的幅值,ω为同步旋转角速度, 在频谱分析中对应基波频率f,ωr为转子旋转角速度,在频谱分析中对应电机 转子旋转频率(1-s)f/p,θ为某一时刻空间电角度,μ0为真空磁导率,s为电 机转差率,p为电机极对数。由上述公式推导可知,当电机存在气隙静偏心故 障时,径向电磁力频谱中含有2f的故障分量谱峰,不平衡磁拉力频谱中也含有 2f的故障分量谱峰,当电机存在气隙动偏心故障时,径向电磁力频谱中含有(1-s)f/p、2(1-s)f/p、2f±[(1-s)f/p]等故障分量谱峰,不平衡磁拉力频谱中含有 (1-s)f/p等故障分量谱峰,当电机存在混合偏心故障时,上述电磁应力故障特 征频率分量都会产生。
S2.对径向电磁力信号和不平衡磁拉力信号进行融合相关谱分析,获得融 合相关谱图;
具体地,电机径向电磁力信号和不平衡磁拉力信号的融合相关谱分析的方 法为:
当电机存在气隙偏心故障时,电机径向电磁力信号和不平衡磁拉力信号中 含有相同的故障频率分量,采用融合相关谱分析的方法可以使故障特征频率凸 显,提高电机故障识别的精度。
信号的自功率谱密度函数表示信号自身的功率密度沿频率轴的分布情况, 信号的互功率谱密度函数表示在频率域上一个信号的取值对另一个信号的依赖 程度。
根据帕斯瓦尔定理,若两个信号都满足绝对可积的条件,可定义信号的互 功率谱密度估计为:
进一步定义融合相关谱分析的具体计算式为:
0≤Cxy≤1
其中,E[·]为期望算子,Cxy为径向电磁力信号和不平衡磁拉力信号的融合相 关谱,其幅值大小表示两信号频谱在某处频率下的相关程度,Pxy为两信号的互 功率谱密度估计,Pxx为径向电磁力信号的自功率谱密度估计,Pyy为不平衡磁拉 力信号的自功率谱密度估计。融合相关谱分析算法在本质上表达了径向电磁力 信号和不平衡磁拉力信号的相似性,当信号具有相同的频率分量时,其融合相 关谱中该频率分量的幅值就会增强,反之减弱,利用这一特性,可准确提取故 障特征频率分量,提高故障诊断的可靠性。
S3.利用得到的融合相关谱图判断电机是否存在气隙偏心故障及偏心故障 的类型,具体为:若融合相关谱图存在2f的故障分量谱峰,则判断电机当前存 在静偏心故障;若融合相关谱图存在(1-s)f/p的故障分量谱峰,则判断电机当 前存在动偏心故障;若融合相关谱图同时存在(1-s)f/p与2f的故障分量谱峰, 则判断电机当前存在混合偏心故障;否则电机当前则为正常运行。其中,s为电 机转差率,p为电机极对数,f为基波频率。
通过径向电磁力信号和不平衡磁拉力信号融合相关谱分析的方法可以使电 机气隙偏心故障特征信号容易被识别检测,该方法可应用于工频或变频供电下 电机的气隙偏心故障检测。
一种基于电磁应力分析的电机气隙偏心故障检测系统,该系统包括:
信号采集模块,用于实时采集待识别诊断电机在预设时间间隔内的径向电 磁力信号和不平衡磁拉力信号,作为一个示例,所述信号采集模块采用振动传 感器,具体为:将振动传感器按垂直径向安装于电机定子,以实时检测电机的 径向振动,获得径向电磁力信号;在电机转子或轴承上安装贴有应变片的振动 传感器,以实时检测转子的振动信号,获得不平衡磁拉力信号。
频谱分析模块,用于分别进行快速傅里叶变换以得到径向电磁力频谱信号 和不平衡磁拉力频谱信号,还用于对径向电磁力信号和不平衡磁拉力信号进行 融合相关谱分析,获得融合相关谱图;
故障分析模块,用于判断所述电机是否存在偏心故障,所述电机存在偏心 故障时,利用所述融合相关谱图判断电机偏心故障的类型,具体为:若融合相 关谱图存在2f的故障分量谱峰,则判断电机当前存在静偏心故障;若融合相关 谱图存在(1-s)f/p的故障分量谱峰,则判断电机当前存在动偏心故障;若融合 相关谱图同时存在(1-s)f/p与2f的故障分量谱峰,则判断电机当前存在混合偏 心故障。其中,s为电机转差率,p为电机极对数,f为基波频率。
该系统的实现原理、技术效果与上述方法类似,此处不再赘述。
表1为本发明实施例电机的基本相关参数。如表1所示,以一台4极3相 电机为示例,在Ansoft Maxwell、MATLAB/SIMULINK软件中进行相应的仿真 验证,该电机的基本相关参数见表1。
表1本发明实施例电机的基本相关参数
电机参数 | 参数数值 |
极数/相数 | 4极/3相 |
定子铁心外径/内径 | 260/170mm |
转子铁心外径/内径 | 169/60mm |
电机额定速度 | 1458rpm |
电机额定转差率s | 0.0283 |
在Ansoft Maxwell软件中对电机进行有限元建模和仿真,电机气隙偏心故 障工况的模拟可通过改变电机转子及转轴的位置来实现。具体为:模拟静偏心 故障时,将转子铁芯、导条、转轴移动一个距离,然后在转子的圆心建立一个 旋转坐标系,令该坐标系的Z轴为旋转轴。模拟动偏心故障时,将转子铁芯、 导条、转轴移动一个距离,旋转坐标系保持不动,依然将定子的圆心保持为旋 转中心。模拟混合偏心故障时,转子圆心、定子圆心、电机旋转中心彼此都不 重合,可根据要求设置不同程度的偏移距离。有限元仿真时间设定为3s,仿真步 长设定为0.001s。通过仿真后处理操作分别提取正常电机、气隙静偏心故障电机、气隙动偏心故障电机、气隙混合偏心故障电机所对应的径向电磁力信号和 不平衡磁拉力信号,继而通过MATLAB对信号作进一步融合相关分析,通过 融合相关谱图中故障特征频率的谱峰是否存在来判断当前电机的运行状态。
图2和图3分别为本发明优选实施例的正常电机与静偏心、动偏心、混合 偏心故障电机的径向电磁力信号和不平衡磁拉力信号的傅里叶变换频谱的对比 示意图;
图4、图5、图6和图7分别为本发明优选实施例的静偏心故障电机、动偏 心故障电机和混合偏心故障电机,所对应的径向电磁力信号自功率谱密度估计、 不平衡磁拉力信号自功率谱密度估计、径向电磁力信号和不平衡磁拉力信号的 互功率谱密度估计、径向电磁力信号和不平衡磁拉力信号的融合相关谱图。
如图2所示,静偏心故障电机与正常电机径向电磁力频谱相比,仅在频率 为2f处的幅值略有增大,动偏心、混合偏心故障电机与正常电机径向电磁力频 谱相比,出现多处故障特征频率可供识别。但由于正常电机在2f处也有一定的 幅值,且径向电磁力故障特征频谱过于复杂,因此仅凭径向电磁力信号诊断气 隙偏心故障的方法准确性不高,动偏心与混合偏心故障类型难以被区分。
如图3所示,当电机发生静偏心故障时,不平衡磁拉力频谱中出现2f的故 障分量谱峰;当电机发生动偏心故障时,不平衡磁拉力频谱中出现(1-s)f/p的 故障分量谱峰;当电机发生混合偏心故障时,不平衡磁拉力频谱中同时出现 (1-s)f/p和2f的故障分量谱峰。但只利用不平衡磁拉力频谱诊断电机气隙偏心 故障,存在故障识别信号单一的问题,此外不能排除由于非气隙偏心因素导致 故障分量的出现。基于上述存在的问题,考虑到径向电磁力频谱和不平衡磁拉 力频谱在气隙偏心故障下的相关性,提出一种基于融合相关谱分析的电机气隙 偏心故障检测方法,可进一步提高故障识别的精度与可靠性。
如图4所示,静偏心、动偏心、混合偏心故障电机径向电磁力信号自功率 谱密度估计图在100Hz(即2f)处均有较大的谱峰,幅值高达100dB以上,此外 动偏心、混合偏心故障电机在20~40Hz范围内相较于静偏心故障电机有较大的 谱峰,表明此时径向电磁力信号中存在能够反映电机气隙偏心故障的特征频率 信息。
如图5所示,静偏心、动偏心、混合偏心故障电机不平衡磁拉力信号自功 率谱密度估计图存在一定的差异性,即反映了不同偏心故障类型下的故障特征 频率的差异性。结合图4所示的电机气隙偏心时径向电磁力信号自功率谱密度 估计,可以发现两种电磁应力信号在同一偏心故障类型下的相关性,据此可综 合利用这两种故障表征信号进行信号的融合相关谱分析。
如图6所示,静偏心故障电机的径向电磁力和不平衡磁拉力信号互功率谱 密度估计图在100Hz(即2f)处有较大的谱峰,幅值达30dB左右;动偏心故障 电机的径向电磁力和不平衡磁拉力信号互功率谱密度估计图在20Hz附近有较 大的谱峰,幅值达30dB以上;混合偏心故障电机的径向电磁力和不平衡磁拉 力信号互功率谱密度估计图在20Hz附近、100Hz(即2f)处均有较大的谱峰,幅 值达30dB左右。径向电磁力信号自功率谱和不平衡磁拉力信号自功率谱在相 同频率处的幅值被增强,反之减弱。表明利用电磁应力信号融合相关谱的方法 对电机进行气隙偏心故障诊断是可行的。
如图7所示,静偏心、动偏心、混合偏心故障电机的径向电磁力和不平衡 磁拉力信号的融合相关谱图相较于图4、图5不同电磁应力信号的自功率谱密 度估计,故障特征频谱的识别难度得到直观地改善,这对于实际的现场诊断工 作非常必要。通过电磁应力信号的融合相关谱图可以方便且精确地识别电机是 否存在气隙偏心故障及偏心故障的类型,即:若融合相关谱图存在2f的故障分 量谱峰,则判断电机当前存在静偏心故障;若融合相关谱图存在(1-s)f/p的故 障分量谱峰,则判断电机当前存在动偏心故障;若融合相关谱图同时存在 (1-s)f/p与2f的故障分量谱峰,则判断电机当前存在混合偏心故障;否则电机 当前则为正常运行。其中,s为电机转差率,p为电机极对数,f为基波频率。 该发明方法的实效性得以验证,同时也为电机故障诊断中利用多元信息融合的 思想提供了新的思路。
本实施例还提供了一种电子设备,其包括至少一个处理器、以及至少一个 存储器,其中,存储器中存储有计算机程序,当计算机程序被处理器执行时, 使得处理器执行实施例中的基于电磁应力分析的电机气隙偏心故障检测方法的 步骤,具体步骤参见实施例,此处不再赘述;本实施例中,处理器和存储器的 类型不作具体限制,例如:处理器可以是微处理器、数字信息处理器、片上可 编程逻辑系统等;存储器可以是易失性存储器、非易失性存储器或者它们的组 合等。
该电子设备也可以与一个或多个外部设备(如键盘、指向终端、显示器等) 通信,还可与一个或者多个使得用户能与该电子设备交互的终端通信,和/或与 使得该电子设备能与一个或多个其它计算终端进行通信的任何终端(例如网卡, 调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,电 子设备还可以通过网络适配器与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网(Wide Area Network,WAN)和/或公共网络,例如因特 网)通信。
本实施例还提供了一种计算机可读介质,其存储有可由电子设备执行的计 算机程序,当所述计算机程序在电子设备上运行时,使得所述电子设备执行实 施例中的基于电磁应力分析的电机气隙偏心故障检测方法的步骤。计算机可读 介质的类型包括但不限于SD卡、U盘、固定硬盘、移动硬盘等存储介质。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并 不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于电磁应力分析的电机气隙偏心故障检测方法,其特征在于,包括如下步骤:
获取待识别诊断电机在预设时间间隔内的径向电磁力信号和不平衡磁拉力信号,分别进行快速傅里叶变换以得到径向电磁力频谱信号和不平衡磁拉力频谱信号,判断所述电机是否存在偏心故障;
所述电机存在偏心故障时,对径向电磁力信号和不平衡磁拉力信号进行融合相关谱分析以获得融合相关谱图,利用所述融合相关谱图判断电机偏心故障的类型,包括:
若所述融合相关谱图存在2f的谱峰分量,则判断所述电机存在静偏心故障;
若融合相关谱图存在(1-s)f/p的谱峰分量,则判断所述电机存在动偏心故障;
若融合相关谱图同时存在(1-s)f/p与2f的分量,则判断所述电机存在混合偏心故障,
其中,s为电机转差率,p为电机极对数,f为基波频率。
5.一种基于电磁应力分析的电机气隙偏心故障检测系统,其特征在于,该系统包括:
信号采集模块,用于实时采集待识别诊断电机在预设时间间隔内的径向电磁力信号和不平衡磁拉力信号;
频谱分析模块,用于分别进行快速傅里叶变换以得到径向电磁力频谱信号和不平衡磁拉力频谱信号,还用于对径向电磁力信号和不平衡磁拉力信号进行融合相关谱分析,获得融合相关谱图;
故障分析模块,用于判断所述电机是否存在偏心故障,所述电机存在偏心故障时,利用所述融合相关谱图判断电机偏心故障的类型,包括:
若所述融合相关谱图存在2f的谱峰分量,则判断所述电机存在静偏心故障;
若融合相关谱图存在(1-s)f/p的谱峰分量,则判断所述电机存在动偏心故障;
若融合相关谱图同时存在(1-s)f/p与2f的分量,则判断所述电机存在混合偏心故障,
其中,s为电机转差率,p为电机极对数,f为基波频率。
6.如权利要求5所述的一种基于电磁应力分析的电机气隙偏心故障检测系统,其中,所述信号采集模块采用振动传感器,具体为:
将振动传感器按垂直径向安装于电机定子,以实时检测电机的径向振动,获得径向电磁力信号;在电机转子或轴承上安装贴有应变片的振动传感器,以实时检测转子的振动信号,获得不平衡磁拉力信号。
10.一种计算机可读介质,其特征在于,其存储有可由电子设备执行的计算机程序,当所述计算机程序在电子设备上运行时,使得所述电子设备执行权利要求1~4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110119841.4A CN112924090B (zh) | 2021-01-28 | 2021-01-28 | 一种基于电磁应力分析的电机气隙偏心故障检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110119841.4A CN112924090B (zh) | 2021-01-28 | 2021-01-28 | 一种基于电磁应力分析的电机气隙偏心故障检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112924090A true CN112924090A (zh) | 2021-06-08 |
CN112924090B CN112924090B (zh) | 2022-03-08 |
Family
ID=76168094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110119841.4A Active CN112924090B (zh) | 2021-01-28 | 2021-01-28 | 一种基于电磁应力分析的电机气隙偏心故障检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112924090B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460465A (zh) * | 2022-04-08 | 2022-05-10 | 华中科技大学 | 一种永磁电机偏心故障的判断方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710162A (zh) * | 2009-11-27 | 2010-05-19 | 华北电力大学(保定) | 基于定子铁心振动的电机转子绕组匝间短路故障诊断方法 |
FR3003102B1 (fr) * | 2013-03-05 | 2015-04-17 | Electricite De France | Procede de detection d'un defaut d'excentricite d'un rotor d'une machine electrique tournante |
US20160266208A1 (en) * | 2015-03-09 | 2016-09-15 | Rolls-Royce Plc | Fault detection and diagnosis in an induction motor |
CN106934162A (zh) * | 2017-03-15 | 2017-07-07 | 广东工业大学 | 一种基于磁路法与有限元法的电机噪声优化方法及装置 |
CN107132033A (zh) * | 2017-04-12 | 2017-09-05 | 国家电网公司 | 一种基于变压器噪声的绕组机械状态诊断方法及系统 |
CN208187704U (zh) * | 2018-04-26 | 2018-12-04 | 大连民族大学 | 调频变速箱的状态监测与故障诊断采集系统 |
CN109214125A (zh) * | 2018-10-22 | 2019-01-15 | 华中科技大学 | 一种电机电磁振动噪声的计算方法 |
CN109839263A (zh) * | 2019-02-26 | 2019-06-04 | 北京航空航天大学 | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 |
CN110531259A (zh) * | 2019-08-12 | 2019-12-03 | 西安交通大学 | 基于漏磁信号的感应电机电气故障诊断方法 |
CN112254910A (zh) * | 2020-10-10 | 2021-01-22 | 华中科技大学 | 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 |
-
2021
- 2021-01-28 CN CN202110119841.4A patent/CN112924090B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101710162A (zh) * | 2009-11-27 | 2010-05-19 | 华北电力大学(保定) | 基于定子铁心振动的电机转子绕组匝间短路故障诊断方法 |
FR3003102B1 (fr) * | 2013-03-05 | 2015-04-17 | Electricite De France | Procede de detection d'un defaut d'excentricite d'un rotor d'une machine electrique tournante |
US20160266208A1 (en) * | 2015-03-09 | 2016-09-15 | Rolls-Royce Plc | Fault detection and diagnosis in an induction motor |
CN106934162A (zh) * | 2017-03-15 | 2017-07-07 | 广东工业大学 | 一种基于磁路法与有限元法的电机噪声优化方法及装置 |
CN107132033A (zh) * | 2017-04-12 | 2017-09-05 | 国家电网公司 | 一种基于变压器噪声的绕组机械状态诊断方法及系统 |
CN208187704U (zh) * | 2018-04-26 | 2018-12-04 | 大连民族大学 | 调频变速箱的状态监测与故障诊断采集系统 |
CN109214125A (zh) * | 2018-10-22 | 2019-01-15 | 华中科技大学 | 一种电机电磁振动噪声的计算方法 |
CN109839263A (zh) * | 2019-02-26 | 2019-06-04 | 北京航空航天大学 | 一种基于振动信息的gis特征提取及机械缺陷诊断方法 |
CN110531259A (zh) * | 2019-08-12 | 2019-12-03 | 西安交通大学 | 基于漏磁信号的感应电机电气故障诊断方法 |
CN112254910A (zh) * | 2020-10-10 | 2021-01-22 | 华中科技大学 | 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 |
Non-Patent Citations (2)
Title |
---|
SONGJUN SUN等: "Optimization of Cogging Torque in A Hybrid Axial and Radial Flux Permanent Magnet Machine", 《2019 22ND INTERNATIONAL CONFERENCE ON ELECTRICAL MACHINES AND SYSTEMS》 * |
邵思语: "感应电动机转子偏心故障诊断方法研究", 《微特电机》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114460465A (zh) * | 2022-04-08 | 2022-05-10 | 华中科技大学 | 一种永磁电机偏心故障的判断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112924090B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CusidÓCusido et al. | Fault detection in induction machines using power spectral density in wavelet decomposition | |
Drif et al. | Airgap-eccentricity fault diagnosis, in three-phase induction motors, by the complex apparent power signature analysis | |
Drif et al. | Discriminating the simultaneous occurrence of three-phase induction motor rotor faults and mechanical load oscillations by the instantaneous active and reactive power media signature analyses | |
Wang et al. | Multiscale filtering reconstruction for wind turbine gearbox fault diagnosis under varying-speed and noisy conditions | |
Djurovic et al. | Condition monitoring of wind turbine induction generators with rotor electrical asymmetry | |
Faiz et al. | Comprehensive eccentricity fault diagnosis in induction motors using finite element method | |
CN102998591B (zh) | 一种发电机转子绕组动态匝间短路故障的定位方法 | |
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 | |
CN104965175B (zh) | 一种发电机气隙静态偏心故障方位及故障程度的检测方法 | |
CN103926533A (zh) | 永磁同步电机失磁故障在线诊断方法及系统 | |
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 | |
CN109814030A (zh) | 一种同步发电机定转子气隙动态偏心故障的诊断方法 | |
US20220393625A1 (en) | Detection system and method for rotor dynamic turn-to-turn short circuit fault of synchronous generator | |
Niu et al. | Motor fault diagnostics based on current signatures: a review | |
CN110716152A (zh) | 一种阻抗频谱监测发电机匝间短路的方法 | |
CN112924090B (zh) | 一种基于电磁应力分析的电机气隙偏心故障检测方法及系统 | |
Noureddine et al. | Rolling bearing failure detection in induction motors using stator current, vibration and stray flux analysis techniques | |
Mehrjou et al. | Analysis of statistical features based on start-up current envelope for broken rotor bar fault detection in line start permanent magnet synchronous motor | |
Göktas et al. | A new method to separate broken rotor failures and low frequency load oscillations in three-phase induction motor | |
Faiz et al. | A review of application of signal processing techniques for fault diagnosis of induction motors–Part I | |
Bhattacharyya et al. | Induction motor fault diagnosis by motor current signature analysis and neural network techniques | |
Bruzzese et al. | Static and dynamic rotor eccentricity on-line detection and discrimination in synchronous generators by no-load EMF space vector loci analysis | |
Wu et al. | Improved online condition monitoring using static eccentricity-induced negative sequence current information in induction machines | |
Trajin et al. | Detection of bearing faults in asynchronous motors using Luenberger speed observer | |
CN113777530B (zh) | 内转子式三相无刷励磁机旋转二极管开路故障诊断方法 |
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 |