CN113009334B - 一种基于小波包能量分析的电机故障检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于小波包能量分析的电机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定子电流信号和振动信号，通过小波包能量分析方法对采集的定子电流信号、径向电磁力信号和不平衡磁拉力信号进行小波包频带分解，获得不同小波包频带节点下对应的能量分布，并与正常电机信号所对应的能量分布进行比较，利用各频段信号能量的变化来诊断电机故障，根据正常信号与故障信号在不同频段信号能量分布的不同，对能量相差悬殊的频段，即可确定为故障特征信号所在的频段位置，进一步对能量异常的信号频率段进行小波包信号重构，通过傅里叶变换识别故障特征频率，诊断电机故障是否发生。

Description

一种基于小波包能量分析的电机故障检测方法及系统

技术领域

本发明属于电机故障识别技术领域，更具体地，涉及一种基于小波包能量 分析的电机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，其中，笼型异步电机的数量占整个异步电机 总量的85％左右。转子断条、气隙偏心、定子匝间短路以及轴承故障是笼型异 步电机的常见故障，其中转子断条故障是由于转子导条在电机负载过重或频繁 启动、制动时，承受机械应力、电磁应力、离心力、热应力等交变应力的作用 过大，加之转子自身存在一些固有缺陷，都有可能导致电机出现断条和端环开 裂等故障。气隙偏心故障是由于轴承疲劳、电机制造和安装误差以及其他机械 原因引起，在偏心故障中，定子轴、转子轴以及电机旋转轴的一致性受到破坏。 静偏心故障主要是由定子铁芯内径的椭圆度偏差或电机装配不正确造成的，其 偏心位置在空间上是固定的，转子在旋转过程中最大气隙和最小气隙与转子位 置无关；动偏心故障主要是由轴承磨损、轴承弯曲、临界转速时机械共振以及 较大静偏心引起的，动偏心的偏心位置与转子位置有关；混合偏心故障中同时 存在静偏心和动偏心故障，此时电机的旋转中心既不在定子的几何中心，也不 在转子的几何中心，而是在混合偏移矢量共同作用下的旋转中心。定子匝间短 路故障往往是由于绝缘问题引起，绕组绝缘性是各类电机结构中较为薄弱的环节，发生故障的概率极高。虽然轻微的绕组绝缘破损在短期内不会对电机性能 造成较大影响，但绕组长期在较大匝间短路电流作用之下，会造成短路处局部 温度升高，周围绝缘被进一步破坏，引发更为严重的匝间短路故障。电机作为 系统的重要核心部件，其可靠性将影响整个系统的性能，一旦发生故障，容易 产生链式反应，导致整个系统瘫痪，因此对电机初期的故障诊断显得尤为重要。

在现有的电机故障检测方法中，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。但在传统的电流频谱分析中，故障识别信号单一， 易受基波频谱泄露和负载波动的影响，故障特征分量不易提取，极易造成误判， 因此采用多种信号对电机故障进行综合诊断具有重要意义。此外传统的信号频 谱分析方法大多直接采用傅里叶变换，而傅里叶变换只能对某一特定时间段的 信号进行处理，对于时域区间上的非平稳信号、突变信号则无能为力，也不能 对信号在时域以及频域上进行多个尺度的精细处理，会带来频谱能量泄露、栅 栏效应、谱间干扰等影响，显然对于电机故障特征信号的处理并无优势。

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小波包 能量分析的电机故障检测方法及系统，其目的在于解决傅里叶变换不能对电机 故障特征信号同时进行时频局部化分析的问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于小波包能量分 析的电机故障检测方法，包括如下步骤：

获取正常电机在预设时间间隔内的定子电流信号、径向电磁力信号和不平 衡磁拉力信号，分别对其进行小波包变换以获得不同小波包频带节点下的能量 分布；

实时采集待识别诊断电机在预设时间间隔内的定子电流信号、径向电磁力 信号和不平衡磁拉力信号，分别对其进行小波包变换以获得不同小波包频带节 点下的能量分布；

对比待识别诊断电机与正常电机信号在不同频段信号的能量分布，以判断 待识别诊断电机是否存在能量异常的信号，以及能量异常的信号所在的信号频 段；

对待识别诊断电机的能量异常信号频段进行小波包信号重构，以诊断其是 否存在电机故障。

作为本发明的进一步改进，对待分析的信号进行3层小波包分解运算，将 信号划分到8个细分的频带，计算得到第3层第i节点S(3,i)对应的节点能量 E(3,i)：

其中

表示第3层第i个节点S(3,i)的小波包系数；

所述小波包分解运算具体包括：

其中，f(t)为待检测电流/径向电磁力/不平衡磁拉力信号的原始时域信号，

为小波包系数，表示第j层上第i个小波包节点信号，j＝0,1,2,3...为小波包 分解层数，i＝1,2,...2^j为小波包分解第j层的节点个数，h₀为小波包分解低通滤 波器，g₀为小波包分解高通滤波器。

作为本发明的进一步改进，获取转子断条、气隙偏心和定子匝间短路的故 障数据，以确定电流信号、径向电磁力信号、不平衡磁拉力信号的故障特征频 率。

作为本发明的进一步改进，若电机存在断条故障，定子电流信号近似表达 为：

i＝I_m cos(wt-α)+I_dl cos[(1-2s)wt-β₁]+I_dr cos[(1+2s)wt-β₂]

当电机发生断条故障后，气隙中附加径向电磁力波的故障特征频率为

I_m、I_dl、I_dr、α、β₁、β₂分别为定子相电流基波分量、断条故 障(1-2s)f边频分量、断条故障(1+2s)f边频分量的幅值和相位， r＝±1，±2，±3.....为气隙附加磁场次数，s为电机转差率，w为交流电角频率，f 为基波频率，p为电机极对数。

作为本发明的进一步改进，对待识别诊断电机的能量异常信号频段进行小 波包信号重构，以诊断其是否存在电机故障包括：

分别选取转子断条、气隙偏心、定子匝间短路故障下的定子电流信号、径 向电磁力信号、不平衡磁拉力信号在第3层小波包节点上的能量异常信号频段 进行小波包系数重构，并对重构信号做快速傅里叶变换，利用所述故障特征频 率提取对应的频谱分量作为电机故障识别特征。

为实现上述目的，按照本发明的另一个方面，提供了一种基于小波包能量 分析的电机故障检测系统，该系统包括：

样本数据获取模块，用于获取正常电机在预设时间间隔内的定子电流信号、 径向电磁力信号和不平衡磁拉力信号，分别对其进行小波包变换以获得不同小 波包频带节点下的能量分布；

数据采集模块，用于实时采集待识别诊断电机在预设时间间隔内的定子电 流信号、径向电磁力信号和不平衡磁拉力信号，分别对其进行小波包变换以获 得不同小波包频带节点下的能量分布；

异常信号获取模块，用于对比待识别诊断电机与正常电机信号在不同频段 信号的能量分布，以判断待识别诊断电机是否存在能量异常的信号，以及能量 异常的信号所在的信号频段；

异常信号诊断模块，用于对待识别诊断电机的能量异常信号频段进行小波 包信号重构，以诊断其是否存在电机故障。

作为本发明的进一步改进，小波包变换包括：

对待分析的信号进行3层小波包分解运算，将信号划分到8个细分的频带， 计算得到第3层第i节点S(3,i)对应的节点能量E(3,i)：

其中

表示第3层第i个节点S(3,i)的小波包系数；

小波包分解运算具体包括：

其中，f(t)为待检测电流/径向电磁力/不平衡磁拉力信号的原始时域信号，

为小波包系数，表示第j层上第i个小波包节点信号，j＝0,1,2,3...为小波包 分解层数，i＝1,2,...2^j为小波包分解第j层的节点个数，h₀为小波包分解低通滤 波器，g₀为小波包分解高通滤波器。

作为本发明的进一步改进，异常信号诊断模块还用于获取转子断条、气隙 偏心和定子匝间短路的故障数据，以确定电流信号、径向电磁力信号、不平衡 磁拉力信号的故障特征频率。

作为本发明的进一步改进，若电机存在断条故障，定子电流信号近似表达 为：

i＝I_m cos(wt-α)+I_dl cos[(1-2s)wt-β₁]+I_dr cos[(1+2s)wt-β₂]

当电机发生断条故障后，气隙中附加径向电磁力波的故障特征频率为

I_m、I_dl、I_dr、α、β₁、β₂分别为定子相电流基波分量、断条故 障(1-2s)f边频分量、断条故障(1+2s)f边频分量的幅值和相位， r＝±1，±2，±3.....为气隙附加磁场次数，s为电机转差率，w为交流电角频率，f 为基波频率，p为电机极对数。

作为本发明的进一步改进，对待识别诊断电机的能量异常信号频段进行小 波包信号重构，以诊断其是否存在电机故障包括：

分别选取转子断条、气隙偏心、定子匝间短路故障下的定子电流信号、径 向电磁力信号、不平衡磁拉力信号在第3层小波包节点上的能量异常信号频段 进行小波包系数重构，并对重构信号做快速傅里叶变换，利用所述故障特征频 率提取对应的频谱分量作为电机故障识别特征。

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小波包能量分析的电机故障检测方法及系统， 其通过小波包变换将电机的定子电流信号、径向电磁力信号、不平衡磁拉力信 号分解到不同频段，计算各频段的信号能量值，并将能量的增加作为故障的判 断依据。小波包分析对于信号的频率分解是以频率段作为处理方式，不同于傅 里叶变换以频率点来处理，所以只需提高小波分辨率就可以有效避免傅里叶变 换所存在的频谱泄漏和频谱波动等问题。

(2)本发明提供的一种基于小波包能量分析的电机故障检测方法及系统， 其通过结合小波包能量分析和傅里叶变换对电机进行故障判断，根据正常信号 与故障信号在不同频段信号能量分布的不同，对能量相差悬殊的频段，即可确 定为故障特征信号所在的频段位置。进一步对能量异常的信号频率段进行小波 包信号重构，通过傅里叶变换识别故障特征频率，诊断电机故障是否发生。它 继承了傅里叶变换局部分析的思想，又克服了窗口大小不随频率变化的缺点， 可将故障特征定位在某一局部频段分析并突出局部特征，进一步提高了电机故 障识别的精度。

(3)本发明提供的一种基于小波包能量分析的电机故障检测方法及系统， 其通过信号融合的故障诊断方法检测电机故障类型。通常情况下电机故障的发 生可通过电流、电压、阻抗、输出功率等电气信号以及温度、振动、噪声等非 电气信号来监测。在实际检测应用中，本发明选用的定子电流信号可通过电流 传感器获得，径向电磁力信号可通过垂直径向安装于电机定子的振动传感器获 得，不平衡磁拉力信号可通过在电机轴承上安装贴有应变片的传感器获得，信 号融合诊断方法可进一步消除由于非故障因素导致电机故障误判的可能，对于 电机故障的综合诊断具有重要意义。

附图说明

图1是本发明实施例提供的一种基于小波包能量分析的电机故障检测方法 的示意图；

图2是本发明实施例提供的正常电机与断条故障电机电流信号小波包节点 的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱图；

图3是本发明实施例提供的正常电机与断条故障电机径向电磁力信号小波 包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱图；

图4是本发明实施例提供的正常电机与(动)偏心故障电机电流信号小波 包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱图；

图5是本发明实施例提供的正常电机与(动)偏心故障电机径向电磁力信 号小波包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱 图；

图6是本发明实施例提供的正常电机与(动)偏心故障电机不平衡磁拉力 信号小波包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频 谱图；

图7是本发明实施例提供的正常电机与定子匝间短路故障电机电流信号小 波包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱图；

图8是本发明实施例提供的正常电机与定子匝间短路故障电机径向电磁力 信号小波包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频 谱图。

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小波包能量分析的电机故障检 测方法及系统的结构和工作原理进行详细说明。

图1为本发明优选实施例的一种基于小波包能量分析的电机故障检测方法 的示意图。如图1所示，该方法包括：

S1.获取正常电机在预设时间间隔内的定子电流信号、径向电磁力信号和 不平衡磁拉力信号，分别对其进行小波包变换以获得不同小波包频带节点下的 能量分布；

实时采集待识别诊断电机在预设时间间隔内的定子电流信号、径向电磁力 信号和不平衡磁拉力信号，分别对其进行小波包变换以获得不同小波包频带节 点下的能量分布。

具体地，对采集得到的定子电流信号、径向电磁力信号、不平衡磁拉力信 号进行3层小波包分解运算，将信号划分到8个细分的频带，计算得到第3层 各节点下小波包分解系数及对应的节点能量，可表示为：

其中

表示S(3,i)的小波包系数，2^j为小波包分解的第j层 节点个数(j＝3,2^j＝8)。

电流/径向电磁力/不平衡磁拉力信号的小波包分解算法为：

其中，f(t)为待检测电流/径向电磁力/不平衡磁拉力信号的原始时域信号，

为小波包系数，表示第j层上第i个小波包节点信号，j＝0,1,2,3...为小波包 分解层数，i＝1,2,...2^j为小波包分解第j层的节点个数，h₀、g₀为小波包分解低 通、高通滤波器。

选取转子断条、气隙偏心、定子匝间短路等三种电机典型故障进行故障机 理研究，得出电流信号、径向电磁力信号、不平衡磁拉力信号的理论故障特征 频率。若当前电机存在断条故障，定子电流将被调制，作为一个示例，此时定 子电流信号可近似表达为：

i＝I_mcos(wt-α)+I_dlcos[(1-2s)wt-β₁]+I_drcos[(1+2s)wt-β₂]

其中，I_m、I_dl、I_dr、α、β₁、β₂分别为定子相电流基波分量、断条故障(1-2s)f 边频分量、断条故障(1+2s)f边频分量的幅值和相位，s为电机转差率，w为交 流电角频率。

转子断条故障除引起三相电流的调制之外，还会产生不平衡的径向电磁力， 作用于定子铁心，产生区别于正常电机的特征频率的电磁振动。当电机发生断 条故障后，在气隙中将产生附加磁场：

其中，r＝±1，±2，±3.....为气隙附加磁场次数，B_r为附加磁场幅值，s为转差率，p为电机极对数。

基于麦克斯韦方程，径向电磁应力与气隙径向磁密的平方成正比。在转子 断条的情况下，附加电磁应力主要由定子磁场和附加磁场相互作用产生，计及 定子基波磁场和附加磁场的相互作用，附加径向电磁应力的表达式为：

由附加径向电磁应力的表达式可知，当电机发生断条故障后，气隙中产生 附加径向电磁力波的阶数为r±1，频率为

径向电磁应力作用于 定子铁心，引起特征频率的电磁振动。

若当前电机存在气隙偏心故障，作为一个示例，此时定子电流中故障特征 分量的频率为：

其中，k为任意整数(k一般取1)，Z₂为转子槽数，n_d为偏心阶数，静态 偏心时n_d＝0，动态偏心时n_d＝1,2,3...，v为电源谐波的次数(v＝1,3,5...)。

当偏心类型为静偏心故障时，气隙磁导为：

对其进行傅里叶分解，得到静偏心情况下气隙磁导的近似表达式为：

此时气隙磁密的表达式为：

b_s(t,θ)＝f(t,θ)Λ_s(t,θ)＝F₁cos(wt-θ)·(Λ₀+Λ_scosθ)

根据麦克斯韦定律，进一步可得静偏心故障下的单位面积径向电磁力为：

其中，Λ_s(t,θ)为气隙静偏心故障下的气隙磁导，δ_s为静偏心率，g₀为正常 电机均匀气隙的长度，μ₀为真空磁导率，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，θ为某一时刻空间电角度。

沿圆周方向对径向电磁力积分可分别得到电机转子在水平方向和垂直方向 所受到的不平衡磁拉力为：

其中，L为电机轴向长度，R为转子外径。

正常情况下，电机径向电磁力

代入得电机转子所受到的不平衡磁拉力的合力为0，参照正常电机所受到得不平衡磁拉力 的推导过程，可得电机转子在静偏心下所受到的不平衡磁拉力的合力为：

当偏心类型为动偏心故障时，气隙磁导可近似表达为：

此时气隙磁密为：

b_d(t,θ)＝f(t,θ)Λ_d(t,θ)＝F₁cos(wt-θ)·[Λ₀+Λ_dcos(ω_rt-θ)]

进一步可得动偏心故障下的单位面积径向电磁力为：

沿转子圆周方向对单位面积径向电磁力积分可得到电机转子所受到的不平 衡磁拉力的合力为：

当偏心类型为混合偏心故障时，电机定子几何中心、转子几何中心、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、Λ_s、Λ_d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，w为同步旋转角速度，ω_r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。

若当前电机存在定子绕组匝间短路故障，作为一个示例，此时线圈短路环 中形成的故障回路电流将通过气隙产生附加脉振磁场，当忽略高次谐波后，此 时气隙中附加脉振磁势可表示为：

f₁(t,θ)＝F_mcos(wt)cos(θ)

其中，F_m为电机气隙附加脉振磁势的幅值，w为同步旋转角速度，θ为某 一时刻空间电角度。

此时气隙附加磁密的表达式为：

b₁(t,θ)＝f₁(t,θ)Λ₀＝F_mcos(wt)cos(θ)·Λ₀

进一步可得气隙磁场中附加径向电磁力波为：

根据正常信号与故障信号在不同频段信号能量分布的不同，对能量相差悬 殊的频段，即可确定为故障特征信号所在的频段位置。

具体地，采用基于“频带—能量—故障”的诊断模式，分别选取转子断条、 气隙偏心、定子匝间短路故障下的定子电流信号、径向电磁力信号、不平衡磁 拉力信号与正常电机相应信号在第3层小波包节点上能量相差悬殊的频段。当 电机发生某种故障时，电流信号和振动信号中会出现一定幅值的故障特征频率， 则故障频率所在频带的能量也会相应升高。因此小波包能量的变化可以反映电 机运行状态的变化，故障频率所在频带的能量变化可以反映故障程度的变化。

进一步对选取的能量异常的信号频率段进行小波包信号重构，通过傅里叶 变换识别故障特征频率，诊断电机故障是否发生。否则，电机当前则为正常运 行。

电流/径向电磁力/不平衡磁拉力信号的小波包重构算法为：

h₁,g₁为小波包重构低通、高通滤波器。

作为一个示例，将傅里叶变换与小波包能量分析方法相结合应用于电机故 障诊断，可避免直接应用频谱分析带来的不便，实现将故障特征频率集中到某 一个频带范围内进行分析，该方法可应用于工频或变频供电下电机的故障检测。

一种基于小波包能量分析的电机故障检测系统，该系统包括：

样本数据获取模块，用于获取正常电机在预设时间间隔内的定子电流信号、 径向电磁力信号和不平衡磁拉力信号，分别对其进行小波包变换以获得不同小 波包频带节点下的能量分布；

数据采集模块，用于实时采集待识别诊断电机在预设时间间隔内的定子电 流信号、径向电磁力信号和不平衡磁拉力信号，分别对其进行小波包变换以获 得不同小波包频带节点下的能量分布；

异常信号获取模块，用于对比待识别诊断电机与正常电机信号在不同频段 信号的能量分布，以判断待识别诊断电机是否存在能量异常的信号，以及能量 异常的信号所在的信号频段；

异常信号诊断模块，用于对待识别诊断电机的能量异常信号频段进行小波 包信号重构，以诊断其是否存在电机故障。

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

在Ansoft Maxwell软件中对电机进行有限元建模和仿真，转子断条故障的 模拟可通过改变导条的材料来实现，通过预先设置某些导条材料的导电率为 2siemens/m来模拟断条故障。偏心故障(此处以动偏心故障作为示例)的模拟 可通过将转子铁芯、导条、转轴移动一个距离，旋转坐标系保持不动，将定子 圆心保持为旋转中心来实现。定子匝间短路故障的模拟可通过外电路的电感设 置等效某相线圈绕组匝数的减少来实现。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、转子断条故障电机、 偏心故障电机、定子匝间短路故障电机所对应的电流信号、径向电磁力信号和 不平衡磁拉力信号，继而通过MATLAB对信号作进一步的小波包能量分析， 从中提取能量相差悬殊的频段，通过小波包重构信号傅里叶变换频谱图中故障 特征频率谱峰是否存在来判断当前电机的健康状态。

对信号进行小波包分解的实质就是将一个节点分解为两个节点并逐级分解 下去，即对信号的整个频带进行细分，以较好地观察各频带分量，提取故障特 征。由于小波包分解后的节点会产生频带交错现象，所以实际的频带排序并不 是按照节点排序。对于小波包3层分解，分解后的8个节点的实际频带排序及 频带带宽如表2所示，其中f为奈奎斯特频率，数值上为信号采样频率的一半 (本实施例中的信号采样频率为1000Hz)。

表2小波包分解的频带带宽与对应节点

图2是本发明实施例提供的正常电机与断条故障电机电流信号小波包节点 的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱图。如图2所 示，正常电机和断条故障电机电流信号在小波包(3，0)节点上能量相差最为悬殊， 对应频带带宽为0～62.5Hz，分别对该频段信号进行小波包节点重构，通过重 构信号傅里叶变换频谱图对比，可以发现断条故障电机电流信号中含有(1±2s)f 的故障特征频率分量，可作为电机断条故障的识别依据之一。

图3是本发明实施例提供的正常电机与断条故障电机径向电磁力信号小波 包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱图。如 图3所示，正常电机和断条故障电机径向电磁力信号在小波包(3，2)节点上能量 相差最为悬殊，对应频带带宽为125～187.5Hz，分别对该频段信号进行小波包 节点重构，通过重构信号傅里叶变换频谱图对比，可以发现断条故障电机径向 电磁力信号中含有

的故障特征频率分量，可作为电机断条故障的识别 依据之一。

图4是本发明实施例提供的正常电机与(动)偏心故障电机电流信号小波 包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱图。如 图4所示，正常电机和气隙偏心故障电机定子电流信号在小波包(3，2)节点上能 量相差最为悬殊，对应频带带宽为125～187.5Hz，分别对该频段信号进行小波 包节点重构，通过重构信号傅里叶变换频谱图对比，可以发现气隙偏心故障电 机电流信号中含有

的故障特征频率分量，可作为电机气隙偏心故障 的识别依据之一。

图5是本发明实施例提供的正常电机与(动)偏心故障电机径向电磁力信 号小波包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱 图。如图5所示，正常电机和气隙偏心故障电机径向电磁力信号在小波包(3，0) 节点上能量相差最为悬殊，对应频带带宽为0～62.5Hz，分别对该频段信号进 行小波包节点重构，通过重构信号傅里叶变换频谱图对比，可以发现气隙偏心 故障电机径向电磁力信号中含有

的故障特征频率分量， 可作为电机气隙偏心故障的识别依据之一。

图6是本发明实施例提供的正常电机与(动)偏心故障电机不平衡磁拉力 信号小波包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频 谱图。如图6所示，正常电机和气隙偏心故障电机不平衡磁拉力信号在小波包 (3，0)节点上能量相差最为悬殊，对应频带带宽为0～62.5Hz，分别对该频段信 号进行小波包节点重构，通过重构信号傅里叶变换频谱图对比，可以发现气隙 偏心故障电机不平衡磁拉力信号中含有

的故障特征频率分量，可作为电 机气隙偏心故障的识别依据之一。

图7是本发明实施例提供的正常电机与定子匝间短路故障电机电流信号小 波包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频谱图。 如图7所示，正常电机和定子匝间短路故障电机电流信号在小波包(3，0)节点上 能量相差最为悬殊，对应频带带宽为0～62.5Hz，分别对该频段信号进行小波 包节点重构，通过重构信号傅里叶变换频谱图对比，可以发现定子匝间短路故 障电机电流信号中含有(1-4s)f的故障特征频率分量，可作为电机定子匝间短路 故障的识别依据之一。

图8是本发明实施例提供的正常电机与定子匝间短路故障电机径向电磁力 信号小波包节点的能量差值图以及能量相差悬殊频段重构信号的傅里叶变换频 谱图。如图8所示，正常电机和定子匝间短路故障电机径向电磁力信号在小波 包(3，1)节点上能量相差最为悬殊，对应频带带宽为62.5～125Hz，分别对该频 段信号进行小波包节点重构，通过重构信号傅里叶变换频谱图对比，可以发现 定子匝间短路故障电机径向电磁力信号中2f特征频率分量的幅值有明显升高， 可作为电机定子匝间短路故障的识别依据之一。

通过将电流信号、径向电磁力信号、不平衡磁拉力信号作融合分析，并参 考理论故障特征频率，提取出特定的异常频谱分量作为电机故障识别特征，该 发明方法的实效性得以验证。

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小波包能量分析的电机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 施例中的基于小波包能量分析的电机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 (2)

1.一种基于小波包能量分析的电机故障检测方法，其特征在于，包括如下步骤：

获取正常电机在预设时间间隔内的定子电流信号、径向电磁力信号和不平衡磁拉力信号，分别对其进行小波包变换以获得不同小波包频带节点下的能量分布；

实时采集待识别诊断电机在预设时间间隔内的定子电流信号、径向电磁力信号和不平衡磁拉力信号，分别对其进行小波包变换以获得不同小波包频带节点下的能量分布；

对比待识别诊断电机与正常电机信号在不同频段信号的能量分布，以判断待识别诊断电机是否存在能量异常的信号，以及能量异常的信号所在的信号频段；

对所述待识别诊断电机的能量异常信号频段进行小波包信号重构，以诊断其是否存在电机故障；

其中，获取转子断条、气隙偏心和定子匝间短路的故障数据，以确定电流信号、径向电磁力信号、不平衡磁拉力信号的故障特征频率；

其中，若所述待识别诊断电机存在断条故障，定子电流信号近似表达为：

i＝I_mcos(wt-α)+I_dlcos[(1-2s)wt-β₁]+I_drcos[(1+2s)wt-β₂]；

当所述待识别诊断电机发生断条故障后，气隙中附加径向电磁力波的故障特征频率为

I_m、I_dl、I_dr、α、β₁、β₂分别为定子相电流基波分量、断条故障(1-2s)f边频分量、断条故障(1+2s)f边频分量的幅值和相位，r＝±1，±2，±3.....为气隙附加磁场次数，s为电机转差率，w为交流电角频率，f为基波频率，p为电机极对数；

基于定子基波磁场和气隙附加磁场的相互作用，附加径向电磁应力的表达式为：

其中，r＝±1，±2，±3.....为气隙附加磁场次数，B_r为附加磁场幅值，s为转差率，p为电机极对数；

若所述待识别诊断电机存在气隙动偏心故障，对应的故障特征分量的频率为：

其中，k为任意整数(k一般取1)，Z₂为转子槽数，n_d为偏心阶数，动态偏心时n_d＝1,2,3...，v为电源谐波的次数(v＝1,3,5...)；

进一步可得气隙动偏心故障下的单位面积径向电磁力为：

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、Λ_d分别为正常电机、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，ω_r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；

若所述待识别诊断电机存在定子绕组匝间短路故障，气隙附加脉振磁势为：

f₁(t,θ)＝F_mcos(wt)cos(θ)；

其中，F_m为所述待识别诊断电机的气隙附加脉振磁势的幅值，w为同步旋转角速度，θ为某一时刻空间电角度；

此时气隙附加磁密的表达式为：

b₁(t,θ)＝f₁(t,θ)Λ₀＝F_mcos(wt)cos(θ)·Λ₀；

进一步可得气隙磁场中附加径向电磁力波为：

其中，对待分析的信号进行3层小波包分解运算，将信号划分到8个细分的频带，计算得到第3层第i节点S(3,i)对应的节点能量E(3,i)：

其中

表示第3层第i个节点S(3,i)的小波包系数；

所述小波包分解运算具体包括：

其中，f(t)为原始时域信号，

为小波包系数，表示第j层上第i个小波包节点信号，j＝0,1,2,3...为小波包分解层数，i＝1,2,...2^j为小波包分解第j层的节点个数，h₀为小波包分解低通滤波器，g₀为小波包分解高通滤波器；

其中，对所述待识别诊断电机的能量异常信号频段进行小波包信号重构，以诊断其是否存在电机故障包括：

分别选取转子断条、气隙偏心、定子匝间短路故障下的定子电流信号、径向电磁力信号、不平衡磁拉力信号在第3层小波包节点上的能量异常信号频段进行小波包系数重构，并对重构信号做快速傅里叶变换，利用所述故障特征频率提取对应的频谱分量作为电机故障识别特征。

2.一种基于小波包能量分析的电机故障检测系统，其特征在于，该系统包括：

样本数据获取模块，用于获取正常电机在预设时间间隔内的定子电流信号、径向电磁力信号和不平衡磁拉力信号，分别对其进行小波包变换以获得不同小波包频带节点下的能量分布；

数据采集模块，用于实时采集待识别诊断电机在预设时间间隔内的定子电流信号、径向电磁力信号和不平衡磁拉力信号，分别对其进行小波包变换以获得不同小波包频带节点下的能量分布；

异常信号获取模块，用于对比待识别诊断电机与正常电机信号在不同频段信号的能量分布，以判断待识别诊断电机是否存在能量异常的信号，以及能量异常的信号所在的信号频段；

异常信号诊断模块，用于对所述待识别诊断电机的能量异常信号频段进行小波包信号重构，以诊断其是否存在电机故障；

其中，异常信号诊断模块还用于获取转子断条、气隙偏心和定子匝间短路的故障数据，以确定电流信号、径向电磁力信号、不平衡磁拉力信号的故障特征频率；

其中，若电机存在断条故障，定子电流信号近似表达为：

i＝I_mcos(wt-α)+I_dlcos[(1-2s)wt-β₁]+I_drcos[(1+2s)wt-β₂]

当电机发生断条故障后，气隙中附加径向电磁力波的故障特征频率为

I_m、I_dl、I_dr、α、β₁、β₂分别为定子相电流基波分量、断条故障(1-2s)f边频分量、断条故障(1+2s)f边频分量的幅值和相位，r＝±1，±2，±3.....为气隙附加磁场次数，s为电机转差率，w为交流电角频率，f为基波频率，p为电机极对数；

基于定子基波磁场和气隙附加磁场的相互作用，附加径向电磁应力的表达式为：

其中，r＝±1，±2，±3.....为气隙附加磁场次数，B_r为附加磁场幅值，s为转差率，p为电机极对数；

若所述待识别诊断电机存在气隙动偏心故障，对应的故障特征分量的频率为：

其中，k为任意整数(k一般取1)，Z₂为转子槽数，n_d为偏心阶数，动态偏心时n_d＝1,2,3...，v为电源谐波的次数(v＝1,3,5...)；

进一步可得气隙动偏心故障下的单位面积径向电磁力为：

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、Λ_d分别为正常电机、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，ω_r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；

若所述待识别诊断电机存在定子绕组匝间短路故障，气隙附加脉振磁势为：

f₁(t,θ)＝F_mcos(wt)cos(θ)；

其中，F_m为所述待识别诊断电机的气隙附加脉振磁势的幅值，w为同步旋转角速度，θ为某一时刻空间电角度；

此时气隙附加磁密的表达式为：

b₁(t,θ)＝f₁(t,θ)Λ₀＝F_mcos(wt)cos(θ)·Λ₀；

进一步可得气隙磁场中附加径向电磁力波为：

其中，小波包变换包括：

对待分析的信号进行3层小波包分解运算，将信号划分到8个细分的频带，计算得到第3层第i节点S(3,i)对应的节点能量E(3,i)：

其中

表示第3层第i个节点S(3,i)的小波包系数；

所述小波包分解运算具体包括：

其中，f(t)为原始时域信号，

为小波包系数，表示第j层上第i个小波包节点信号，j＝0,1,2,3...为小波包分解层数，i＝1,2,...2^j为小波包分解第j层的节点个数，h₀为小波包分解低通滤波器，g₀为小波包分解高通滤波器；

其中，对所述待识别诊断电机的能量异常信号频段进行小波包信号重构，以诊断其是否存在电机故障包括：

分别选取转子断条、气隙偏心、定子匝间短路故障下的定子电流信号、径向电磁力信号、不平衡磁拉力信号在第3层小波包节点上的能量异常信号频段进行小波包系数重构，并对重构信号做快速傅里叶变换，利用所述故障特征频率提取对应的频谱分量作为电机故障识别特征。

Images