CN117491866A - 电驱动系统旋转机械部件的非侵入式故障诊断方法及系统 - Google Patents
电驱动系统旋转机械部件的非侵入式故障诊断方法及系统 Download PDFInfo
- Publication number
- CN117491866A CN117491866A CN202311331386.XA CN202311331386A CN117491866A CN 117491866 A CN117491866 A CN 117491866A CN 202311331386 A CN202311331386 A CN 202311331386A CN 117491866 A CN117491866 A CN 117491866A
- Authority
- CN
- China
- Prior art keywords
- current
- fault
- electric drive
- drive system
- discrete
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001228 spectrum Methods 0.000 claims abstract description 72
- 238000004804 winding Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000012935 Averaging Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 230000000087 stabilizing effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
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
- G01R31/346—Testing of armature or field windings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/028—Acoustic or vibration analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- 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
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种电驱动系统旋转机械部件的非侵入式故障诊断方法及系统,属于电驱动系统的故障诊断技术领域,所述诊断方法包括:获取旋转机械部件转速稳定时所采集的电机定子绕组任一相中的一段离散电流并进行归一化,基于归一化后的离散电流构建以调制频率和载波频率为变量的三阶谱,基于三阶谱判定出对应的故障类型。本发明通过对电流信号进行故障分析,可以在不添加额外传感器的条件下,实现电驱动系统旋转机械部件的故障诊断,减低了系统的复杂程度和成本。且本发明采用三阶谱的分析方法,基于电流信号构建以调制频率和载波频率为自变量的三阶谱,可以完整地分析电流信号中的频率、幅值、相位三要素及其谐波调制关系,准确诊断出故障类型。
Description
技术领域
本发明属于电驱动系统的故障诊断技术领域,更具体地,涉及一种电驱动系统旋转机械部件的非侵入式故障诊断方法及系统。
背景技术
电机驱动系统广泛的应用于新能源汽车、轨道交通、全电飞机、起重机械等重要场合。随着电机及电力电子技术的进步,电驱动系统正在朝着高功率密度、高可靠性的方向不断发展。然而,高可靠性的需求一方面对电驱动系统设计提出了较高的要求,另一方面也需要可靠的故障诊断与在线监测技术来监控电驱动系统关键部件的工作状态。
电机驱动系统通常由电动机、齿轮箱、变频器构成。其中电机轴承、齿轮箱等旋转机械因长期磨损,易于损坏并失效,进而可能引起整个电机驱动系统的烧毁。因此,有必要对电驱系统中电机轴承、齿轮箱进行有效的监测、诊断及故障预警。目前,针对电机轴承及齿轮箱故障,最为直观且常用的监测手段是基于振动信号对部件运行状态进行分析。然而,振动信号的采集必须引入额外的振动信号传感设备,增加了系统的复杂程度及成本。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种电驱动系统旋转机械部件的非侵入式故障诊断方法及系统,其目的在于在不添加额外传感器的条件下,准确地诊断出电驱动系统旋转机械部件的故障类型。
为实现上述目的,按照本发明的一个方面,提供了一种电驱动系统旋转机械部件的非侵入式故障诊断方法,包括:
步骤S1:获取旋转机械部件转速稳定时所采集的电机定子绕组任一相中的一段离散电流x(i)(k),i为段号,k为对应段内离散电流的编号,k=1,2,……,M,M为对应段内离散电流的采集数量;
步骤S2:以所有离散电流的有效值的幅值为基准对每个离散电流x(i)(k)进行归一化处理,得到归一化后的离散电流
步骤S3:基于归一化后的离散电流求取对应段信号的离散傅里叶分解系数并构建以调制频率ω1和载波频率ω2为变量的三阶谱S3x(ω1,ω2);
步骤S4:识别出三阶谱上是否存在调制频率为某种故障类型的故障特征且峰值大于对应故障类型的经验故障阈值的峰值点,基于峰值点对应的调制频率判定出对应的故障类型,对应故障类型的经验故障阈值为基于历史数据所得的三阶谱在对应故障类型下的峰值。
在其中一个实施例中,所述步骤S1包括:
步骤S11:通过上位机通讯协议向电驱动系统中的变频器控制芯片设置电流采集触发条件,当所述电驱动系统旋转机械部件的运行满足所述电流采集触发条件时,所述变频器控制芯片触发电流传感器采集所述电机定子绕组中任一相的原始电流数据,所述触发条件包括所述电驱动系统旋转机械部件的转速稳定;
步骤S12:对所述原始电流数据进行采样处理和模数转换后,存储于所述变频器控制芯片;
步骤S13:将所述变频器控制芯片所存储的电流数据上传给所述上位机。
在其中一个实施例中,所述步骤S1还包括:
步骤S14:对所述上位机接收到的电流数据进行筛选,剔除未处于转速稳定区间的电流数据以及电流幅值未处于正常幅值区间的异常数据,得到所述离散电流x(i)(k)。
在其中一个实施例中,所述正常幅值区间为[0.9Irms~1Irms],其中,Irms为根据待处理的所有电流数据计算得到的电流有效值。
在其中一个实施例中,在所述步骤S4之前,所述方法还包括:
获取K段离散电流并针对每段离散电流构建对应的所述三阶谱,将K个三阶谱的估计结果取平均,得到所述步骤S4用于故障识别的三阶谱,K≥2。
在其中一个实施例中,所述电驱动系统旋转机械部件包括轴承和齿轮箱内的部件。
按照本发明的另一方面,提供了一种电驱动系统旋转机械部件的非侵入式故障诊断系统,包括;
电流获取模块,用于获取旋转机械部件转速稳定时所采集的电机定子绕组任一相中的一段离散电流x(i)(k),i为段号,k为对应段内离散电流的编号,k=1,2,……,M,M为对应段内离散电流的采集数量;
归一化处理模块,用于以所有离散电流的有效值的幅值为基准对每个离散电流x(i)(k)进行归一化处理,得到归一化后的离散电流
高阶谱构建模块,用于基于归一化后的离散电流求取对应段信号的离散傅里叶分解系数并构建以调制频率ω1和载波频率ω2为变量的三阶谱S3x(ω1,ω2);
故障判定模块,用于识别出所述三阶谱上是否存在调制频率为某种故障类型的故障特征且峰值大于对应故障类型的经验故障阈值的峰值点,基于所述峰值点对应的调制频率判定出对应的故障类型,对应故障类型的经验故障阈值为基于历史数据所得的三阶谱在对应故障类型下的峰值。
在其中一个实施例中,所述电流获取模块包括位于上位机内的触发条件设置单元以及位于电驱动系统内的变频器控制芯片、电流传感器、采样处理电路和模数转换电路,其中,
所述触发条件设置单元用于通过上位机通讯协议向所述变频器控制芯片设置电流采集触发条件;所述触发条件包括所述电驱动系统旋转机械部件的转速稳定;
所述变频器控制芯片用于当所述电驱动系统旋转机械部件的运行满足所述电流采集触发条件时,触发电流传感器采集原始电流数据;
所述采样处理电路和模数转换电路用于对所述原始电流数据进行采样;处理和模数转换后,存储于所述变频器控制芯片;
所述变频器控制芯片用于将所存储的电流数据上传给所述上位机。
在其中一个实施例中,所述电流获取模块还包括位于上位机内的电流数据筛选单元,用于对所述上位机接收到的电流数据进行筛选,剔除未处于转速稳定区间的电流数据以及电流幅值未处于正常幅值区间的异常数据,得到所述离散电流x(i)(k)。
在其中一个实施例中,所述系统还包括平均处理模块,用于将K个三阶谱的估计结果取平均,得到所述故障判定模块用于故障识别的三阶谱,K≥2,K个所述三阶谱为根据K段离散电流所构建而成。
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:
本发明通过对电流信号进行故障分析,电流信号可以直接利用电驱动系统内部地传感器进行采集,相比于针对振动信号诊断故障地方式,本发明可以在不必须添加额外传感器的条件下,实现电驱动系统旋转机械部件的故障诊断,当使用其自带的部件采集电流时,可以减低系统的复杂程度和成本。同时,本发明在对电流信号进行分析时,采用三阶谱的分析方法,基于电流信号构建三阶谱,并且经过分析选择以调制频率和载波频率两个参数变量作为自变量,可以完整地分析电流信号中的频率、幅值、相位三要素及其谐波调制关系,通过识别三阶谱中的异常点,可以准确地诊断出故障类型。因此,本发明可以减低系统的复杂程度和成本,还能保证故障诊断的准确性。
进一步地,本发明采取电驱动系统本身带有的上位机和变频器实现电流采集,可以在不添加额外传感器的条件下,实现电驱动系统旋转机械部件的故障诊断,减低了系统的复杂程度和成本。
进一步地,本发明对所采集地数据做进一步的筛选,可以剔除不稳定的电流信号,以进一步提高故障诊断的精度。
进一步地,通过提取多段离散电流,构建多段信号的三阶谱,以三阶谱的估计结果取平均,得到最终用于故障识别的三阶谱,由此可以提高三阶谱数据的准确度。
附图说明
图1为一实施例的电驱动系统的结构框图;
图2为一实施例的电驱动系统旋转机械部件的非侵入式故障诊断方法的步骤流程图;
图3为一实施例的构建出的三阶谱的三维图;
图4为一实施例的电驱动系统旋转机械部件的非侵入式故障诊断系统的结构框图。
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。
如图1所示为电驱动系统的结构框图,其包括齿轮箱101、电机102和变频器103,同时,上位机104会与变频器103通信以实现信号的传递。通过分析发现,齿轮箱101、电机102内机械部件发生故障时,由于机电耦合作用,会在定子电流中引入谐波,对电流中的载波进行调制。
以电驱动系统轴承的外圈故障频率为例说明,电机轴承外圈故障特征频率fo可根据以下公式计算:
其中,fr为轴承机械旋转频率;NB为滚动体个数;Db为滚动体直径;Dc为轴承节距;θ为接触角。
由于和电机的机械耦合关系,轴承外圈故障可以引起电机的转矩波动,电机转矩T(t)表示为:
式中,T0(t)为转矩直流分量,Tν为谐波转矩幅值,为转矩谐波的相位。
转矩波动将在定子电流引起电流谐波,定子Isa电流表达式为:
式中,I0为基波电流幅值,Ii+和Ii-为谐波电流分量幅值,ωs为基波电流角频率,ωo为故障电流角频率,与/>为基波与谐波相位分量。
通过上述分析可知,当机械部件发生故障时,会在定子电流引起谐波,且发生不同类型的故障时,定子电流中将有不同谐波对载波产生调制,其幅度也会不同,因此,可以基于定子电流中谐波对载波地调制情况进行故障诊断。
基于此,可以采集定子电流信号进行特定的分析,以识别出是否发生机械故障以及所发生的机械故障类型。
实施例1
如图2所示为一实施例中的电驱动系统旋转机械部件的非侵入式故障诊断方法的步骤流程图,其主要包括四个步骤,以下,分别对每个步骤进行详细说明。
步骤S1:获取旋转机械部件转速稳定时所采集的电机定子绕组任一相中的一段离散电流x(i)(k),i为段号,k为对应段内离散电流的编号,k=1,2,……,M,M为对应段内离散电流的采集数量。
其中,可以采用常规的方式实现采集电流采集。在本实施例中,直接利用电驱动系统中内部结构实现电流采集,具体过程如下:
步骤S11:通过上位机通讯协议向电驱动系统中的变频器控制芯片设置电流采集触发条件,当电驱动系统旋转机械部件的运行满足电流采集触发条件时,变频器控制芯片触发电流传感器采集电机定子绕组中任一相的原始电流数据,触发条件包括电驱动系统旋转机械部件的转速稳定。
触发条件可以设置为转速稳定区间,当转速在该区间内保持稳定时,可以进行电流采集,避免因运行不稳对电流信号分析带来干扰。可以理解的,在不同的场景下,转速稳定的范围不同,可以根据实际情况设置转速稳定区间,例如转速稳定区间可以设置为990rpm-1100rpm。当达到触发条件时,变频器控制芯片触发电流传感器采集电机定子绕组中任一相的原始电流数据。
步骤S12:对原始电流数据进行采样处理和模数转换后,存储于变频器控制芯片。
步骤S13:将变频器控制芯片所存储的电流数据上传给上位机。
在本实施例中,数据上传给上位机后,后续步骤由上位机完成。
在一实施例中,在步骤S13之后,还包括:
步骤S14:对上位机接收到的电流数据进行筛选,剔除未处于转速稳定区间的电流数据以及电流幅值未处于正常幅值区间的异常数据,得到离散电流x(i)(k)。
在一实施例中,正常幅值区间可以为[0.9Irms~1.1Irms],其中,Irms为根据待处理的所有电流数据计算得到的电流有效值,电流有效值具体可以为所有离散电流均方根值。
通过数据筛选,可以剔除不好的数据,保证后续分析所用的数据是电驱动系统稳定运行所采集的数据。
步骤S2:以所有离散电流的有效值的幅值为基准对每个离散电流x(i)(k)进行归一化处理,得到归一化后的离散电流
具体的,计算归一化离散电流的计算公式为:
步骤S3:基于归一化后的离散电流求取对应段信号的离散傅里叶分解系数并构建以调制频率ω1和载波频率ω2为变量的三阶谱S3x(ω1,ω2)。
其中,可以通过构建高阶谱的常规方式构建本步骤中的三阶谱S3x(ω1,ω2)。
在一实施例中,第i段电流的离散傅里叶分解系数的计算公式为:
所构建的三阶谱S3x(ω1,ω2)的表达式为:
式中,Fs为数据采样频率,N0表征每段数据空间样本量。
在得到三阶谱的表达式后,可以限定自变量的范围,即限定调制频率ω1和载波频率ω2的范围,便能构建出三阶谱的三维图,该三阶谱的三维图体现了定子电流中谐波对载波的调制作用。其中,调制频率ω1所限定的范围需覆盖电驱动系统旋转机械部件发生不同故障的故障特征频率。不同故障类型对应的故障特征频率是可以通过公式直接计算出的。例如,1000rpm时轴承外圈故障特征频率为64Hz,则调制频率ω1的范围需覆盖这个故障特征频率。在选定调制频率ω1范围后,载波频率ω2所限定的范围需覆盖电流基波频率。如图3所示为一实施例中构建出的三阶谱的三维图,在三维图中表示所得到的估计结果分布,其中x和y坐标分别代表调制频率ω1和载波频率ω2,单位为赫兹,z坐标为归一化的估计结果幅值。在本实施例中,x轴频率范围(50Hz,80Hz),y轴频率范围(45Hz,55Hz)。
步骤S4:识别出三阶谱上是否存在调制频率为某种故障类型的故障特征且峰值大于对应故障类型的经验故障阈值的峰值点,基于峰值点对应的调制频率判定出对应的故障类型,对应故障类型的经验故障阈值为基于历史数据所得的三阶谱在对应故障类型下的峰值。
上文构建出的三阶谱体现了定子电流中谐波对载波的调制作用,在不同的故障状态下,谐波对载波的调制作用会有所区别。因此,可以从上述三阶谱中识别出调制出现异常的点,从而判定出具体的故障类型。在本发明中,借助经验故障阈值识别异常点,以三阶谱中估计结果幅值大于经验故障阈值的峰值点作为异常点,说明此处的谐波对载波的调制作用出现异常,基于异常点对应的调制频率确定故障类型。例如,如图3所示,识别出峰值点(64Hz,50Hz)为异常点,其对应的调制频率为64Hz,而64Hz正好是1000rpm时轴承故障特征频率,因此可以判定是轴承外圈出现故障。
其中,可以根据历史数据确定经验故障阈值。具体而言,可以获取电驱动系统旋转机械部件在不同故障状态下的定子历史电流信号作为数据集。例如,以轴承外圈故障为例,通过理论公式直接计算出轴承外圈故障特征频率,同时获取在出现轴承外圈故障时的定子历史电流信号,基于定子历史电流信号构建上文介绍的三阶谱,定位至调制频率为轴承外圈故障特征频率时的三阶谱估计结果幅值,比较多组出现轴承外圈故障的三阶谱估计结果幅值与未出现轴承外圈故障的三阶谱估计结果幅值,分析得到轴承外圈故障在三阶谱上的经验故障阈值。当三阶谱中调制频率处于轴承外圈故障特征频率处的估计结果的峰值超于该经验故障阈值,则认为出现轴承外圈故障。以此类推,可以通过相同的方式确定其他故障类型下的经验故障阈值,将每种故障的故障特征频率和对应的经验故障阈值进行存储,形成故障数据库,可以借助该故障数据库实现故障识别。
在一实施例中,在步骤S4之前,还可以执行:获取K段离散电流并针对每段离散电流构建对应的三阶谱,将K个三阶谱的估计结果取平均,得到步骤S4用于故障识别的三阶谱,K≥2。虽然构建三阶谱时已经尽量筛选出比较好的电流信号,但是仍然不能完全保证没有其他干扰,在本实施例中,通过提取多段离散电流,构建多段信号的三阶谱,以三阶谱的估计结果取平均,得到最终用于故障识别的三阶谱,由此可以提高三阶谱数据的准确度。可以理解的,不同段的离散电流信号的时间不能相差太远,且不同段的离散电流信号可以有重叠,也可以不重叠。在一实施例中,可以先采集一系列离散电流,进行数据筛选和归一化处理之后,在执行数据分段,将其分为K段,构建K个三阶谱,通过取平均得到用于故障识别的三阶谱。
总体而言,上述方法可以利用电驱动系统本身的硬件实现信号采集,在不增加成本的前提下提升了系统可靠性;且采用高阶谱的分析方法能够考虑到信号间的幅值、频率、相位关系,可以更好的辨识出由故障振动导致的电流信号中所存在的二次相位偶合,提升故障诊断的准确性。
实施例2
本发明还涉及一种电驱动系统旋转机械部件的非侵入式故障诊断系统,如图4所示,其主要包括电流获取模块、归一化处理模块、高阶谱构建模块和故障判定模块。以下对各个模块进行详细介绍。
电流获取模块用于获取旋转机械部件转速稳定时所采集的电机定子绕组任一相中的一段离散电流x(i)(k),i为段号,k为对应段内离散电流的编号,k=1,2,……,M,M为对应段内离散电流的采集数量。
归一化处理模块用于以所有离散电流的有效值的幅值为基准对每个离散电流x(i)(k)进行归一化处理,得到归一化后的离散电流
高阶谱构建模块用于基于归一化后的离散电流求取对应段信号的离散傅里叶分解系数并构建以调制频率ω1和载波频率ω2为变量的三阶谱S3x(ω1,ω2)。
故障判定模块用于识别出所述三阶谱上是否存在调制频率为某种故障类型的故障特征且峰值大于对应故障类型的经验故障阈值的峰值点,基于所述峰值点对应的调制频率判定出对应的故障类型,对应故障类型的经验故障阈值为基于历史数据所得的三阶谱在对应故障类型下的峰值。
在一实施例中,电流获取模块包括位于上位机内的触发条件设置单元以及位于电驱动系统内的变频器控制芯片、电流传感器、采样处理电路和模数转换电路。其中,触发条件设置单元用于通过上位机通讯协议向变频器控制芯片设置电流采集触发条件;触发条件包括电驱动系统旋转机械部件的转速稳定。变频器控制芯片用于当电驱动系统旋转机械部件的运行满足电流采集触发条件时,触发电流传感器采集原始电流数据。采样处理电路和模数转换电路用于对原始电流数据进行采样;处理和模数转换后,存储于变频器控制芯片。变频器控制芯片用于将所存储的电流数据上传给上位机,由上位机进行后续处理,因此,归一化处理模块、高阶谱构建模块和故障判定模块均可处于上位机中。
在一实施例中,电流获取模块还包括位于上位机内的电流数据筛选单元,用于对上位机接收到的电流数据进行筛选,剔除未处于转速稳定区间的电流数据以及电流幅值未处于正常幅值区间的异常数据,得到离散电流x(i)(k)。
在一实施例中,系统还包括平均处理模块,用于将K个三阶谱的估计结果取平均,得到故障判定模块用于故障识别的三阶谱,K≥2,K个三阶谱为根据K段离散电流所构建而成。
以上电驱动系统旋转机械部件的非侵入式故障诊断系统可以用于执行前文电驱动系统旋转机械部件的非侵入式故障诊断方法,其中各个功能单元可以用于执行诊断方法中的相关步骤,具体可以参考前文介绍,在此不再赘述。
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)
1.一种电驱动系统旋转机械部件的非侵入式故障诊断方法,其特征在于,包括:
步骤S1:获取旋转机械部件转速稳定时所采集的电机定子绕组任一相中的一段离散电流x(i)(k),i为段号,k为对应段内离散电流的编号,k=1,2,……,M,M为对应段内离散电流的采集数量;
步骤S2:以所有离散电流的有效值的幅值为基准对每个离散电流x(i)(k)进行归一化处理,得到归一化后的离散电流
步骤S3:基于归一化后的离散电流求取对应段信号的离散傅里叶分解系数并构建以调制频率ω1和载波频率ω2为变量的三阶谱S3x(ω1,ω2);
步骤S4:识别出所述三阶谱上是否存在调制频率为某种故障类型的故障特征且峰值大于对应故障类型的经验故障阈值的峰值点,基于所述峰值点对应的调制频率判定出对应的故障类型,对应故障类型的经验故障阈值为基于历史数据所得的三阶谱在对应故障类型下的峰值。
2.如权利要求1所述的电驱动系统旋转机械部件的非侵入式故障诊断方法,其特征在于,所述步骤S1包括:
步骤S11:通过上位机通讯协议向电驱动系统中的变频器控制芯片设置电流采集触发条件,当所述电驱动系统旋转机械部件的运行满足所述电流采集触发条件时,所述变频器控制芯片触发电流传感器采集所述电机定子绕组中任一相的原始电流数据,所述触发条件包括所述电驱动系统旋转机械部件的转速稳定;
步骤S12:对所述原始电流数据进行采样处理和模数转换后,存储于所述变频器控制芯片;
步骤S13:将所述变频器控制芯片所存储的电流数据上传给所述上位机。
3.如权利要求1所述的电驱动系统旋转机械部件的非侵入式故障诊断方法,其特征在于,所述步骤S1还包括:
步骤S14:对所述上位机接收到的电流数据进行筛选,剔除未处于转速稳定区间的电流数据以及电流幅值未处于正常幅值区间的异常数据,得到所述离散电流x(i)(k)。
4.如权利要求3所述的电驱动系统旋转机械部件的非侵入式故障诊断方法,其特征在于,所述正常幅值区间为[0.9Irms~1.1Irms],其中,Irms为根据待处理的所有电流数据计算得到的电流有效值。
5.如权利要求1所述的电驱动系统旋转机械部件的非侵入式故障诊断方法,其特征在于,在所述步骤S4之前,所述方法还包括:
获取K段离散电流并针对每段离散电流构建对应的所述三阶谱,将K个三阶谱的估计结果取平均,得到所述步骤S4用于故障识别的三阶谱,K≥2。
6.如权利要求1所述的电驱动系统旋转机械部件的非侵入式故障诊断方法,其特征在于,所述电驱动系统旋转机械部件包括轴承和齿轮箱内的部件。
7.一种电驱动系统旋转机械部件的非侵入式故障诊断系统,其特征在于,包括;
电流获取模块,用于获取旋转机械部件转速稳定时所采集的电机定子绕组任一相中的一段离散电流x(i)(k),i为段号,k为对应段内离散电流的编号,k=1,2,……,M,M为对应段内离散电流的采集数量;
归一化处理模块,用于以所有离散电流的有效值的幅值为基准对每个离散电流x(i)(k)进行归一化处理,得到归一化后的离散电流
高阶谱构建模块,用于基于归一化后的离散电流求取对应段信号的离散傅里叶分解系数并构建以调制频率v1和载波频率ω2为变量的三阶谱S3x(ω1,ω2);
故障判定模块,用于识别出所述三阶谱上是否存在调制频率为某种故障类型的故障特征且峰值大于对应故障类型的经验故障阈值的峰值点,基于所述峰值点对应的调制频率判定出对应的故障类型,对应故障类型的经验故障阈值为基于历史数据所得的三阶谱在对应故障类型下的峰值。
8.如权利要求7所述的电驱动系统旋转机械部件的非侵入式故障诊断系统,其特征在于,所述电流获取模块包括位于上位机内的触发条件设置单元以及位于电驱动系统内的变频器控制芯片、电流传感器、采样处理电路和模数转换电路,其中,
所述触发条件设置单元用于通过上位机通讯协议向所述变频器控制芯片设置电流采集触发条件;所述触发条件包括所述电驱动系统旋转机械部件的转速稳定;
所述变频器控制芯片用于当所述电驱动系统旋转机械部件的运行满足所述电流采集触发条件时,触发电流传感器采集原始电流数据;
所述采样处理电路和模数转换电路用于对所述原始电流数据进行采样;处理和模数转换后,存储于所述变频器控制芯片;
所述变频器控制芯片用于将所存储的电流数据上传给所述上位机。
9.如权利要求8所述的电驱动系统旋转机械部件的非侵入式故障诊断系统,其特征在于,所述电流获取模块还包括位于上位机内的电流数据筛选单元,用于对所述上位机接收到的电流数据进行筛选,剔除未处于转速稳定区间的电流数据以及电流幅值未处于正常幅值区间的异常数据,得到所述离散电流x(i)(k)。
10.如权利要求7所述的电驱动系统旋转机械部件的非侵入式故障诊断系统,其特征在于,所述系统还包括平均处理模块,用于将K个三阶谱的估计结果取平均,得到所述故障判定模块用于故障识别的三阶谱,K≥2,K个所述三阶谱为根据K段离散电流所构建而成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311331386.XA CN117491866A (zh) | 2023-10-13 | 2023-10-13 | 电驱动系统旋转机械部件的非侵入式故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311331386.XA CN117491866A (zh) | 2023-10-13 | 2023-10-13 | 电驱动系统旋转机械部件的非侵入式故障诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117491866A true CN117491866A (zh) | 2024-02-02 |
Family
ID=89677271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311331386.XA Pending CN117491866A (zh) | 2023-10-13 | 2023-10-13 | 电驱动系统旋转机械部件的非侵入式故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117491866A (zh) |
-
2023
- 2023-10-13 CN CN202311331386.XA patent/CN117491866A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bessous et al. | Diagnosis of bearing defects in induction motors using discrete wavelet transform | |
EP3611489B1 (en) | State monitoring device, state monitoring system, and state monitoring method | |
Ertunc et al. | ANN-and ANFIS-based multi-staged decision algorithm for the detection and diagnosis of bearing faults | |
CN110940917B (zh) | 一种电动机故障预警方法及系统 | |
WO2020144965A1 (ja) | 電力変換装置、回転機システム、及び診断方法 | |
CN115062677B (zh) | 一种基于设备行为的智能故障诊断方法 | |
CN115437358A (zh) | 工业机器人智能状态监测与故障诊断系统及故障诊断方法 | |
CN113607415A (zh) | 一种变转速下基于短时随机共振的轴承故障诊断方法 | |
Shi et al. | An improved Viterbi algorithm for adaptive instantaneous angular speed estimation and its application into the machine fault diagnosis | |
CN111046790A (zh) | 一种泵轴承故障诊断方法 | |
WO2022147684A1 (zh) | 用于识别机械装置或机械部件中的异常的方法及装置 | |
US20130187783A1 (en) | Wind turbine condition monitoring method | |
CN117491866A (zh) | 电驱动系统旋转机械部件的非侵入式故障诊断方法及系统 | |
CN116859240A (zh) | 一种基于多传感器和边缘计算的直流无刷电机故障识别方法 | |
CN115356108B (zh) | 一种调制高阶水平挤压变换机械故障诊断方法与装置 | |
CN116226719A (zh) | 基于多维稳态振动特征的轴承故障诊断方法及相关组件 | |
CN115856621A (zh) | 一种异步电机转子断条故障诊断方法及系统 | |
CN115329810A (zh) | 牵引电机健康诊断方法及系统 | |
CN106124985B (zh) | 一种无刷直流电机的退化特征趋势提取方法 | |
CN108520093A (zh) | 一种基于知识库的机械设备故障诊断方法和装置 | |
CN114742093A (zh) | 基于时频曲线提取和分类的滚动轴承故障诊断方法及装置 | |
CN114609453A (zh) | 基于统计过程控制的机器人关节电流异常检测方法和装置 | |
CN111400959B (zh) | 风力发电机组的叶片故障诊断方法及装置 | |
CN113049251A (zh) | 一种基于噪声的轴承故障诊断方法 | |
CN114689321A (zh) | 风力发电机组的轴承故障诊断方法、装置、电子设备 |
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 |