CN117980755A - 使用基于图的马达电流特征分析的用于逆变器馈电感应马达中的转子断条检测的系统 - Google Patents
使用基于图的马达电流特征分析的用于逆变器馈电感应马达中的转子断条检测的系统 Download PDFInfo
- Publication number
- CN117980755A CN117980755A CN202280061024.0A CN202280061024A CN117980755A CN 117980755 A CN117980755 A CN 117980755A CN 202280061024 A CN202280061024 A CN 202280061024A CN 117980755 A CN117980755 A CN 117980755A
- Authority
- CN
- China
- Prior art keywords
- fault
- induction motor
- frequency
- stator current
- detection system
- 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
- 230000006698 induction Effects 0.000 title claims abstract description 88
- 238000001514 detection method Methods 0.000 title claims description 46
- 238000000034 method Methods 0.000 claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 33
- 239000013598 vector Substances 0.000 claims abstract description 24
- 230000001360 synchronised effect Effects 0.000 claims abstract description 7
- 230000001131 transforming effect Effects 0.000 claims abstract description 5
- 230000015654 memory Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 230000004907 flux Effects 0.000 claims description 4
- 241000555745 Sciuridae Species 0.000 claims description 3
- 230000009467 reduction Effects 0.000 description 13
- 238000001228 spectrum Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 101100001674 Emericella variicolor andI gene Proteins 0.000 description 1
- 230000005534 acoustic noise Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000004804 winding 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
- G01R31/343—Testing dynamo-electric machines in operation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/02—Arrangements for measuring frequency, e.g. pulse repetition rate; Arrangements for measuring period of current or voltage
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/18—Spectrum analysis; Fourier analysis with provision for recording frequency spectrum
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
- H02P29/02—Providing protection against overload without automatic interruption of supply
- H02P29/024—Detecting a fault condition, e.g. short circuit, locked rotor, open circuit or loss of load
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- Control Of Ac Motors In General (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
提供了一种用于检测感应马达在操作期间的断条故障的计算机实现的方法。该方法包括以下步骤：经由接口在时域中获取以基频为感应马达供电的定子电流的信号，其中，感应马达处于变速操作下；将定子电流转换为复空间向量；通过参考同步参考系将复向量变换为经变换的定子电流；对经变换的定子电流执行短时傅里叶变换(STFT)以获得频谱图矩阵；从频谱图矩阵中去除DC分量；在频域中确定频谱图矩阵中的稀疏和平滑频率分量，其中，所述确定包括通过对频率分量施加平滑性约束和稀疏性约束的基于图的方法；以及如果频率分量包括频谱图矩阵中的连续改变和稀疏的故障频率分量，则检测到感应马达中的故障。
Description
技术领域
本发明总体上涉及监测电动机的领域，并且更具体地涉及使用基于图的定子电流特征分析的感应马达中的断条故障检测。
背景技术
三相感应马达(induction motor，IM)由于其优异的性能、高鲁棒性和构造的简单性而成为工业中的主要劳动力。然而，IM经受不同类型的故障，诸如轴承故障、转子断条故障和偏心(eccentricity)。一旦发生断条故障，在操作期间将引起过度振动、较差的起动性能和扭矩波动。甚至更糟的是，这可能导致整个马达驱动系统的灾难性失败。因此，监测机器状况和检测马达驱动系统中的马达故障是非常重要的。
目前采用的用于故障检测的不同技术包括但不限于振动和声学噪声分析、电磁场监测和轴向流量测量、温度测量、红外识别和马达中定子电流的马达电流特征分析(motorcurrent signature analysis，MCSA)。
已经很好地研究和证明了转子故障的因果链。在健康状态下，三相定子绕组阻抗相同，并且感应转子条电流很好地平衡。分别在定子电流和转子电流中存在处于f和sf的频率分量，其中f是供应频率并且s是滑移。一旦转子条断裂，相应的电路分支就断开。由于转子电路的对称性的损失和在转子电流中出现的处于(-sf)的负频率分量，产生反向旋转磁场。这种负频率分量在定子电流中产生处于(1-2s)f的第一故障频率分量，从而导致频率为2sf的脉冲扭矩和速度振荡。因此，在定子电流的频谱中出现频率为(1±2ks)f的一组新频率分量以及在转子电流中出现频率为±(1+2k)sf的一组新频率分量(其中，k＝0，1，2，...)。通常，断条故障诊断技术集中于检测定子电流中的频率为(1-2s)f的故障主导分量。
基于定子电流频谱，MCSA方法旨在针对不同类型的故障(诸如，轴承故障、断条故障和偏心)提取特征频率分量。由于提供了显著的经济节约和简单的实现，这种技术在检测电动机中的机械故障方面受到越来越多的关注。然而，转子故障检测中的MCSA的最常见做法是处理静止状态下的线馈电IM，或者假设马达速度和负载在短测量时段中是恒定的，参见例如US20160266207A1。由于现今电压源逆变器(voltage source inverter，VSI)驱动的IM由于效率和碳中性而在工业环境中变得流行，其中，静止操作是非常不寻常的，所以常规MCSA方法不再适用或检测性能不佳。
例如，考虑到定子电流中的故障特征已经不易察觉，故障特征的幅值(magnitude)可以在不同负载和不同速度条件下变化。结果，当马达由逆变器驱动并且感应马达的转子条发生故障时，可能难以提取故障特征。
因此，需要一种用于基于电流特征分析来检测逆变器馈电感应马达的故障的方法和系统。
发明内容
本发明的一些实施方式的目的是提供一种系统和方法，该系统和方法适于基于对定子电流的分析来执行感应马达的断条故障检测，该定子电流通过感应马达的变化速度和变化负载操作给感应马达供电。以这种方式，断条故障检测可以与感应马达的操作连续且同时地执行，并且不需要重新启动感应马达。
一些实施方式的另一个目的是提供这样的系统和方法，其可以在感应马达由逆变器通过变化负载和变化速度馈电时执行断条故障检测。
本发明的一些实施方式基于以下认识：在故障状态下，给感应马达供电的所得定子电流在短时窗口的频域中是稀疏的。这是因为定子电流包括生成定子电流的电源的基频和由故障引起的故障频率分量。故障频率分量的频谱幅值通常较小。此外，具有最高幅值的故障频率分量具有接近基频(例如，在基频的5％内)的故障特征频率。
本发明的一些实施方式基于以下认识：由于操作速度的改变，故障频率分量从一个短时窗口到下一个短时窗口连续改变。
本发明的一些实施方式基于以下认识：基于图的信号降噪技术用于通过探索邻域信号的关系来对信号进行降噪。
这些认识导致以下认识：频率分量的稀疏性、频率分量的跨短时窗口的平滑性的组合，其中，稀疏性意味着每个短时窗口中仅几个(一个或两个)非零频率分量，并且平滑性意味着两个连续时间窗口的频率分量的差很小，并且邻域图信号的关系使得能够使用基于图的信号处理技术来检测断条故障特征频率分量。
因此，本发明的一些实施方式可以提供一种用于检测感应马达在操作期间的断条故障的计算机实现的方法。该计算机实现的方法可以包括：经由接口在时域中获取以基频给感应马达供电的定子电流的信号，其中，感应马达处于变化速度操作下；将定子电流转换为复空间向量；通过参考同步参考系将复空间向量变换为经变换的定子电流；对经变换的定子电流执行短时傅里叶变换(Short Time Fourier Transform，STFT)以获得频谱图矩阵(spectrogram matrix)；从频谱图矩阵中去除DC分量；在频域中确定频谱图矩阵中的稀疏和平滑频率分量，其中，所述确定包括通过对频率分量施加平滑性约束和稀疏性约束来执行基于图的方法；以及如果频率分量包括频谱图矩阵中的连续改变的稀疏故障频率分量，则检测到感应马达中的故障。
此外，根据本发明的一些实施方式，提供了一种用于检测感应马达在操作期间的断条故障的故障检测系统。故障检测系统可以包括：接口，其被配置为经由传感器获取信号，其中，传感器中的一个传感器被布置为在时域中测量以基频给感应马达供电的定子电流的信号，其中，感应马达处于变化速度操作下；存储器，其用于存储包括权利要求1的计算机实现的方法和故障检测程序的计算机可执行程序；处理器，其被配置为执行以下步骤：将定子电流转换为复空间向量；通过参考同步参考系将复向量变换为经变换的定子电流；对经变换的定子电流执行短时傅里叶变换(STFT)以获得频谱图矩阵；从频谱图矩阵去除DC分量；在频域中确定频谱图矩阵中的稀疏和平滑频率分量，其中，所述确定包括通过对频率分量施加平滑性约束和稀疏性约束来执行基于图的方法；以及如果频率分量包括频谱图矩阵中的连续改变频率分量和稀疏故障频率分量，则检测到感应马达中的故障。
将参考附图进一步解释当前公开的实施方式。所示的附图不一定按比例绘制，而是通常将重点放在示出当前公开的实施方式的原理上。
附图说明
[图1]
图1是根据本发明的实施方式的用于逆变器馈电感应马达的故障检测系统的示意图。
[图2]
图2是根据本发明的实施方式的用于检测感应马达中的转子条故障的系统的框图。
[图3]
图3是根据本发明的实施方式的用于检测感应马达中的故障的基于图的方法的框图。
[图4A]
图4A是在不存在故障的情况下在时域和频域中给感应马达供电的定子电流的频谱图、使用基于图的方法的降噪频谱图和理想操作电流频率的示例性图表。
[图4B]
图4B是在不存在故障的情况下在时域和频域中给感应马达供电的定子电流的频谱图、使用基于图的方法的降噪频谱图和理想操作电流频率的示例性图表。
[图4C]
图4C是在不存在故障的情况下在时域和频域中给感应马达供电的定子电流的频谱图、使用基于图的方法的降噪频谱图和理想操作电流频率的示例性图表。
[图5A]
图5A是在存在故障的情况下在时域和频域中给感应马达供电的定子电流的频谱图、降噪频谱图(故障特征)以及理想操作电流频率和故障信号频率的示例性图表。
[图5B]
图5B是在存在故障的情况下在时域和频域中给感应马达供电的定子电流的频谱图、降噪频谱图(故障特征)以及理想操作电流频率和故障信号频率的示例性图表。
[图5C]
图5C是在存在故障的情况下在时域和频域中给感应马达供电的定子电流的频谱图、降噪频谱图(故障特征)以及理想操作电流频率和故障信号频率的示例性图表。
具体实施方式
下面参考附图描述本发明的各种实施方式。应当注意，附图未按比例绘制，在所有附图中，类似结构或功能的元件由相同的附图标记表示。还应注意，附图仅旨在便于描述本发明的具体实施方式。它们不旨在作为对本发明的详尽描述或作为对本发明范围的限制。此外，结合本发明的特定实施方式描述的方面不必须限于该实施方式，并且可以在本发明的任何其它实施方式中实践。
图1是示出根据本发明的一个实施方式的示例性逆变器馈电感应马达的故障检测系统配置10的示意图。感应马达100包括转子组件102、定子组件104、主轴106和主轴承108。在该示例中，感应马达100是鼠笼式感应马达。组件102的转子断条是这种感应马达的典型故障。
根据本发明的实施方式，逆变器110由电源120供电，并且可以用于响应于各种输入来监测和控制感应马达100的操作。例如，与感应马达100联接的逆变器可以基于从传感器130接收的输入来控制感应马达的速度，传感器130被配置为获取与感应马达100的操作状态有关的数据。根据某些实施方式，电信号传感器可以是用于获取与感应马达100有关的电流数据和电压数据的电流传感器和电压传感器。例如，电流传感器感测来自感应马达的多个相中的一个或更多个相的电流数据。更具体地，在感应马达是三相感应马达的情况下，电流传感器和电压传感器感测来自三相感应马达的三相的电流数据和电压数据。虽然将关于多相感应马达描述本发明的某些实施方式，但是本发明的其它实施方式可应用于其它多相机电马达器。
本发明的一些实施方式描述了一种用于检测电动机(诸如感应马达100)中的断条故障的系统。被配置用于检测的系统包括故障检测模块200，其用于检测感应马达组件内的各种部件(包括转子条)的故障状态的存在。在一个实施方式中，故障检测模块200被实现为逆变器110的子系统。在另选实施方式中，使用单独的处理器来实现故障检测模块200。故障检测模块200可以是可操作地连接到逆变器110的硬件电路模块。在一些实现中，故障检测模块200和逆变器110可以共享信息。例如，故障检测模块200可以重新使用由逆变器使用的传感器数据来控制感应马达的操作。
进一步地，故障检测模块200包括处理器210、存储器220以及存储在存储器中以在程序230的指令由处理器210执行时上传至存储器220的故障检测程序230。模块200还包括被配置为从传感器130获取信号的接口250。接口250包括A/D(模拟/数字)和A/D(模拟/数字)变换以执行与处理器210、存储器220、故障检测程序230、用户界面240和传感器130的数据通信。处理器210可以是多个处理器，并且存储器220可以是包括多个存储器的存储器模块。用户界面240被配置为连接到键盘和显示单元，该显示单元被配置为响应于故障检测模块200的输出而指示感应马达100的正常/故障状况信息。
断条在感应马达100中的存在导致转子扭矩的减小，从而导致对感应马达100的其它转子条的依赖增加以提供期望电流。对其它转子条的增加依赖性导致其它转子条的劣化速率的增加，并且因此导致对感应马达的性能的总体影响。
在本发明的一个实施方式中，电流传感器和电压传感器分别检测来自感应马达100的定子组件104的定子电流数据。从传感器获取的电流数据和电压数据被传送到逆变器和/或故障检测模块以用于进一步处理和分析。该分析包括使用基于图的方法执行马达电流特征分析(MCSA)以检测感应马达100内的故障。在一些实施方式中，在通过使用故障检测模块200检测到故障时，逆变器110经由故障检测模块200的接口250接收故障检测信号，通过将感应马达100的定子电流的中断信号传输到逆变器110来停止感应马达的操作，以用于进一步检查或修理。在一些情况下，传感器130可以包括控制器接口(未示出)，该控制器接口被配置为从接口250接收故障检测信号并将故障状态信号传输到逆变器110，使得逆变器110中断感应马达100的定子电流以停止感应马达100的操作。当传感器130不包括控制器接口时，接口250可以被配置为连接到逆变器110，使得逆变器110响应于经由接口250来自故障检测模块200的故障检测信号中断感应马达100的定子电流以停止感应马达100的操作。
该系统还包括用于存储信号的测量结果以及用于执行基于图形的方法(基于图的分析)的各种参数和系数的存储器。如果在频谱图中检测到连续改变频率分量作为故障特征，则系统还可以包括用于发信号通知故障的用户界面。
图2示出了根据本发明的一个实施方式的用于检测由逆变器馈电的感应马达的变速操作期间的故障的方法的框图。三相时域定子电流由电流传感器测量205。然后通过应用向量变换215将收集的时域电流变换为参考同步参考系的复向量表示i ss。对i ss应用STFT，并去除DC分量以获得频谱图矩阵Y 225。基于频谱图矩阵Y，我们求解基于图的优化问题，其中，我们施加故障特征235的稀疏性和平滑性。如果检测245到故障特征(平滑和稀疏曲线)，则故障检测模块200确定存在断条故障255。否则，模块200保持收集定子电流数据以进行分析。
图3是根据本发明的实施方式的用于检测感应马达中的故障的基于图的方法的框图。给定频谱图矩阵Y 225，我们首先估计图移位或加权相邻矩阵A 310。然后，如果给定良好对准的频谱图X，则我们迭代地更新频移，并且如果给定频移，则通过施加X的稀疏性和平滑性来更新对准的频谱图，直到满足收敛标准为止。最终平滑和稀疏频谱图245被用于故障特征检测。
图4A、图4B和图4C是在不存在故障的情况下在时域和频域中给感应马达供电的定子电流的频谱图、使用基于图的方法的降噪频谱图和理想操作电流频率的示例图表。
图4A示出了给感应马达供电的马达电流的时频域中的示例性频谱图图表。图4B示出了在不存在故障的情况下时频域中的降噪频谱图的图表。图4C示出了频域中的操作频率及其在复向量空间中的经变换表示的图表。
图5A、图5B和图5C是在存在故障的情况下在时域和频域中给感应马达供电的定子电流的频谱图、降噪频谱图以及理想操作电流频率和故障信号频率的示例图表。
图5A示出了给感应马达供电的马达电流的时频域中的示例性频谱图。图5B示出了在存在故障的情况下在时频域中的降噪频谱图的图表。图5C示出了频域中的操作频率、其在复向量空间中的经变换的表示以及复向量空间中的经变换的故障特征频率的图表。
当感应马达中存在故障时，转子不对称地操作，导致在定子电流中的基频分量和额外的故障频率分量(1±2ks)fs，其中，s为速度滑移；fs为电源的基频，k＝1、2、3...为谐波频率指数。由于操作频率是变化的，因此主导故障频率fsb＝(1-2s)fs也是变化的。
我们考虑在转子侧上具有n个转子条(相)的三相鼠笼式感应马达(three-phasesquirrel-cage induction motor)。对于可以是电压、电流或磁通(flux)等的任何三相变量{xa，xb，xc}，我们将定子侧上的对应复状态变量X s定义为
其中，a＝ej(2π/3)。
类似地，对于任何转子变量{y1，y2，...，yn}，我们将转子侧上的对应复状态变量Y r定义为
其中，b＝ej(2π/n)。
健康感应机器的相电流包含逆变器馈电应用中的基频分量及其谐波。当转子条断裂时，在定子电流中产生附加的主频率(1-2)sf。因此，故障感应机器的定子电流的方程可以写为
ia(t)＝I1 cos(ωst)+Ibrb cos(ωbrbt+φbrb) (3)
ib(t)＝I1 cos(ωst-2π/3)+Ibrb cos(ωbrbt+φbrb-2π/3) (4)
ic(t)＝I1 cos(ωst+2π/3)+Ibrb cos(ωbrbt+φbrb+2π/3) (5)
其中，I1对应于基频分量的幅值，Ibrb是故障分量的幅值，ωs是以rad/s为单位的供应角频率，ωbrb＝(1-2s)ωs是故障分量的角频率，并且是故障分量的相位角。在操作速度可变的逆变器馈电应用中，ωs和ωbrb两者随时间改变。
根据复空间向量定义，复空间向量表示中的定子电流为
(6)中定义的复空间向量可以通过应用向量变换来参考同步参考系。
注意，基频分量似乎是DC量，而在2sωs的频率下的新故障特征开始起作用。由于可以容易地移除DC分量，因此故障相关分量是i ss中的振荡项。因此，我们定义为断条故障的特征。显然，在变速操作下，该故障特征不再是恒定频率分量，而是时变频率。因此，当故障特征频谱能量在相对宽的频率范围内扩展时，传统马达电流频谱分析(MCSA)方法提取故障特征是具有挑战性的。为了提取时变频率的这种故障特征，本发明的一些实施方式提供了一种将故障特征建模为图的方法，其细节在下面的子部分中介绍。
一种基于图的故障特征检测方法(基于图的方法)
处理非平稳信号的方法是使用短时傅立叶变换(STFT)在时频域中表示它。使用滑动时间窗口将非平稳信号划分为短时片段。使用FFT分析每个有窗信号片段，提供本地持续时间内的频谱信息。
通过对经变换的定子电流i ss执行STFT，获得信号频谱图Y＝[Y1，...，Ym，...，YM]的矩阵，其中，列向量Ym表示经变换的定子电流i ss的第m个有窗信号的频谱。Y的每行对应于固定频率值。为了避免冗余，我们仅考虑频率范围[0，Fs/2]，其中，Fs是定子电流测量结果的频率采样率。由于操作速度和负载改变，因此故障特征频率不是常数，这意味着频谱图矩阵中的故障特征分量不位于任何单个行向量中。为了通过使用图信号处理有效地提取故障特征分量，我们将经变换的定子电流的理想频谱图视为图信号G＝(V，A)，其中，V＝{v1，...，vm，...，vM}是由顺序移动时间窗口表示的节点集合，并且A∈RM×M是图移位，或者是表示节点之间的成对接近度的加权邻接矩阵，然后将频谱Yi∈Ck与图的第i个节点相关联。我们可以通过STFT频谱将图形移位A估计为
其中|i-j|＜d (8)
其中，上标H指示矩阵厄米特(Hermitian)转置，d是图中的所连接相邻节点的最大距离。因此，在变化的速度和变化的负载下的定子电流的频谱图矩阵然后可以被视为由于变化的操作而具有未知频移的噪声图信号，即，
Ym＝Xm⊙δ(ωm)+W，其中m＝1，...，M (9)
其中，⊙代表卷积运算；δ是狄拉克δ函数；并且W是信号噪声。X＝[X1，...，Xm，...，XM]表示恒定频率和恒定负载操作的理想频谱图。
基于以图模型为基础的信号降噪，我们通过求解优化问题(基于图的优化问题)来将故障特征提取为：
其中，λ和β是超参数，并且R1(X)和R2(X)是正则化项。R1(X)是稀疏性约束，其使用L1范数来施加图信号的稀疏性：
R2(X)是促进图信号的平滑性的平滑性约束，即，相邻节点应当在频域中共享类似的故障特征。R2(X)可以被表示为
其中，是归一化图移位矩阵，其条目被计算为/>以确保/>的每行的总和等于1。
目标是从Y恢复X和ωm。所提出的基于图的降噪方法背后的直觉是两个连续测量结果中的转子故障频率分量具有强成对相关性，并且故障特征是频谱中的稀疏(非零)分量。一旦故障检测模块200获得/检测到连续改变和稀疏的频率分量(该频率分量形成频谱图(频谱图矩阵Y)中的曲线)，模块200就被配置为确定/识别模块200提取/检测到故障特征。
整个故障特征提取问题可以概括为以下阶段。
1.记录定子电流ia、ib、ic，并将其变换为复向量i ss。
2.对i ss应用STFT并且去除DC分量以获得频谱图矩阵Y
3.求解优化问题(10)：
·估计
·迭代地更新ωm和X直到收敛完为止。
b.
c.
此外，根据一些实施方式，模块200被配置为基于频率分量的频率来确定故障的类型，其中，类型指示轴承故障、断条故障或偏心。例如，取决于轴承中的故障位置，轴承故障频率的范围从操作频率的一半到操作频率的多倍。取决于马达速度，断条故障频率通常接近操作频率。对于60Hz操作频率，复空间表示中的断条故障频率小于操作频率。例如，断条故障频率在瞬态操作中通常可以低于20Hz，而在稳态操作中通常低于5Hz。此外，偏心故障频率通常可以被观察为大约一半的操作频率。因此，对于60Hz的操作频率，复空间表示中的偏心故障频率为约30Hz。
此外，本发明的一些实施方式可以提供基于频率分量的幅值来检测故障的严重性。
模块200被配置为如果存在幅值大于特定值(例如，基频分量的-30dB)的故障频率分量，则检测到故障。故障频率的幅值越大，越可能存在例如断条故障。因此，模块200被配置为响应于检测到故障而中断经由逆变器110供应定子电流。
本发明的上述实施方式可以以多种方式中的任一种来实现。例如，可以使用硬件、软件或其组合来实现实施方式。当在软件中实现时，软件代码可以在任何合适的处理器或处理器集合上执行，无论是在单个计算机中提供还是分布在多个计算机中，例如，在计算机云中。此类处理器可以被实现为集成电路，其中，一个或更多个处理器在集成电路组件中。然而，处理器可以使用任何合适格式的电路来实现。
此外，应当理解，计算机可以以多种形式中的任一种来具体实现，诸如机架式计算机、台式计算机、膝上型计算机、小型计算机或平板计算机。这样的计算机可以以任何合适的形式通过一个或更多个网络(包括局域网或广域网，诸如企业网络或因特网)互连。这样的网络可以基于任何合适的技术，并且可以根据任何合适的协议操作，并且可以包括例如无线网络、有线网络或光纤网络。
此外，本发明的实施方式可以具体实现为一种方法，已经提供了其示例。作为方法的部分执行的步骤可以以任何合适的方式排序。因此，可以构造实施方式，其中以不同于所示的顺序执行动作，这可以包括同时执行一些动作，即使这些动作在说明性实施方式中被示出为顺序动作。
尽管已经通过优选实施方式的示例描述了本发明，但是应当理解，可以在本发明的精神和范围内进行各种其它变化和修改。因此，所附权利要求的目的是覆盖落入本发明的真实精神和范围内的所有这些变化和修改。
Claims (16)
1.一种用于检测感应马达在操作期间的断条故障的计算机实现的方法，所述方法包括以下步骤：
经由接口在时域中获取以基频给所述感应马达供电的定子电流的信号，其中，所述感应马达处于变速操作下；
将所述定子电流转换为复空间向量；
通过参考同步参考系将所述复空间向量变换为经变换的定子电流；
对经变换的定子电流进行短时傅里叶变换STFT以获得频谱图矩阵；
从所述频谱图矩阵中去除DC分量；
在频域中确定所述频谱图矩阵中的稀疏和平滑频率分量，其中，所述确定包括通过对所述频率分量施加平滑性约束和稀疏性约束来执行基于图的方法；以及
如果所述频率分量包括所述频谱图矩阵中的连续改变的稀疏故障频率分量，则检测到所述感应马达中的故障。
2.根据权利要求1所述的方法，所述方法还包括以下步骤：
基于所述频率分量的频率来确定所述故障的类型，其中，所述类型指示轴承故障、断条故障或偏心。
3.根据权利要求1所述的方法，所述方法还包括以下步骤：
基于所述频率分量的幅值来确定所述故障的严重性。
4.根据权利要求2所述的方法，所述方法还包括以下步骤：
在用户界面上呈现所述故障的类型。
5.根据权利要求1所述的方法，所述方法还包括以下步骤：
响应于检测到所述故障而中断供应所述定子电流。
6.根据权利要求1所述的方法，其中，所述测量包括以所述信号的所述基频的至少两倍的采样率对所述信号进行采样。
7.根据权利要求1所述的方法，其中，所述感应马达是三相鼠笼式感应马达。
8.根据权利要求1所述的方法，其中，所述复空间向量包括三相变量，其中，所述三相变量是定子的一组三相电压、所述定子电流的一组三相电流或所述定子关于所述感应马达的一组磁通。
9.一种用于检测感应马达在操作期间的断条故障的故障检测系统，所述故障检测系统包括：
接口，所述接口被配置为经由传感器获取信号，其中，所述传感器中的一者被布置为在时域中测量以基频给所述感应马达供电的定子电流的信号，其中，所述感应马达处于变速操作下；
存储器，所述存储器存储包括根据权利要求1所述的计算机实现的方法和故障检测程序的计算机可执行程序；
处理器，所述处理器被配置为执行以下步骤：
将所述定子电流转换为复空间向量；
通过参考同步参考系将复向量变换为经变换的定子电流；
对所述经变换的定子电流执行短时傅里叶变换STFT以获得频谱图矩阵；
从所述频谱图矩阵中去除DC分量；
在频域中确定所述频谱图矩阵中的稀疏和平滑频率分量，其中，所述确定包括通过对所述频率分量施加平滑性约束和稀疏性约束来执行基于图的方法；以及
如果所述频率分量包括所述频谱图矩阵中的连续改变的频率分量和稀疏故障频率分量，则检测到所述感应马达中的故障。
10.根据权利要求9所述的故障检测系统，所述故障检测系统还包括：
基于所述频率分量的频率来确定所述故障的类型，其中，所述类型指示轴承故障、断条故障或偏心。
11.根据权利要求10所述的故障检测系统，所述故障检测系统还包括：
基于所述频率分量的幅值来确定所述故障的严重性。
12.根据权利要求10所述的故障检测系统，所述故障检测系统还包括：
在用户界面上呈现所述故障的类型。
13.根据权利要求9所述的故障检测系统，所述故障检测系统还包括：
响应于检测到所述故障而中断供应所述定子电流。
14.根据权利要求9所述的故障检测系统，其中，所述测量包括以所述信号的所述基频的至少两倍的采样率对所述信号进行采样。
15.根据权利要求9所述的故障检测系统，其中，所述感应马达是三相鼠笼式感应马达。
16.根据权利要求9所述的故障检测系统，其中，所述复空间向量包括三相变量，其中，所述三相变量是定子的一组三相电压、所述定子电流的一组三相电流或所述定子关于所述感应马达的一组磁通。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/474,763 | 2021-09-14 | ||
| US17/474,763 US11921161B2 (en) | 2021-09-14 | 2021-09-14 | System for broken-rotor bar detection in inverter-fed induction motors using graph-based motor current signature analysis |
| PCT/JP2022/020752 WO2023042486A1 (en) | 2021-09-14 | 2022-05-12 | System for broken-rotor bar detection in inverter-fed induction motors using graph-based motor current signature analysis |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117980755A true CN117980755A (zh) | 2024-05-03 |
Family
ID=82156730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280061024.0A Pending CN117980755A (zh) | 2021-09-14 | 2022-05-12 | 使用基于图的马达电流特征分析的用于逆变器馈电感应马达中的转子断条检测的系统 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US11921161B2 (zh) |
| EP (1) | EP4402495A1 (zh) |
| JP (1) | JP2024529788A (zh) |
| KR (1) | KR20240042631A (zh) |
| CN (1) | CN117980755A (zh) |
| WO (1) | WO2023042486A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117040349B (zh) * | 2023-08-04 | 2024-03-22 | 北京科技大学 | 一种结构参数未知条件下的感应电机转速估计方法 |
| CN116935894B (zh) * | 2023-09-19 | 2023-11-21 | 佛山科学技术学院 | 一种基于时频域突变特征的微电机异音识别方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8253365B2 (en) * | 2009-10-20 | 2012-08-28 | GM Global Technology Operations LLC | Methods and systems for performing fault diagnostics for rotors of electric motors |
| US10359473B2 (en) * | 2012-05-29 | 2019-07-23 | Nutech Ventures | Detecting faults in turbine generators |
| US9618583B2 (en) * | 2015-03-10 | 2017-04-11 | Mitsubishi Electric Research Laboratories, Inc | Fault detection in induction motors based on current signature analysis |
-
2021
- 2021-09-14 US US17/474,763 patent/US11921161B2/en active Active
-
2022
- 2022-05-12 KR KR1020247006970A patent/KR20240042631A/ko unknown
- 2022-05-12 CN CN202280061024.0A patent/CN117980755A/zh active Pending
- 2022-05-12 EP EP22732678.2A patent/EP4402495A1/en active Pending
- 2022-05-12 WO PCT/JP2022/020752 patent/WO2023042486A1/en active Application Filing
- 2022-05-12 JP JP2024535588A patent/JP2024529788A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4402495A1 (en) | 2024-07-24 |
| US20230080835A1 (en) | 2023-03-16 |
| WO2023042486A1 (en) | 2023-03-23 |
| US11921161B2 (en) | 2024-03-05 |
| KR20240042631A (ko) | 2024-04-02 |
| JP2024529788A (ja) | 2024-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117980755A (zh) | 使用基于图的马达电流特征分析的用于逆变器馈电感应马达中的转子断条检测的系统 | |
| US9618583B2 (en) | Fault detection in induction motors based on current signature analysis | |
| Martins et al. | Unsupervised neural-network-based algorithm for an on-line diagnosis of three-phase induction motor stator fault | |
| Su et al. | Induction machine condition monitoring using neural network modeling | |
| Ehya et al. | Intelligent data-driven diagnosis of incipient interturn short circuit fault in field winding of salient pole synchronous generators | |
| Allal et al. | Diagnosis of induction motor faults using the motor current normalized residual harmonic analysis method | |
| Jigyasu et al. | A review of condition monitoring and fault diagnosis methods for induction motor | |
| Faiz et al. | Mixed-fault diagnosis in induction motors considering varying load and broken bars location | |
| Senthil Kumar et al. | A method for broken bar fault diagnosis in three phase induction motor drive system using Artificial Neural Networks | |
| Dias et al. | A neuro-fuzzy approach for locating broken rotor bars in induction motors at very low slip | |
| Hussain et al. | Stator winding fault detection and classification in three-phase induction motor | |
| Jigyasu et al. | Smart classifier based prognostics and health management of induction motor | |
| Singh et al. | Detection and diagnosis of broken rotor bars and eccentricity faults in induction motors using the fuzzy min-max neural network | |
| Zhang et al. | On-line diagnosis of inter-turn short circuit fault for DC brushed motor | |
| Yaghobi et al. | Stator turn-to-turn fault detection of synchronous generator using total harmonic distortion (THD) analyzing of magnetic flux linkage | |
| Senthil Kumar et al. | Broken rotor bar fault detection using DWT and energy eigenvalue for DTC fed induction motor drive | |
| Baccarini et al. | Sliding mode observer for on-line broken rotor bar detection | |
| Dias et al. | Histogram of oriented gradients for rotor speed estimation in three-phase induction motors | |
| Pasqualotto et al. | Fault Detection in Soft-started Induction Motors using Convolutional Neural Network Enhanced by Data Augmentation Techniques | |
| Petushkov et al. | Development of methods for improving energy and resource efficiency of electrical equipment when applying the concept of proactive diagnosis | |
| Moghadasian et al. | Induction motor fault diagnosis using ANFIS based on vibration signal spectrum analysis | |
| Kavitha et al. | Magnetoresistance sensor-based rotor fault detection in induction motor using non-decimated wavelet and streaming data | |
| Parlos et al. | Sensorless detection of mechanical faults in electromechanical systems | |
| Badkoubeh | A Non-Intrusive Condition Monitoring and Vibration Control System for Electric Submersible Pumps | |
| Djalel et al. | Detection and SVM classification of broken rotor bars fault in induction motor using WPA |
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 |