TW201602598A

TW201602598A - 馬達故障檢測方法與馬達故障檢測系統

Info

Publication number: TW201602598A
Application number: TW103123810A
Authority: TW
Inventors: 蔡明祺; 林紹凱; 王聖禾
Original assignee: 國立成功大學
Priority date: 2014-07-10
Filing date: 2014-07-10
Publication date: 2016-01-16
Also published as: US20160011268A1; TWI542887B

Abstract

本發明提出一種馬達故障檢測方法與馬達故障檢測系統。此方法包括以下步驟。獲得無刷馬達的電氣頻率與感測電流資料。對感測電流資料進行經驗模態分解以獲得本質模態函數。由本質模態函數獲得一特徵本質模態函數，其中特徵本質模態函數為特徵電流資料，並且特徵電流資料的頻率符合無刷馬達的電氣頻率。根據無刷馬達的輸入電壓及特徵電流資料計算出電氣阻抗。比較電氣阻抗與參考電氣阻抗來判斷無刷馬達是否異常。其中參考電氣阻抗是根據處於健康狀態之訓練用無刷馬達的訓練感測電流資料所計算出。藉此，可以有效地判斷無刷馬達是否異常。

Description

馬達故障檢測方法與馬達故障檢測系統

本發明是有關於一種馬達檢測機制，且特別是有關於一種利用阻抗來判斷馬達是否異常的馬達故障檢測方法與馬達故障檢測系統。

在科技快速發展下，不論在重工業、半導體工業、汽車工業等，大多都會使用到馬達。為了檢測馬達是否異常，一般會量測馬達的電壓、電流等資訊，並且透過訊號處理的方式來達成。例如，快速傅立葉轉換(Fast Fourier Transform；FFT)可用來分析訊號的頻率組成，藉此判斷訊號是否有異常的狀態。然而，快速傅立葉轉換只適用於分析周期性穩態訊號，在一些應用上並不適用。加上自然界中所量測到的訊號可能包括了許多雜訊，這些雜訊會影響到檢測的準確度。因此，如何有效且快速地判斷出馬達是否異常，為此領域技術人員所關心的議題。

本發明的實施例提出一種馬達故障檢測方法與馬達故障檢測系統，可以有效且快速的檢測出馬達是否異常。

本發明一實施例提出一種馬達故障檢測方法，用以檢視無刷馬達的健康狀態。此馬達故障檢測方法包括以下步驟。獲得無刷馬達的電氣頻率，並取得無刷馬達運轉一段時間中的一組感測電流資料。對感測電流資料進行希爾伯特-黃轉換(Hilbert-Huang Transform；HHT)中的經驗模態分解(Empirical Mode Decomposition；EMD)以獲得複數個本質模態函數(Intrinsic Mode Functions；IMF)。由本質模態函數獲得一特徵本質模態函數，其中特徵本質模態函數為一組特徵電流資料，並且組特徵電流資料的頻率符合無刷馬達的電氣頻率。根據無刷馬達的輸入電壓及特徵電流資料計算出至少一個電氣阻抗。比較電氣阻抗與參考電氣阻抗來判斷無刷馬達是否異常。其中參考電氣阻抗是根據處於健康狀態之訓練用無刷馬達的訓練感測電流資料所計算出。

本發明一實施例提出一種馬達故障檢測系統，包括無刷馬達、電流量測單元與檢測模組。無刷馬達包括了變頻器與電動機。電流量測單元是掛載在變頻器與電動機之間。檢測模組用以獲得無刷馬達的電氣頻率，並且透過電流量測單元取得無刷馬達運轉一段時間中的一組感測電流資料。檢測模組會對感測電流資料進行希爾伯特-黃轉換中的經驗模態分解以獲得複數個本質模態函數，並且由本質模態函數獲得特徵本質模態函數。此特徵本質模態函數為一組特徵電流資料，並且特徵電流資料的頻率符合無刷馬達的電氣頻率。檢測模組也用以根據無刷馬達的輸入電壓及特徵電流資料計算出電氣阻抗，並且比較電氣阻抗與參考電氣阻抗來判斷無刷馬達是否異常。其中參考電氣阻抗是根據處於健康狀態之訓練用無刷馬達的訓練感測電流資料所計算出。

基於上述，本發明實施例提出的馬達故障檢測方法與馬達故障檢測系統，是利用本質模態函數來計算出電氣阻抗，因此能更有效地判斷出無刷馬達是否異常。

100‧‧‧馬達故障檢測系統

110‧‧‧電源供應器

120‧‧‧無刷馬達

121‧‧‧變頻器

122‧‧‧電動機

130‧‧‧負載

140‧‧‧電流量測單元

150‧‧‧檢測裝置

151‧‧‧檢測模組

152‧‧‧訓練模組

210‧‧‧感測電流資料

311~315‧‧‧本質模態函數

316‧‧‧剩餘函數

410‧‧‧訓練階段

440‧‧‧測試階段

S411~S418、S441~S447‧‧‧步驟

S501~S506‧‧‧步驟

第1圖是根據一實施例繪示馬達故障檢測系統的示意圖。

第2圖是根據一實施例繪示感測電流資料的示意圖。

第3A圖至第3F圖是根據一實施例繪示本質模態函數的示意圖。

第4圖是根據一實施例繪示訓練階段與測試階段的流程圖。

第5圖是根據一實施例繪示馬達故障檢測方法的流程圖。

第1圖是根據一實施例所繪示的馬達故障檢測系統的示意圖。請參照第1圖，馬達故障檢測系統100包括電源供應器110、無刷馬達120、負載130、電流量測單元140與檢測裝置150。

在此實施例中，電源供應器110提供了直流電給無刷馬達120。在另一實施例中，電源供應器110也可以提供交流電給無刷馬達120，本發明並不在此限。

無刷馬達120包括了變頻器121與電動機122。在此實施例中，變頻器121是用以將直流電轉換為交流電，並根據此交流電來驅動電動機122。在另一實施例中，若電源供應器110提供的是交流電，則無刷馬達120還包括了轉換器(未繪示)以將交流電轉換為直流電，之後變頻器121再將轉換器輸出的直流電轉換為交流電。此外，電動機122是連接至負載130，但本發明並不限制負載130的種類。

電流量測單元140是掛載在變頻器121與電動機122之間，用以取得變頻器121上的線電流。例如，電流量測單元140為電流勾表，但本發明並不在此限。

檢測裝置150會透過電流量測單元140取得無刷馬達120運轉一段時間的一組感測電流資料(亦稱第一感測電流資料)。舉例來說，檢測裝置150每隔一段取樣時間便會透過電流量測單元140來取得一電流值，而在一段時間以後，這些電流值便會組成上述的感測電流資料。檢測裝置150會根據此感測電流資料來判斷無刷馬達120是否異常。

檢測裝置150包括了檢測模組151與訓練模組152。在一實施例中，檢測模組150是被實作為電腦，而檢測模組151與訓練模組152為程式碼，檢測裝置150中的處理器(未繪示)會執行這些程式碼。然而，在另一實施例中，檢測模組151與訓練模組152也可以被實作為電路。以下將詳細說明檢測模組151與訓練模組152的操作，但本發明並不限制檢測模組151與訓練模組152是被實作為硬體或是軟體，也不限制檢測裝置150被實作成什麼產品或電子裝置。此外，在一實施例中，檢測裝置150還包括一螢幕，若無刷馬達120發生了異常，則螢幕上會顯示一訊息。藉此，使用者可以隨時監控無刷馬達120的狀態。

首先，檢測模組151會對第一感測電流資料執行希爾伯特-黃轉換(Hilbert Huang Transform；HHT)中的一經驗模態分解(Empirical Mode Decomposition；EMD)以獲得複數個本質模態函數(Intrinsic Mode Function；IMF)。本領域具有通常知識者應可理解希爾伯特-黃轉換與經驗模態分解的內容，在此不再贅述。基本上，本質模態函數必須符合以下兩個條件。第一，本質模態函數中局部極值(local extrema)的數目與跨零點(zero-crossings)的數目必須相差小於等於1。第二，在本質模態函數的任一點上，區域最大值所定義的上包絡線與區域最小值所定義的下包絡線之間的平均值(即，均值包絡線)為零。然而，應可理解的是，在符合以上條件的前提下，上述的經驗模態分解可做任意的修改，本發明並不限制經驗模態分解的具體演算法。

第2圖是根據一實施例繪示感測電流資料的示意圖。第3A圖至第3F圖是根據一實施例繪示本質模態函數的示意圖。在第2圖與第3A圖~第3F圖的實施例中，感測電流資料210的波形為包括了雜訊的六步方波(six step square wave)。而經過經驗模態分解以後，檢測模組151會得到本質模態函數311~315與剩餘函數316。然而，在其他的實施例中，感測電流資料210的波形也可以為正弦波或是其他類型的波，本發明並不在此限。

另一方面，檢測模組151也會獲得無刷馬達的120的電氣頻率。在一實施例中，檢測模組151可根據無刷馬達120的轉速與極數來計算出無刷馬達120的電氣頻率。例如，檢測模組151可以根據以下方程式(1)來獲得電氣頻率，其中f為無刷馬達120的電氣頻率，p為極數，ω為轉速，單位是每分鐘轉速(radius per minute；RPM)。在另一實施例中，無刷馬達的120的電氣頻率也可以由其他的電子裝置計算出後再傳給檢測模組151。

在取得無刷馬達的120的電氣頻率以後，檢測模組151會根據此電氣頻率從這些本質模態函數311~315中獲得一特徵本質模態函數。此特徵本質模態函數為一組特徵電流資料，並且此特徵電流資料的頻率會符合無刷馬達120的電氣頻率。換言之，此特徵本質模態函數的頻率等於無刷馬達120的主頻率。舉例來說，檢測模組151可對每一個本質模態函數311~315執行一個空間域至頻率域的轉換以取得本質模態函數311~315的頻率資訊，接下來再根據這些頻率資訊與無刷馬達的120的電氣頻率來挑選出特徵本質模態函數。上述的空間域至頻率域轉換可以是傅里葉轉換(Fourier Transform)、希爾伯特轉換、或是其他類似的轉換，本發明並不在此限。具體來說，若使用的是希爾伯特轉換，則可以每一個本質模態函數C_j(t)可以表示為以下方程式(2)。

其中j為本質模態函數的編號，t為時間，RP[]代表實部的運算，a_j(t)為瞬時振幅函數，f_j(t)為瞬時頻率函數。若把時間t代入瞬時振幅函數a_j(t)，則可以達到本質模態函數的瞬時振福；把時間t代入瞬時頻率函數f_j(t)則可以得到本質模態函數的瞬時頻率。在方程式(2)的等號的右側又稱為轉換函數。以另一個角度來看，感測電流資料210可以表示為以下方程式(3)。其中signal(t)為感測電流資料210，n為本質模態函數的個數，r(t)為剩餘函數316。

在進行希爾伯特轉換轉換以後，檢測模組151可代入不同的時間t至瞬時頻率函數f_j(t)以取得多個瞬時頻率，並且取得這些瞬時頻率的平均頻率。例如，在第3A圖至第3F圖的實施例中，本質模態函數311的平均頻率可能較高；本質模態函數315的平均頻率可能較低。接下來，檢測模組151會比較無刷馬達的120的電氣頻率與本質模態函數311~315的平均頻率來取得特徵本質模態函數。一般來說，由於本質模態函數311~315是由無刷馬達120的感測電流資料210所產生，因此會有一個本質模態函數的平均頻率會等於或接近無刷馬達120的電氣頻率。在一實施例中，檢測模組151會找到與無刷馬達120的電氣頻率相同或者是誤差小於一個臨界值的平均頻率，並取得對應的本質模態函數做為特徵本質模態函數。在此假設本質模態函數315為特徵本質模態函數。

接下來，檢測模組151會根據無刷馬達120的輸入電壓及上述的特徵電流資料計算出至少一個電氣阻抗。在此，無刷馬達120的輸入電壓所指的是電源供應器110提供的直流電壓。在本實施例中，檢測模組151可以根據上述的瞬時振幅函數a_j(t)取得本質模態函數315的瞬時振幅，並且將無刷馬達120的輸入電壓除以瞬時振幅以取得電氣阻抗，如以下方程式(4)所示。其中Z_e(t)表示電氣阻抗，V_source(t)為無刷馬達120的輸入電壓，amp[]表示振幅的運算，a_char(t)表示特徵本質函數315對應的瞬時振幅函數，f_char(t)表示特徵本質函數315對應的瞬時頻率函數。

值得一提的是，第2圖中的感測電流資料210具有許多雜訊，若使用感測電流資料210來計算無刷馬達120的阻抗，則該阻抗無法準確地代表無刷馬達120的狀態。然而，本質模態函數315有較少的雜訊並且其頻率相同於無刷馬達120的電氣頻率，因此雖然本質模態函數315不是六步方波，但所計算出的阻抗更能代表無刷馬達120的狀態。

一般來說，處於健康狀況的無刷馬達的電氣阻抗會維持在一定的範圍內，但異常的無刷馬達的電氣阻抗則可能會有突然的變化。因此，接下來檢測模組151會比較計算出的電氣阻抗與一參考電氣阻抗來判斷無刷馬達120是否異常，並且此參考電氣阻抗是根據處於健康狀態之至少一個訓練用無刷馬達的訓練感測電流資料所計算出。舉例來說，類似於第1圖的架構，但無刷馬達120被替換為處於健康狀態的訓練用無刷馬達。訓練用無刷馬達的轉速與無刷馬達120的轉速相同，並可透過電流量測單元140取得訓練感測電流資料。訓練模組152可以根據訓練感測電流資料來計算出訓練用無刷馬達的電氣阻抗，並透過一個機器學習演算法或是統計相關演算法，根據這些訓練用無刷馬達的電氣阻抗來計算出參考電氣阻抗。然而，本發明並不限制使用何種機器學習演算法或何種統計相關演算法。若無刷馬達120的電氣阻抗與參考電氣阻抗之間的差距很大，有可能無刷馬達120是異常。在一實施例中，若無刷馬達120電氣阻抗與參考電氣阻抗的差距超過一臨界值，或者上述兩者的比率超過一範圍，則表示無刷馬達120為異常。

在另一實施例中，檢測模組151會在多個取樣時間點下，計算出對應的電氣阻抗，即無刷馬達120的電氣阻抗的數目會大於1。在比較電氣阻抗與參考電氣阻抗的步驟中，檢測模組151是計算出這些電氣阻抗的一方均根阻抗，並且比較此方均根阻抗與參考電氣阻抗來判斷無刷馬達120是否異常。值得注意的是，檢測模組151可以任意決定取樣時間點的個數，本發明並不在此限。或者，檢測模組151也可以重複上述計算方均根阻抗的步驟，並取得這些方均根阻抗的平均值來與參考電氣阻抗比較。

在一實施例中，訓練模組152會根據上述計算出方均根阻抗的方式來計算出對應的參考電氣阻抗。具體來說，訓練模組152會根據訓練用無刷馬達的轉速與極數計算出訓練用無刷馬達的電氣頻率。訓練模組152也會對訓練感測電流資料進行希爾伯特-黃轉換中的經驗模態分解以獲得複數個訓練本質模態函數，可參考上述的方程式(3)。訓練模組152也會從這些訓練本質模態函數中獲得一訓練特徵本質模態函數。此訓練特徵本質模態函數為訓練特徵電流資料，並且此訓練特徵電流資料的頻率符合訓練用無刷馬達的電氣頻率。最後，訓練模組152會根據訓練用無刷馬達的輸入電壓以及訓練特徵電流資料計算複數個訓練電氣阻抗，並且根據這些訓練電氣阻抗的方均根阻抗產生參考電氣阻抗。然而，經驗模態分解、本質模態函數、與電氣阻抗的計算已詳細說明如上，在此不再贅述。

在一實施例中，訓練用無刷馬達的個數也可以大於1，這些訓練用無刷馬達的轉速與極數皆相同。對於每一個訓練用無刷馬達，訓練模組152都會取得對應的方均根阻抗。訓練模組152可以計算出這些方均根阻抗的平均值來做為上述的參考電氣阻抗。

此外，訓練模組152也可以進行儀表重複性與再現性(gauge repeatability and reproducibility；GR&R)的測試以判斷是否完成訓練的階段。一般來說，在經過GR&R的測試以後，訓練模組152會得到一個精密度對容忍度比值 (precision tolerance ratio；P/T ratio)。若此精密度對容忍度比值小於一個臨界值(例如，30%)，則表示可接受訓練的結果。若否，則訓練模組152可以再重新取得訓練感測電流，並重新計算參考電氣阻抗。

另一方面，由於訓練用無刷馬達的轉速與無刷馬達120的轉速相同，因此所計算出的電氣頻率也會相同。所以，在經過經驗模態分解以後，檢測模組151與訓練模組152會取得具有相同頻率的特徵本質模態函數。在一實施例中，訓練模組152會取得訓練特徵本質模態函數在訓練本質模態函數中的訓練編號，並將此訓練編號傳送給檢測模組151。檢測模組151可以根據此訓練編號從本質模態函數中找到特徵本質模態函數。例如，在第2圖的實施例中，訓練編號為5，因此檢測模組151可以直接取得本質模態函數315。如此一來，檢測模組151便不用再執行時間域至頻率域的轉換，也不用計算每一個本質模態函數的頻率。

第4圖是根據一實施例繪示訓練階段與測試階段的流程圖。第4圖的流程可分為訓練階段410與測試階段440。其中訓練階段410中的步驟是由訓練模組152所執行，而測試階段440中的步驟是由檢測模組151所執行，以下不再重複贅述。

在步驟S411中，收集訓練用無刷馬達的資訊，例如輸入電壓、轉速與訓練感測電流資料。步驟S412中，對訓練感測電流資料執行經驗模態分解以取得訓練本質模態函數。在步驟S413中，對訓練本質模態函數進行希爾伯特轉換以取得瞬時頻率與瞬時振幅。在步驟S414中，根據訓練用無刷馬達的轉速與極數計算訓練用無刷馬達的電氣頻率，再找到對應的訓練本質模態函數做為訓練特徵本質模態函數。在步驟S415中，根據訓練特徵本質模態函數的瞬時振幅與輸入電壓來計算訓練電氣阻抗，或者是計算出方均根阻抗。步驟S416中，判斷是否要重複執行步驟S411~415。例如，訓練模組152可以重複執行步驟S411~415若干次，以取得多個方均根阻抗。步驟S417中，進行GR&R測試以產生P/T比值。步驟S418中，判斷結果是否通過。具體來說，若P/T比值小於一臨界值，則表示結果通過；若P/T比值大於等於該臨界值，則表示結果沒有通過。

在步驟S441中，收集無刷馬達120的資訊，例如為感測電流資料、轉速與輸入電壓。在步驟S442中，對感測電流資料進行經驗模態分解以取得本質模態函數。在步驟S443中，對本質模態函數進行希爾伯特轉換以取得瞬時頻率與瞬時振幅。步驟S444中，根據訓練編號從本質模態函數中取得特徵本質模態函數。步驟S445中，根據特徵本質模態函數的瞬時振幅來計算電氣阻抗。在步驟S446中，比較計算出的電氣阻抗與參考電氣阻抗，藉此判斷無刷馬達120是否異常。步驟S447中，判斷是否要重複執行S441~446。例如，訓練模組152可以重複執行步驟S441~446若干次以確認無刷馬達120是否異常。

第5圖是根據一實施例繪示馬達故障檢測方法的流程圖。請參照第5圖，在步驟S501中，獲得無刷馬達的電氣頻率。在步驟S502中，取得無刷馬達運轉一段時間中的一組感測電流資料。在步驟S503中，對感測電流資料進行希爾伯特-黃轉換中的經驗模態分解以獲得複數個本質模態函數。在步驟S504中，由本質模態函數獲得特徵本質模態函數，其中特徵本質模態函數為一組特徵電流資料，此特徵電流資料的頻率符合無刷馬達的電氣頻率。在步驟S505中，根據無刷馬達的輸入電壓及特徵電流資料計算出至少一個電氣阻抗。在步驟S506中，比較所述的電氣阻抗與一參考電氣阻抗來判斷無刷馬達是否異常。然而，第5圖中各步驟已詳細說明如上，在此便不再贅述。值得注意的是，第5圖中各步驟可以實作為多個程式碼或是電路，本發明並不在此限。此外，第5圖的方法可以搭配以上實施例使用，也可以單獨使用。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

S501~S506‧‧‧步驟

Claims

一種馬達故障檢測方法，用以檢視一無刷馬達的健康狀態，該馬達故障檢測方法包括：獲得該無刷馬達的一電氣頻率；取得該無刷馬達運轉一段時間中的一組第一感測電流資料；對該第一感測電流資料進行一希爾伯特-黃轉換(Hilbert-Huang Transform；HHT)中的一經驗模態分解(Empirical Mode Decomposition；EMD)以獲得複數個本質模態函數(Intrinsic Mode Functions；IMF)；由該些本質模態函數獲得一特徵本質模態函數，其中該特徵本質模態函數為一組特徵電流資料，該組特徵電流資料的頻率符合該無刷馬達的該電氣頻率；根據該無刷馬達的一輸入電壓及該組特徵電流資料計算出至少一電氣阻抗；以及比較該至少一電氣阻抗與一參考電氣阻抗來判斷該無刷馬達是否異常，其中該參考電氣阻抗是根據處於健康狀態之至少一訓練用無刷馬達的至少一組訓練感測電流資料所計算出。
如請求項1所述之馬達故障檢測方法，其中該至少一電氣阻抗的數目大於1，該些電氣阻抗是對應至複數個取樣時間點，並且該比較該至少一電氣阻抗與該參考電氣阻抗來判斷該無刷馬達是否異常的步驟包括：計算該些電氣阻抗的一方均根阻抗；以及比較該方均根阻抗與該參考電氣阻抗來判斷該無刷馬達是否異常，其中該獲得該無刷馬達的該電氣頻率的步驟包括：根據該無刷馬達的一轉速與一極數計算出該無刷馬達的該電氣頻率。
如請求項2所述之馬達故障檢測方法，更包括：根據該至少一訓練用無刷馬達的一轉速與一極數計算出該至少一訓練用無刷馬達的一電氣頻率；分別取得該至少一訓練用無刷馬達的該至少一訓練感測電流資料；對該至少一訓練感測電流資料進行該希爾伯特-黃轉換中的該經驗模態分解以獲得複數個訓練本質模態函數；由該些訓練本質模態函數獲得至少一訓練特徵本質模態函數，其中該至少一訓練特徵本質模態函數為至少一組訓練特徵電流資料，該至少一訓練特徵電流資料的頻率符合該至少一訓練用無刷馬達的該電氣頻率；根據該至少一訓練用無刷馬達的一輸入電壓以及該至少一訓練特徵電流資料計算出複數個訓練電氣阻抗；以及根據該些訓練電氣阻抗的至少一方均根阻抗產生該參考電氣阻抗。
如請求項3所述之馬達故障檢測方法，其中該至少一訓練用無刷馬達的數目大於1，該至少一方均根阻抗的數目大於1，每一該些訓練用無刷馬達具有對應的方均根阻抗，並且該根據該些訓練電氣阻抗的該至少一方均根阻抗產生該參考電氣阻抗的步驟包括：計算該些方均根阻抗的一平均值以產生該參考電氣阻抗。
如請求項3所述之馬達故障檢測方法，其中該取得該些訓練本質模態函數中的該至少一訓練特徵本質模態函數的步驟包括：對每一該些訓練本質模態函數進行一希爾伯特轉換(Hilbert Transform)以取得一轉換函數；取得每一該些轉換函數的複數個瞬時頻率，並取得該些瞬時頻率的一平均頻率；以及比較該至少一訓練用無刷馬達的該電氣頻率與每一該些轉換函數的該平均頻率，以取得該至少一訓練特徵本質模態函數。
如請求項5所述之馬達故障檢測方法，更包括：取得該至少一訓練特徵本質模態函數在該些訓練本質模態函數中的一訓練編號，其中由該些本質模態函數獲得一特徵本質模態函數的步驟包括：根據該訓練編號取得該特徵本質模態函數。
一種馬達故障檢測系統，包括：一無刷馬達，包括一變頻器與一電動機；一電流量測單元，掛載在該變頻器與該電動機之間；以及一檢測模組，用以獲得該無刷馬達的一電氣頻率，透過該電流量測單元取得該無刷馬達運轉一段時間中的一組第一感測電流資料，對該第一感測電流資料進行一希爾伯特-黃轉換中的一經驗模態分解以獲得複數個本質模態函數，並且由該些本質模態函數獲得一特徵本質模態函數，其中該特徵本質模態函數為一組特徵電流資料，該組特徵電流資料的頻率符合該無刷馬達的該電氣頻率，其中，該檢測模組用以根據該無刷馬達的一輸入電壓及該組特徵電流資料計算出至少一電氣阻抗，並且比較該至少一電氣阻抗與一參考電氣阻抗來判斷該無刷馬達是否異常，其中該參考電氣阻抗是根據處於健康狀態之至少一訓練用無刷馬達的至少一組訓練感測電流資料所計算出。
如請求項7所述之馬達故障檢測系統，其中該至少一電氣阻抗的數目大於1，該些電氣阻抗是對應至複數個取樣時間點，該檢測模組更用以根據該無刷馬達的一轉速與一極數計算出該無刷馬達的該電氣頻率，計算該些電氣阻抗的一方均根阻抗，並且比較該方均根阻抗與該參考電氣阻抗來判斷該無刷馬達是否異常。
如請求項8所述之馬達故障檢測系統，更包括；一訓練模組，用以根據該至少一訓練用無刷馬達的一轉速與一極數分別計算出該至少一訓練用無刷馬達的一電氣頻率，分別取得該至少一訓練用無刷馬達的該至少一訓練感測電流資料，對該至少一訓練感測電流資料進行該希爾伯特-黃轉換中的該經驗模態分解以獲得複數個訓練本質模態函數，並且由該些訓練本質模態函數獲得至少一訓練特徵本質模態函數，其中該至少一訓練特徵本質模態函數為至少一組訓練特徵電流資料，該至少一訓練特徵電流資料的一頻率符合該至少一訓練用無刷馬達的該電氣頻率；其中，該訓練模組更用以根據該至少一訓練用無刷馬達的一輸入電壓以及該至少一訓練特徵電流資料計算複數個訓練電氣阻抗，並且根據該些訓練電氣阻抗的至少一方均根阻抗產生該參考電氣阻抗。
如請求項9所述之馬達故障檢測系統，其中該至少一訓練用無刷馬達的數目大於1，該至少一方均根阻抗的數目大於1，每一該些訓練用無刷馬達具有對應的該方均根阻抗，該訓練模組更用以計算該些方均根阻抗的一平均值以產生該參考電氣阻抗。
如請求項9所述之馬達故障檢測系統，其中該訓練模組更用以對每一該些訓練本質模態函數進行一希爾伯特轉換(Hilbert Transform)以取得一轉換函數，取得每一該些轉換函數的複數個瞬時頻率，取得該些瞬時頻率的一平均頻率，並且比較該至少一訓練用無刷馬達的該電氣頻率與每一該些轉換函數的該平均頻率以取得該至少一訓練特徵本質模態函數。
如請求項11所述之馬達故障檢測系統，其中該訓練模組更用以取得該至少一訓練特徵本質模態函數在該些訓練本質模態函數中的一訓練編號，該檢測模組用以根據該訓練編號取得該特徵本質模態函數。