基于快速傅里叶变换的异步电动机转子故障检测方法综述

基于快速傅里叶变换的异步电动机转子故障检测方法综述

0异步电动机转子断条故障在线检测方法异步电动机结构简单，制造方便，成本低，强度低，工作特点好，所以它是经济各行业中最常用的机。工农业生产中绝大多数采用的是三相异步电动机,当笼型异步电动机发生断条故障时,断条故障如不能及时查出,断条数目逐渐增多,将可能导致事故的发生,造成更大的经济损失。由于断条故障是笼型异步电动机的常见故障,而且这类故障不同程度地影响机组的安全运行,极大地影响机组的可靠性和经济性。正因为如此,广大科研工作者纷纷致力于笼型异步电动机转子断条故障检测这一课题,取得了大量的研究成果,提出了各具特色的检测方法。由于其内容繁杂,且涉及多个知识领域,因此对其进行总结与评述是必要的,这对今后进一步的研究工作具有参考价值。本文作者对近几十年以来的相关资料进行了全面搜集、整理,在多达100余篇参考文献中遴选出了具有代表性的约20余篇参考文献。以此为基础,对异步电动机转子断条故障的在线检测方法作了总结与评述。为清楚起见,本文以异步电动机转子断条故障在线检测的典型方法为主线索。异步电动机转子断条故障在线检测的典型方法包括自适应滤波法、派克矢量变换法、希尔伯特变换法以及瞬时功率法,针对上述各种方法,本文介绍了相关方法的基本原理,分析了其优缺点,并指出了今后的发展趋势及研究重点。1电机转子电流fps测量异常最初的转子断条在线检测方法是对稳态的定子电流信号直接进行频谱分析,根据频谱中是否存在(1±2s)f1频率分量(s为转差率,f1为供电频率)——这一转子断条故障的特征量来判断转子有无断条。由于转子有轻微断条时,(1±2s)f1频率分量的幅值相对于f1频率分量的幅值非常小,同时异步电机运行时转差率s很小,(1±2s)f1与f1这两个频率非常接近,因而用快速傅立叶变换直接作频谱分析时,f1频率分量的泄漏会淹没(1±2s)f1频率分量。研究还表明,在电动机拖动负载出现大的阶跃性变化,例如从满载到半载;或者电网电压电流出现波动影响到电动机定子电流,此时再做电动机定子电流频谱分析提取特征故障进行故障检测就可能出现误判。因为,电动机在拖动波动负荷时,其定子电流中除含有f1频率分量之外,还包括以f1为中心频率的各种调制分量,而它们有可能被错误地解释为(1±2s)f1频率分量,从而造成误报警。再者,由于电机本身所固有的非对称性、气隙偏心、转子不对中及其他因素,异步电动机即使处于正常状态,其定子电流中亦可能包含(1±2s)f1频率分量。从而使检测(1±2s)f1频率分量是否存在变得十分困难。也正是为了克服这一困难,发展形成了以下异步电动机转子断条故障检测方法。1.1et的滤波原理针对笼型异步电动机转子断条故障特征频率分量——(1±2s)f1频率分量可能被f1频率分量淹没这一情况,文献提出了自适应抵消处理方法抵消f1分量,结果大大提高了信噪比,从而提高转子断条检测的灵敏度。自适应抵消的原理框图如图1所示。图中is含待提取的信号ST和噪声nT,而us是另外一种噪声,它与噪声nT是同频率的。这里,is代表电机定子电流信号;us代表电机定子电压信号;ST即为定子电流(1±2s)f1分量;nT则为定子电流f1分量。根据eT的大小,由自适应算法调整滤波器的参数,从而改变自适应滤波器的响应yT,使得E(e2T)=min(1)可以证明,如满足上式,则有E[(yT-nT)2]=min(2)E[(ST-eT)2]=min(3)式(2)表明:滤波后的输出yT将在最小均方误差的意义下抵消nT;式(3)表明:抵消的结果eT将在最小均方误差的意义下逼近提取信号ST。如图2所示,以某实验电机为例,图2(a)为该实验电机发生一根断条故障时对A相定子电流作快速傅立叶变换得到的频谱图,可以看出由该图并不能判断电机发生了故障。图2(b)为对其进行自适应滤波后得到的频谱图,可以看出该方法明显突出了(1-2s)f1这一故障特征分量。由此可以看出自适应滤波是一种有效判断异步电动机转子断条故障的方法。1.2正常电机运行时量表派克矢量变换是分析旋转电机数学模型常用的一种变换方法,它是根据磁势相等的原则,将三相轴系(a,b,c轴系)变换为二相轴系(d,q轴系)分析电机的一种数学方法,三相轴系到二相轴系派克矢量变换方程为[idiq]=23√[1−0.5−0.503√2−3√2]⎡⎣⎢iaibic⎤⎦⎥(4)[idiq]=23[1-0.5-0.5032-32][iaibic](4)在(d,q)二相坐标系中,由id,iq形成的矢量的轨迹为以原点为中心的圆,当感应电机出现转子断条等各种故障时,电流信号的相位关系发生变化,从而导致矢量发生变化,会偏离圆轨迹,变成椭圆。圆的畸变程度并不随着断条根数的增多而增大,而是当断条根数达到一定数目时,圆的畸变程度反而减小。实际上,由于制造、安装、材料等方面的原因,正常感应电机的矢量轨迹只能接近为圆。如图3所示,以某实验电机为例,图3(a)为该电机正常情况下在(d,q)二相坐标系中,由id,iq形成的矢量的轨迹,而图3(b)为该电机发生一根断条故障情况下在(d,q)二相坐标系中,由id,iq形成的矢量的轨迹。对比两图可以看出在电机故障情况下派克矢量变换所得到的由id,iq形成的矢量的轨迹与正常时相比虽然发生了畸变,但仍难以确定故障程度。在派克矢量变换的基础上,文献提出了派克矢量模平方函数法,即对派克矢量模平方函数:is(t)=|id+jiq|2进行变换,该文献还指出派克矢量模平方函数法所得信号是以2ksf1(s为转差率,f1为供电频率,k=1,2,3,…)频率分量为故障特征。仍以上述实验电机为例,如图4所示,图4(a)、(b)分别为电机正常和发生一根断条故障情况下用派克矢量模平方函数法得到的,对比两图可以看出在电机发生故障时在2ksf1频率处频谱幅值发生了明显的变化,可以判断该电机发生了故障。1.3希尔伯特模量的生成针对感应电动机拖动机械负载运行时,如果机械负荷波动较大,通过测取电动机定子电流直接作频谱分析,难于得到正确的结果这一难点,文献提出了通过对电动机定子电流信号作希尔伯特变换解调处理这一方法。对于信号,其希尔伯特变换定义为正变换xˆ(t)=1π∫∞−∞x(τ)t−τdτ(5)x^(t)=1π∫-∞∞x(τ)t-τdτ(5)反变换x(t)=−1π∫∞−∞xˆ(τ)t−τdτ(6)x(t)=-1π∫-∞∞x^(τ)t-τdτ(6)称式(5)和(6)为希尔伯特变换对。将x(t)和xˆ(t)x^(t)结合起来组成一个复值信号xa(t)=x(t)+jxˆ(t)(7)xa(t)=x(t)+jx^(t)(7)上式称为x(t)的解析信号。定义希尔伯特模量为X(t)=x2(t)+xˆ2(t)(8)X(t)=x2(t)+x^2(t)(8)文献指出,在希尔伯特模量中,相电流中的基波信号转换成了直流分量,断条特征频率为2ksf1(s为转差率,f1为供电频率,k=1,2,3,…)(最主要的分量频率为2sf1)。仍以上述实验电机为例,图5(a)、(b)分别为电机正常和发生一根断条故障情况下对希尔伯特模量进行变换得到的。对比两图可以看出电机发生故障时频谱图在2sf1处发生了明显变化,所以该方法能够用于异步电动机转子断条故障检测,并且文献也充分地说明了这一点。1.4快速工作网络vll文献提出了用瞬时功率法来判断笼型异步电动机转子断条故障,该文献定义瞬时功率为p(t)=vLL(t)iL(t)(9)式中:vLL(t),iL(t)分别为定子上的相电压和相电流。该文献还指出用瞬时功率法进行分析时,笼型异步电动机转子断条故障是以2sf1为故障特征频率的。仍以上述实验电机为例,图6(a)、(b)分别为电机正常和发生一根断条故障情况下用瞬时功率法得到的频谱图。对比两图可以看出电机发生故障时频谱图在2sf1处发生了明显变化,所以该方法能够用于异步电动机转子断条故障检测。2希尔伯特变换与数字滤波自适应滤波方法成功地将信号的滤波技术与傅里叶频谱分析技术结合在一起,从而大幅提高了频谱分析的频率分辨力和转子断条在线检测的灵敏度,因此均已成功地应用于实际。然而,研究表明,电动机在拖动波动负荷时,其定子电流中除含有f1频率分量之外,还包含以f1为中心频率的各种调制分量,而它们有可能被错误地解释为(1±2s)f1频率分量,从而造成误报警。再者,由于电机本身所固有的非对称性、气隙偏心、转子不对中及其他因素,异步电动机即使处于正常状态,其定子电流中亦可能包含(1±2s)f1频率分量。再者,这种检测方法需采集定子电压信号,因而硬件电路略显复杂,相应的断条检测装置的现场安装较为繁琐。由于这些因素的存在就大大降低了自适应滤波方法的应用价值。派克矢量变换消除了基波分量频谱泄露的影响以及特征频率的交叉项,实现了特征频率的分离;在短数据情况下分析,可准确提取故障特征分量,大大降低了电流波动的可能性。该方法相对FFT分析技术而言,频率估计分辨率更高,故障检测更为准确,且计算量小有利于电机故障实时状态监测。然而,该方法需要同时采样三相电流信号,会增大硬、软件的开销和复杂程度,因此其实用性稍差。希尔伯特变换是数字信号处理中的一种理想的移相方法。该笼型异步电动机转子断条在线检测方法仅需采集定子一相电流信号。与需要同时采样三相电流的扩展的派克矢量方法相比,该方法大大节省了硬件和软件开销。该方法同样具有简单、直观的优点,并且更为实用。然而,由于只采样了一相电流信号,不能反映定子不对称故障所引起的负序分量的存在,从而大大限制了该方法的实用性。瞬时输出功率法实现感应电动机故障诊断方法避开定子电流中边频分量的检测,可以更好地突出故障。该方法具有故障特征信息多、诊断灵敏度高、对采样分辨率要求低的优点。提高了故障诊断的灵敏度,并且降低了对采样分辨率的要求。然而,该方法也需要同时采集定子电流信号和定子电压信号,会增大硬、软件的开销和复杂程度,因此,其实用性也受到了限制。除了上述4种常用笼型异步电动机转子断条故障在线检测方法外,还有起动电流的时变频谱分析方法,该方法利用异步电动机起动过程中的特点来进行转子断条故障诊断,取得了不错的效果,并且得到了广泛的应用。该方法的不足之处是必须等待电动机启动时才能进行测试,不能在电动机运转时随时予以检测。在上述方法的基础上,文献提出了一种基于小波分析、自适应滤波与连续细化傅里叶变换的转子断条在线检测新方法,其突出优点在于可以躲过负荷波动对转子断条在线检测的影响。文献提出了一种基于希尔伯特变换与数字滤波的笼型异步电动机转子断条在线检测方法。它的最大优点就在于可以正确区分转子断条故障与负荷波动,从而大幅度提高了转子断条在线检测的可靠性。文献将连续细化傅里叶变换、自适应滤波、转子齿槽谐波转差率估计、检测阈值自整定技术有机结合,形成了笼型异步电动机转子断条故障检测新方法。该方法巧妙地将启动电流时变频谱分析、希伯尔特变换及滤波技术有机结合在一起,可大幅提高转子断条在线检测的可靠性。经仿真和实验均证实了上述笼型异步电动机转子断条故障综合在线检测方法的实用性。还有随机共振方法、旋转角指示器方法、MUSIC算法等都是目前较流行的异步电动机转子断条检测方法,研究表明这些方法用于异步电动机转子断条故障检测是可行的。针对上述方法存在的种种缺陷,找到一种高灵敏度、高可靠性的笼型异步电动机转子断条故障在线检测方法是目前急待解决的问题。本文作者正致力于瞬时功率分解技术与自适应滤波技术相结合的综合检测方法,并取得了初步成效。该方法把瞬时功率分解技术可以有效消除电机本身所固有的非对称性、气隙偏心、转子不对中及负荷波动等因素的影响的优点和自适应滤波技术的突出故障特征分量的优点有效结合起来,是一种较理想的笼型异步电动机转子断条故障在线检测方法。3笼型异步电动机转子断条故障在线检测方法的发展趋势本文以笼型异步电动机转子断条故障典型的在线检测方法为主线索,在全面搜集、整理相关资料的基础上,对笼型异步电动机转子断条故障在线检测方法作了概括和总结,具体分析了自适应滤波方法、派克矢量变换方法、希尔伯特变换方法和瞬时功率法的基本原理及其优缺点。以此为基础,可以归纳出笼型异步电动机转子断条故障在线检测方法的发展趋势。(1)在笼型异步电动机转子断条故障在线检测中尽量少地引入检测参数,以减少硬件和软件的开销和复杂程度。譬如,自适应滤波方法、派克矢量