【《异步电机的故障类型及诊断技术研究综述》3900字】

PAGEPAGE30PAGE异步电机的故障类型及诊断技术研究综述目录TOC\o"1-3"\h\u24293异步电机的故障类型及诊断技术研究综述 136231.1异步电机故障类型概述 1233931.2异步电机故障诊断技术 21.1异步电机故障类型概述异步电机的结构比较简单，主要由转子、定子和轴承等部分构成。虽然异步电机的结构并不复杂，但在物理方面却拥有繁杂的运行机制。其容易受周围环境、负载状况、供电电源等影响，出现部分零件老化受损导致性能降低。其中最为常见的故障有定子故障、转子故障、轴承故障及气隙偏心故障。1.定子故障定子故障是电动机运行过程中常见的问题。定子故障主要包括两相间的线圈短路和某一相与定子框架间的短路。该类故障可以简化为定子线圈上两点间的直接连接。相间短路通常发生在线圈头，因为不同相导体在线圈头部交汇在一起。线圈内短路通常发生在线圈头部或者凹槽处，这将导致绕组实际线圈数的减少。相间短路很可能造成停机。然而，某一相与中性点间的短路或者同一相匝间短路则不会造成这么严重的影响，可能产生的后果一般为相不平衡，对转矩产生直接影响。2.转子故障转子的导条和固定端容易发生故障，这种故障类型比较常见。此类故障约占其他类型故障总数的10%。异步电机在启动的瞬间，通过转子导条的电流非常大且要承受强大的冲击，这会造成转子导条温度升高产生热应力。若电机在运行过程中经常性的启停，转子导条和端环则会受力不均，并且持续受到热应力的影响发生形变，会致使异步电机出现转子断条故障。若不及时处理，造成故障加剧出现转子多根断条，严重时会损坏伤定子铁芯导致整个异步电机报废。3.气隙偏心故障偏心故障属于异步电机机械故障的一种，主要发生在异步电机的气隙上。表现形式分为三种：一是静态偏心故障，它是由于连接到定子上的旋转销错位引起的，大多数情况是凸缘不对中导致的；二是动态偏心故障，它可能是由于滚珠轴承被损坏，也可能是转子圆柱面或者定子圆柱面形变弯曲引起的；三是混合偏心故障，通常是由以上两种故障结合产生，是最常见的故障。4.轴承故障轴承故障也是属于异步电机机械故障的一种，它是由于滚珠轴承被损坏产生的，是电机故障的主要原因之一。例如电机过载、润滑油不洁净或逆变器所产生漏电流等属于电气方面的原因，都可能造成此类故障。轴承故障也会对异步电机造成不同的机械影响，例如电机振动、发出噪声等。1.2异步电机故障诊断技术异步电机的故障诊断，是指通过监测电机运行过程中的状态参数如振动、电流、温度、功率等来判断电机的运行状态进而识别故障类型,诊断过程分为信号采集、信号的分析处理及故障诊断三个阶段。1.异步电动机的故障信号检测主要有以下几种：（1）振动法电机的工作状态可以通过振动信号体现，在电机出现问题时便可能会发生不正常的抖动，采集此类振动的数据并对其进行评估分析，能够确定故障的原因。振动信号法得到了广泛的应用，其主要优势是易于检测与分析。（2）定子电流法在转子或是定子出现问题后，定子信号的谐波分量便会产生相应的变化，所以可基于频谱分析的方式确定是否存在故障。（3）温度法温升参数也可体现异步电机的工作状态，比如可以利用测温技术等确定异步电机是否存在温度过高的问题，以此便可以确定电机是否存在故障。（4）磁通法在对定子绕组问题进行检测时，可以以轴向漏磁通数据的情况为依据。2.故障信号的处理方法主要有以下几种：（1）频谱信号分析法频谱信号分析法是故障检测中最常用的方法。其缺点是对于信号采集质量、采样频率以及样本数极其敏感。监测过程通常是针对电机定子、转子以及轴承三大部件中的一个进行的。为了获得精确的故障信息，研究人员进行了很多研究，特别是研究了定子电流频谱，主要有两个原因:一是电流易于测量，并且可以对不同故障提供大量信息。但是只有当每种故障的频率分量已知时，才能对测量信号进行FFT频谱分析。此外，该方法需要大量采样点才能够保证精度，因此该方法常用于电机长时间运行时的故障诊断。（2）频谱图法频谱图法是在电机动态运行时对信号进行频率分析。这种方法在时降窗口中重复进行FFT计算，使得该方法对窗口长度、类型、监测时长以及滑动窗步长具有高灵敏度。尽管这种方法可以在动态模式下分析信号，但是在异步电机工作在150m/s的速度时其精度会大大降低。（3）时域分析法时域分析法是将健康运行时系统的时域信号与当前系统的时域信号进行比较。测量工具带来的相移会对直接比较带来很大影响，因此，在比较之前需要对信号进行转换，如果不经过转换，是无法有效识别影响电机的故障类型的。3.异步电动机的故障诊断技术主要有以下几个方法：异步电机在各个工业领域发挥着重要的作用。确保电机的可用性和使用安全性是工业生产中的基本要求。为此，开发能够确保设备正常运行的检测诊断系统势在必行。然而，监测和检测并不仅仅局限于电机本身。事实上，电机只是整个工业过程的一部分，确保操作安全是整个工业过程监测的重要部分。监测的最终目的都是通过检测运行中可能发生的故障来提高工业生产过程的可靠性。当监测和诊断系统满足可准确检测和定位故障的基本要求后，下一步就是要通过控制来解决故障引起的运行性能下降问题。对于一些要求较高的系统，任何故障都是不允许的(如核电站、航天工业、航空运输等)，设计师往往要设计冗余系统，一旦一个子系统出现故障，另一个备用系统立即替换故障子系统；如果某个系统与其他系统运行状态不一致，就会被立刻切除。但是这种类型的设计(硬件冗余)对于大多数常见工业系统来说十分昂贵。电机中采用的故障诊断方法分为两类：一类基于系统解析模型;另一类则无需系统模型。第一类方法受到控制领域工程师的欢迎，而电气工程以及信号处理领域的工程师则偏向于使用第二类启发式的方法。基于解析模型的故障诊断方法：这类检测方法依赖于对系统的认知，需要知道系统模型和代表系统运行状态的参数。模型产生的信号(或估计的参数)可以用来进行有效的故障检测和识别可能发生的故障。但是这类方法要求在系统不同运行工况下对系统模型和参数变化范围都有明确的认识。这些方法可被分为如下三类:（1）状态估计法解析模型包含有限数量的内部变量，称为状态变量。这些变量有时难以直接获取，比如无法使用物理方法测量或传感器安装费用过于昂贵等原因。由于系统随时间运行正是以这些变量随时间变化为特征的，因此可以使用参数估计技术(软件传感器)来跟踪这些变量的变化。采用状态估计法对测量信号（系统的输入/输出信号）进行估计的原理如图1-2所示。图1-2状态估计基本原理（2）残差产生法残差是系统模型和被监测系统之间的偏差信号，如图1-3所示。残差依赖于其产生方法，产生残差的目的是要为检测故障提供重要的可利用的信号。正常运行的系统戏差接近于零，残差携带的信息可以反映故障类型。图1-3残差产生（3）辨识法辨识法是根据实验得到的系统输人输出值为待检測系统建立一个动态模型，其核心思想是那些表征辨识模型特征的系统参数对故障十分敏感，因此可以根据这些参数的变化进行故障辨识。对模型参数进行估计，主要依赖于能够最小化模型输出与电机输出间误差的算法。这一流程如图1-4所示，该方法也称为模型法。图1-4辨识法基本原理此类诊断方法需要使用知识模型，要了解电机动态行为的先验知识，因此并不能涵盖电机的所有故障（例如轴承故障）。无需解析模型的故障诊断方法：该类方法不需要搭建系统模型，而是依赖于信号内蕴含的信息。将建模或测量获得的故障信号分类放入数据库中，通过信号释义或专家系统进行信号分析。人工智能方法就是无需解析模型的故障诊断方法，其包含多种不同的方法，例如专家系统、神经网络、模糊控制等，这些方法可以独立使用，也可以结合起来以提高诊断效率。尽管有时需要经过对优化运行来说非常重要的训练阶段，但这些方法仍旧非常高效。训练过程中需要使用样本集，这些样本可能是错误的，也可能只适用于某些特定的系统。一旦训练完成，该方法将变得简单并且高效，并可应用于电气系统的故障诊断。人工智能方法可加速决策过程，减少人工干预，但是并不一定适用于所有的故障诊断问题。人工智能方法通过多种形式模仿人类的推理过程，主要包括：（1）人工神经网络此方法模仿人类大脑的神经结构，通过简单的计算模块组成复杂的网络结构，可以用于描述非线性、多输入/输出系统。该方法根据采用的不同技术，可广泛应用于电机故障诊断：根据仿真或实验得到的时域或频域信号进行训练；实时自诊断；网络结构动态更新；对瞬变、干扰及噪声进行滤波；故障发生立即检测。（2）模糊逻辑此方法利用了人类的价值感知能力，它不仅仅局限于传统逻辑对“对”或“错”的判断，而是在更大范围内给出了介于是和否之间的值。模糊系统利用“if-then”形式的模糊控制规则来处理自然变量。自适应模糊控制系统利用神经网络的训练机制以及用于研究对象参数优化遗传算法的鲁棒性，能够有效地将先验知识和人类经验纳入考虑范围。很多文献致力于研究其用于电机状态监测和故障诊断的方法，它们包含不同的研究目标：功能异常检测和定位故障；性能指数评估；利用人类知识建立数据库，制定一系列“if-then”形式的模糊推理规则；设计用于故障诊断的自适应系统。（3）神经模糊此方法是上述两种方法的组合。事实上，自适应神经网络可以单独生成相应的模糊系统，规则的生成是利用训练样本实现的，即在规则制定过程中尽量减少专家的干预