《电机故障诊断方法探究》由会员分享，可在线阅读，更多相关《电机故障诊断方法探究（19页珍藏版）》请在金锄头文库上搜索。
1、 本科课程设计报告课 程 设 计 报 告学 院：自动化学院专业名称：电气工程及其自动化学生姓名：邬岑颖指导教师：付朝阳时 间：2014.9.12014.9.14课程设计任务书题目：电机故障诊断方法研究概述对电机故障诊断方法进行研究，包括国内外的主要研究现状，主要研究方法等。要求不少于10篇国外期刊文献（中国电机工程学报、电工技术学报等同于国外期刊）一、设计内容1、了解电机故障的原理2、搜集相关方向期刊文献，进行挑选并阅读3、总结所读论文，完成概述论文二、进度要求1、了解设计内容2天2、挑选论文1天3、阅读论文4天4、进行仿真2天5、结果分析 2天6、撰写设计报告2天7、汇报 1天学 生指导教师
2、目 录摘 要3引言41 故障检测与诊断简介42 电机故障诊断研究概况以及发展方向53 电机故障的分类以及其诊断方法64 典型电机定子绕组故障的诊断方法的分析85 基于MATLAB的电机转子断条故障仿真96 结论157. 参考文献158 课程设计心得169 致谢16摘 要电机作为一种重要的动力源，广泛应用于工业、生活等各个领域，其故障的检测和诊断是应用过程中值得关注的问题。电机的结构和运行特性，导致了其发生故障后不能被直观地检测和诊断，只能对运行电机进行参数监测，再对参数进行处理、分析，从而判断故障类型，找到解决办法。本文从常见的三种电机故障，即定子绕组故障，转子绕组故障和轴承故障入手，阅读了国
3、内外多篇相关文献，概括介绍了众多学者的研究成果，并对应用广泛的小波分析法进行了初步地探究。小波分析法是通过连续小波变换将电流信号中的各特征频率分量转换到时频分布空间，对该时频空间进行奇异值分解，将各特征频率分量分解到不同的正交特征子空间中，对特征子空间的选择重构可以有效地滤除电源频率分量而提取出转子故障特征分量，从而进行故障诊断的方法1。本文运用MATLAB软件对电机运行进行仿真，并尝试用小波分析法进行故障诊断和检测，仿真结果证明了小波分析法应用于电机故障诊断的正确性。关键词：电机故障概述；信号分析；MATLAB仿真电机故障诊断方法研究引言电机是各种用电器及机械的动力源，是现代社会生产中应用最
4、广泛的一种动力设备，随着工业技术的进步，电机也随之飞快的发展。然而，电机故障却是实时存在的，如何准确、快速地找到电机故障所在，尤其是能够随着电机运行，进行故障诊断，是当今电机学领域研究的一个热点。多年来，国内外众多学者对电机故障及其诊断进行了大量研究，主要发现了定子绕组故障，转子绕组故障以及轴承故障等三大类故障，并找到了多种解决办法，如针对定子绕组故障的时域分析法、电流的负序分量法、负序阻抗法、瞬时功率分解法、坐标变换法和负序分量融合方法等；针对转子绕组故障的失电残余电压诊断法、经验模态分解和支持向量机法、Hilbert模量频谱分析法和瞬时功率信号频谱分析法等；针对轴承部分的经验模态分解和超球
5、多类支持向量机法、时变参数自回归模型和支持向量机法以及信号共振稀疏分解与能量算子解调法等。此外，还有适用于多种故障诊断的逻辑诊断方法和小波分析法。笔者阅读了国内外多篇重要文献，对上述多种电机故障诊断方法进行概述，并使用小波分析法对转子断条故障进行仿真，证明了这一方法应用于电机故障诊断的正确性。1 故障检测与诊断简介设备诊断技术是根据设备运行时产生的各种信息，在设备运行时或基本不拆卸的情况下，通过对运行时的各种状态参数进行分析，进行故障诊断，并对未来故障进行预测的技术。这项技术分为以数学模型为基础和以观测数据为基础两类，发展至今已经经历了三个阶段：第一阶段：诊断结果多取决于专家的感官和经验，对诊
6、断信息只做简单的数据处理；第二阶段：以信号处理和建模处理为基础，以传感器技术以及动态测试技术为手段的现代化诊断技术，在工程中得到广泛应用；第三阶段：随着计算机人工智能的发展，诊断技术进入以知识处理为核心，信号处理、建模处理、知识处理相融合的智能诊断技术阶段2。2 电机故障诊断研究概况以及发展方向2.1研究概况电机故障诊断是电气领域的一个重要的研究课题，主要涉及的知识领域有：电机理论、电磁测量、信号处理、计算机技术、热力学、绝缘技术和人工智能等。早在二十世纪初，各国科学家就对电机故障诊断进行了探究，发现电机故障必然导致电机电流变化，从而引起电机磁场分布变化。到了二十世纪七八十年代，已经发现了定子
7、电流法、转速波动法和振动分析法来检测电机故障，1998年提出有限元分析法和快速傅里叶变换的方法来对相应参数进行分析，2001年，基于小波包分解和人工神经网络的方法也被应用于这一领域。我国对于电机故障诊断的探究开始于二十世纪九十年代初。1990年，温仲元提出了通过分析电机电流对感应电机故障进行诊断；1997年，邱阿瑞提出通过对电机定子电流信号做希尔伯特变换解调处理，提取故障特征分量，结果表明此法适用于负荷波动较大的转子故障诊断；同年，叶昊提出一种基于小波分析的动态系统故障诊断方法，具有灵敏度高，克服噪声能力强的特点；2003年，蒋斌、颜钢锋针对谐波小波所存在的时域特性差的缺点，提出了一种改进的具
8、有良好的时频域特性的谐波小波，并由此提出了一种电机故障诊断的新方法；2004年刘振兴、尹项根提出了以平均瞬时功率为监测量的监测方法，能够有效地将复合故障分离；同年，许伯强首次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，形成电机故障诊断新方法。目前对电机故障诊断的研究大部分仍然采用监测定子电流的方法，通过各种方法对信号进行分析，找到相应的特征频率，根据特征频率下幅值的变化，判断电机故障类型2。2.2发展方向随着诊断技术的发展，诊断系统也需要进步，目前趋向便携型、智能型、经济型发展。便携型和智能型都是为了便于使用和操作，经济型是为了更好地占有市场，是未来十
9、分重要的发展方向2。3 电机故障的分类以及其诊断方法3.1定子绕组故障诊断方法运行实践表明，定子绕组匝间、相间短路故障是最常见的和最危险的故障。这种故障的最明显的标志是绕组出现局部过热，相电流的对称性破坏，转矩降低，蜂鸣和振动加剧。这些故障的发生和继续，不仅导致电机损坏，而且可能导致损坏生产线中的其他设备，造成长时间的停产并产生昂贵的维修费用。 因此，工业生产过程迫切需要开展对电机迅速有效的状态监测及故障诊断。特别是对那些大型电机，需要运用在线监测技术，及时评估电机的运行状态，对故障实行早期预报，从而避免恶性事故和不必要的停机造成的经济损失3。多年来，学者们针对电机定子绕组故障提出了多种诊断方
10、法，主要有：1、时域分析：以电流分析法为主，采用多种特征参量对定子绕组故障进行诊断。此法直接选取定子电流作为特征信号，可方便地实现定子绕组故障的在线监测3；2、逻辑诊断方法：通过讨论故障对电机电磁振动和声学性能的影响，建立包括直接故障及其条件故障在内的电机故障模型，利用逻辑诊断方法，借助布尔矩阵确定最小诊断试验集及相应的监测参数，通过对绕组电压和电流中三次谐波的监测能够在故障初期和在运行条件下确定故障类型4；3、基于定子电流的负序分量法：利用故障造成的三相不对称所产生的负序电流分量进行故障检测5；4、负序阻抗法：通过检测负序阻抗的变化对定子故障做出诊断5；5、瞬时功率分解法：通过对电机瞬时功率
11、的分解，可以排除电机固有因素和环境因素所产生的负序电流，从而得到仅由定子故障引起的负序电流，有较高的准确度5；6、坐标变换法：将信号变换到不同的坐标系下进行分分析，对故障特征量提取的效果较好5；7、负序分量融合方法：应用多源信息融合理论将交流电机定子电压、电流负序分量通过李萨如方法进行融合，形成负序李萨如图形，提取负序李萨如图形倾角作为故障特征分量进行电机定子绕组匝间短路故障诊断5。3.2转子绕组故障诊断方法转子绕组故障是另一种比较常见的故障，若不能及时发现而让其继续“带病”运行，时间过长可能造成设备损坏，产量下降，维护费用增大等不良后果。学者们对此进行了大量卓有成效的研究，并取得了不少成果，
12、主要有：1、失电残余电压诊断：利用完好电机和转子绕组故障电机定子失电残余电压谐波成分的差异，进行故障诊断6；2、经验模态分解和支持向量机法：对转子系统的振动信号进行经验模态分解，将其分解为若干个固有模态函数；对每一个IMF分量建立AR模型，取模型的自回归参数和残差的方差作为故障特征向量，并以此作为输入来建立支持向量机分类器，判断转子系统的工作状态和故障类型7；3、Hilbert模量频谱分析：将 Hilbert 模量定义为原始信号与其共轭信号的平方和，对定子电流进行Hilbert 模量频谱分析，可以有效地诊断鼠笼式异步电动机的转子故障8；4、瞬时功率信号频谱分析：采集定子某两个端子之间的线电压和
13、对应的线电流，由二者的乘积即可构成瞬时功率信号，使用瞬时功率信号能避免基波电流对故障特征成分的影响，更好地突出故障特征，分离复合故障。这些都有益于对故障程度的量化和诊断规则的建立9；5、逻辑诊断方法：同定子绕组一样，转子绕组故障也可以采用逻辑诊断方法，且做法类似4；6、小波分析法：通过连续小波变换将电流信号中的各特征频率分量转换到时频分布空间，对该时频空间进行奇异值分解，将各特征频率分量分解到不同的正交特征子空间中，对特征子空间的选择重构可以有效地滤除电源频率分量而提取出转子故障特征分量，从而进行故障诊断1。3.3轴承故障诊断方法由于电机是一种旋转机械，内部的轴承是电机的重要组成部分，因此探究
14、旋转机械轴承故障诊断方法，对于电机故障诊断是十分重要的。滚动轴承是旋转机械中应用最为广泛的机械零件，其运行状态是否正常直接影响机械设备的工作性能与运行寿命。当滚动轴承出现故障时，在滚动体相对滚道的旋转过程中，常会产生有规律的冲击脉冲，能量较大时，激励起外环固有频率，形成以外环固有频率为载波频率，以轴承通过频率为调制频率的固有频率调制振动现象，影响整台机器的精度、可靠性及寿命10、11。针对轴承故障诊断，相关学者做了大量研究，主要结论有：1、经验模态分解和超球多类支持向量机法：对各状态振动信号进行经验模态分解，得到一系列固有模态函数和一个残余分量。经验模态分解方法具有分解自适应性和分解唯一性。对
15、每个固有模态函数建立自回归模型，分别采用Yule-Walker和Ulrych-Clayton两种方法求得模型参数和残差方差，并以此作为各类状态信号的特征矩阵，输入到改进的超球多类支持向量机分类器，判断滚动轴承故障位置及性能退化程度。可以同时实现滚动轴承故障位置及性能退化程度的智能诊断10；2、时变参数自回归模型和支持向量机法：首先通过对振动信号建立TVAR模型，提取模型系数及残差的方差作为信号特征，然后利用SVM对信号进行分类，继而实现故障自动识别，此法能在较少样本的情况下获得较好的诊断结果12；3、信号共振稀疏分解与能量算子解调法：采用信号共振稀疏分解将冲击脉冲从滚动轴承振动信号中分离出来，然后采用能量算子解调方法对其进行包络解调，计算出瞬时幅值后对瞬时幅值的频谱进行分析，获取冲击脉冲出现的
