基于定子電流信號的異步電機轉(zhuǎn)子故障特征頻率分量的估計

基于定子電流信號的異步電機轉(zhuǎn)子故障特征頻率分量的估計

0異步電機轉(zhuǎn)子故障診斷方法異步電機具有結(jié)構(gòu)簡單、維護方便、經(jīng)濟可靠等特點，廣泛應用于工業(yè)生產(chǎn)。因為它具有簡單的結(jié)構(gòu)、簡單的維護、經(jīng)濟的可靠性等特點。作為能量轉(zhuǎn)換設(shè)備,異步電機的正常運行對生產(chǎn)過程的安全高效及低耗運行具有重要意義。轉(zhuǎn)子斷條是異步電機的常見故障之一,占電機故障的10%左右。如果不能對電機這種故障狀態(tài)及時診斷,將會導致事故的發(fā)生和對生產(chǎn)造成影響。很多文獻提出通過監(jiān)測電機信號來進行故障診斷,如氣隙磁通、電機振動、轉(zhuǎn)矩,中心電壓以及電流信號。非侵入式的電機電流信號分析方法(motorcurrentsignalanalysis,MCSA)是目前使用最多的故障診斷方法,當電機出現(xiàn)轉(zhuǎn)子斷條故障時,將在定子電流中產(chǎn)生頻率為(1±2s)f的故障特征成分,通過對定子電流進行頻譜分析可確定轉(zhuǎn)子斷條的故障狀態(tài)。但異步電機正常運行中,轉(zhuǎn)差率s很小,在輕載或空載情況下更小,因此,故障特征成分很容易被基波頻率淹沒。而且負載轉(zhuǎn)矩波動也能在電流頻譜中產(chǎn)生相同的邊頻帶,給故障診斷帶來困難。很多文獻提出了解決上述問題的故障診斷方法。如Park矢量法、Vienna檢測方法、坐標變換法。Park矢量法將采集到的三相電流轉(zhuǎn)換成兩相靜止坐標系中,通過電流矢量模的圓形形狀來判別轉(zhuǎn)子故障診斷,但電源電壓諧波也能造成Park矢量模的形狀變化,從而導致判據(jù)失效。通過電壓、電流信號做適當?shù)淖儞Q來突出故障特征也是一種較好的辦法,擴展的Park’s矢量法通過分析電流矢量模的頻譜,其基波轉(zhuǎn)化成直流分量,故障特征頻率轉(zhuǎn)化成2sf、4sf分量,但其需要同時采集三相電流,增加了硬件開銷,而且?guī)斫徊骓?使頻譜較為復雜;Hilber轉(zhuǎn)換法通過構(gòu)建Hirbert模量也能達到同樣的效果。瞬時功率的頻譜分析也用于轉(zhuǎn)子故障診斷,文獻采用單個線電壓和單個線電流構(gòu)成瞬時功率,但其二倍頻及其周圍的邊頻帶使頻譜圖較為復雜,不便于故障診斷。文獻[13-14]采用三相電壓和三相電流相乘構(gòu)成瞬時功率,計算比較復雜,硬件消耗較大。這些方法也沒有對電機轉(zhuǎn)子故障的嚴重程度進行分析。本文提出一種新型的基于無功功率的異步電機轉(zhuǎn)子斷條故障診斷方法。該方法通過選取單相電流和線電壓,利用Hilbert轉(zhuǎn)換構(gòu)建無功功率,然后對無功功率進行頻譜分析,利用2ksf特征成分構(gòu)成有效判據(jù)。為判別故障嚴重程度,提出一種新的故障嚴重程度系數(shù),并利用小波變換重構(gòu)函數(shù)技術(shù)計算故障嚴重程度系數(shù)。與傳統(tǒng)的瞬時功率頻譜分析方法相比,本方法只采用單相電流構(gòu)建無功功率,不需要坐標變換。1無功率信號分析1.1傅里葉變換給定信號x(t),其Hilbert變換定義為令,對其進行傅里葉變換,則可得由此可見,信號經(jīng)過Hilbert變換后,幅值不變,負頻率成分作90°相移,正頻率部分作-90°相移。1.2轉(zhuǎn)子電流故障的頻譜分析在正常情況下,異步電機外加電壓為理想的正弦波形,忽略電機結(jié)構(gòu)的不對稱性,則電機的電流也為同頻正弦波。不妨以A相電壓電流進行分析,分別表示為根據(jù)前面Hilbert變換原理,分別對電壓、電流進行Hibert變換,則有為研究問題方便,定義無功功率表達式為將式(3)~式(6)代入式(7)得式(8)表明,定子電壓和A相定子電流作用產(chǎn)生的無功功率只含有直流成分。當感應電機發(fā)生轉(zhuǎn)子斷條故障時,將在定子電流中產(chǎn)生頻率為(1±2ks)f1的故障特征頻率成分。則A相定子電流可表示為式中,Ik、βk分別為k次諧波電流的最大值和相角。其Hilbert變換量為一般情況下,k=1的諧波成分幅值最大,為分析問題方便,對式(9)、(10)只考慮其k=1的情況,則A相電流的Hilbert模量為這就是傳統(tǒng)的基于Hilbert模量的異步電機故障診斷方法,但是當同時發(fā)生氣隙偏心和轉(zhuǎn)子斷條故障時,由于相乘的項太多,導致頻譜復雜。從式(12)可以看出,定子電流中的基波電流成分與電壓作用,產(chǎn)生一個恒定分量;定子電流故障特征頻率與電壓作用產(chǎn)生頻率為2sf的斷條特征分量,相比Hilbert方法、瞬時功率方法頻譜更為簡潔。從無功功率的頻譜分析中可以得知,2sf的成分可以構(gòu)成轉(zhuǎn)子斷條的有效判據(jù)。根據(jù)前面分析可知,本文方法與Hilbert方法相比,頻譜較為簡潔,沒有Hilbert模態(tài)量、瞬時功率方法中諧波分量相乘后的交叉項頻率。與平均瞬時功率方法相比,不需同時采樣三相電流和三相電壓,不需要坐標變換,節(jié)省了計算時間,簡化了硬件和軟件。2運行故障嚴重度分析2.1無功功率測量的諧波電流含故障諧波分量的A相電流的最大值表達式為則基波與各次諧波總瞬時無功功率為A相的瞬時視在功率為根據(jù)無功功率與視在功率關(guān)系,則有一般情況下,諧波電流的成分較小,則式(16)可寫成2.2小波包分析法ade根據(jù)上述分析,可以利用A相電流的諧波分量系數(shù)來進行故障嚴重程度的定量分析。小波包變換是小波變換的延伸,它較好地解決了二進小波變換固有的“高頻段頻率分辨低”的缺陷。為了計算式(17)中的諧波系數(shù),將A相電流進行小波包分析,并利用Matlab得到每個周期低頻和高頻諧波分量。根據(jù)小波包分解原理,設(shè)ψ(t)、φ(t)分別為小波函數(shù)和尺度函數(shù),則A相定子電流可表示為式中,,尺度層數(shù)j0為包括基頻信號的電流信號低頻部分,小波層數(shù)j包括信號高頻部分,k為小波時間尺度,尺度函數(shù)和小波基ψj、k都為正交基。根據(jù)式(18),則故障嚴重程度系數(shù)可表示為式中:分別為每個周期低頻、高頻分量的最大值。3轉(zhuǎn)子斷條故障診斷為驗證本文提出方法對感應電機轉(zhuǎn)子斷條故障診斷的有效性,采用嵌入式數(shù)據(jù)采集裝置。該裝置采用主流的嵌入式實時操作系統(tǒng),采集部分采用TI公司的32位定點高速DSP芯片和16位同步采樣ADC,單通道采樣頻率為10kHz。實驗系統(tǒng)結(jié)構(gòu)圖如圖1所示。故障診斷過程中,本系統(tǒng)通過在VC++6.0環(huán)境下調(diào)用Matlab引擎的方法來進行感應電機定子電流信號的處理和分析,實現(xiàn)轉(zhuǎn)子斷條故障診斷功能,為操作人員提供必要的信號分析波形、信號的頻譜圖繪制。選用感應電機的銘牌數(shù)據(jù)為額定功率550W,額定電壓為380V,額定電流為1.6A,額定轉(zhuǎn)速為1450r/min。分別在正常狀態(tài)、轉(zhuǎn)子1根斷條以及轉(zhuǎn)子2根斷條情況下,采集A相電流信號和電壓信號。圖2為轉(zhuǎn)子斷條情況下定子電流頻譜圖,從圖中可以看出,特征頻率(1-2s)f、(1+2s)f部分靠近基波頻率,且幅值相差較大,基本被基波頻率淹沒,故障特征不明顯,難以達到故障診斷效果。圖3為轉(zhuǎn)子1根斷條情況下電機瞬時無功功率頻譜分析圖,從圖中可以看出,2sf、4sf的故障特征成分十分明顯,可以作為轉(zhuǎn)子斷條故障診斷的有效判據(jù)。圖4為轉(zhuǎn)子3根斷條情況下無功功率的頻譜圖,從圖中可以明顯看出2sf、4sf的特征成分,和圖3相比,故障特征頻率的幅值明顯增加,說明故障程度較為嚴重。圖5為轉(zhuǎn)子斷條故障嚴重程度系數(shù)曲線實驗結(jié)果,從中可以看出,當發(fā)生1根轉(zhuǎn)子斷條時,嚴重系數(shù)接近于1,說明故障程度較低,當轉(zhuǎn)子斷條3根時,由于基波頻率在定子電流有效值中分量降低,導致系數(shù)明顯降低。4諧波電流的校正本文提出一種新型基于無功功率轉(zhuǎn)子斷條故障診斷方法。實驗結(jié)果表明,該方法能有效進行轉(zhuǎn)子斷條故障診斷,和基于瞬時功率方法和基于Hilbert變換方法相比,本文方法具有如下優(yōu)勢:1)只需采集單相電流,節(jié)約了硬件開銷;不需要進行Clarke坐標變換,減少了系統(tǒng)的計算時間。2)通過Hilbert構(gòu)建的無功功率頻譜相比瞬時功率頻譜和Hilbert模量頻譜,由于沒有交叉項而變得非常簡單,便于突出故障特征信