电力机车牵引电机故障检测诊断方法概述

电力机车牵引电机故障检测诊断方法概述
摘要：研究有效的牵引电机故障检测及诊断技术对于保障行车安全具有重要意义。

首先对电力机车牵引电机常见故障及其原因进行了分析，随后介绍了各类故
障的传统诊断方法及智能诊断方法，最后比较了传统方法及智能诊断方法的区别
并对智能诊断的实际应用进行了展望。

关键词：牵引电机;故障;智能诊断
1.牵引电机常见故障
根据牵引电机故障的来源不同可以将故障分为机械故障和电气故障两类。

电
气类故障包括定子绕组故障、定子铁芯故障、转子故障等，机械类故障指轴承故
障［3］。

图1所示为牵引电机故障分类及常见原因。

图1牵引电机的故障分类及原因
虽然故障种类较多，但每一类故障发生的概率并不相同。

有国外学者对一般
电机的各类故障发生概率进行了统计，各故障发生相对概率如图2所示［4］。

由图2可知，轴承故障、定子故障及转子故障为一般电机的主要故障类型，其中
轴承故障及定子故障合计占比78%。

图2一般电机故障统计
中车永济电机有限公司的张培军通过分析HXD3/3C型机车牵引电机运用及C5
修检修数据，得到表1所示YJ85系列牵引电机的故障主要类型及其发生概率［5］。

由表1可知，机车牵引电机故障多为电机接地故障及传感器故障。

经分析，三相线焊接处薄弱、异物导致线圈破损、绝缘薄弱为接地故障主要原因。

表1 YJ85系列牵引电机故障统计
2.电气故障
2.1.定子故障
定子在电机运行过程中会受到各种各样的应力作用，通常包括热应力、机械
应力和环境应力等。

电机长期在这些应力作用下工作是影响定子状态并导致其发
生故障的根本原因。

如图1所示，定子故障大致可以分为两类，即定子绕组故障
和定子铁芯故障。

定子绕组故障主要包括层间或匝间绝缘击穿、绕组接地及绕组
断路。

绕组断路很少发生，断路原因通常是线圈端部振动、焊接工艺不当或者导
线存在一定缺陷导致导线焊接点开焊。

定子铁芯故障通常指铁芯松动。

制造时铁
芯压装不紧或紧固件失效、铁芯外表面漆膜凸起因受热软化遭受附加压力而被压
平是导致铁芯松动的常见原因。

2.2转子故障
电机转子故障可能由电气故障(如笼条断裂、开焊)或机械故障(转子偏心)引起。

笼条断裂或开焊通常是由电机运行状态瞬间改变时(如启动、停止时)受到的较大
的热应力和冲击应力导致的。

该故障通常会严重影响扭矩，威胁电机安全运行。

第二类转子故障，即转子偏心故障是电机系列机械故障之一。

这类机械故障包括
负载不平衡以及轴心不齐等。

长期的负载不平衡会损坏轴承和轴承箱并影响气隙
的对称性。

2.3轴承故障
由图2可知，轴承故障为发生概率最高的故障类型，轴承的使用寿命也相对
较短。

轴承缺陷分为分布式缺陷及局部缺陷。

分布式缺陷包括轴承座未对准、表
面粗糙及滚动体尺寸过大等。

局部缺陷包括滚动表面剥落、凹陷及裂纹。

当滚轮
经过这些缺陷表面时，会瞬间产生一系列冲击及振动，振动及冲击的幅度和频率
可以通过缺陷的位置、速度及轴承尺寸计算得到。

局部缺陷通常是由于轴承的内
外滚道和滚动体表面之间的循环交变应力、电腐蚀、化学腐蚀和微振磨耗腐蚀引
起的。

3.电力机车交流牵引电机故障诊断的基本方法
3.1传统诊断方法
3.1.1定子故障诊断定子故障会对电机的定子电流产生影响，这影响可以通过Park矢量变化方法进行检查。

Park变换本质上是一种三相到两相的等效变换，该
变换将原三相对称定子绕组产生的磁场变换为两个轴线相互垂直、旋转的定子绕
组产生的基波合成磁场。

理想情况下，正常电机的定子电流经过Park变换后，在
新的坐标下的轨迹为一个以坐标原点为圆心的圆，实际情况下，其形状只能接近
圆形。

定子故障时，定子电流在新坐标下的轨迹将偏离正常运行情况下的圆形，
经学者研究，其形状与定子故障类型具有一定关系。

图3牵引电机在线故障检测诊断系统原理图
3.1.2转子故障诊断
电机电流特征分析法(MotorCurrentSignatureAnalysis，MCSA)是一种电机故障
无创诊断方法，可用于电机转子故障诊断。

转子故障将引起定子电流谐波发生变化，使用电流传感器对定子电流进行采集，并进行傅利叶等变换得到定子电流频谱。

对定子电流频谱进行分析，提取频谱中表示转子故障的特征频率分量即可判
断转子是否存在故障。

3.1.3轴承故障诊断
电机运行的振动信号中的高频部分由滚动轴承转动过程中所产生的力引起。

一般情况下，这些高频部分主要是因为摩擦引起，但是在轴承故障的情况下，振
动信号中除开这些高频分量还会出现脉冲波。

这些脉冲波通常是由摩擦表面的润
滑层破裂导致。

振动谱分析法所分析的对象是压电加速度传感器测量得到的信号
经傅里叶变换得到的振动频谱信号。

3.2智能诊断方法
图4交流牵引电机故障诊断实验平台原理图
随着人工智能的发展，运用神经网络、逻辑模糊系统等方法来检测牵引电机
的故障已成为可能。

基于人工智能的诊断技术通常包含三个主要步骤:1.特征提
取;2.故障检测;3.故障严重性估计。

以转子故障诊断为例，传统诊断方法需要人工
对变换得到的电流频谱进行分析，从而诊断故障类型。

而人工智能的诊断方法可
以基于人工诊断结果，提取电流频谱特征，训练得到检测准确度较高的模型。

面
对新的诊断需求，不同于传统诊断方法，人工智能诊断方法使用训练得到的诊断
模型直接对测量得到的电流进行特征提取并进行故障诊断，这一过程不需要人工
介入。

针对HXD1型电力机车，中南大学的阳同光首先利用异步电机故障时定子
电流故障特征量会对变流器网侧电流产生影响的特点，提取变流器网侧电流信号，并对电流信号进行小波包分解，提取各个频带能量值组成特征向量。

随后考虑到
特征向量的冗余性，利用基于核主成分分析法(KPCA)对小波能量特征向量进行了
降维，并将降维后的特征向量输入相关向量机(ＲVM)进行了训练。

研究结果表明，
训练得到的ＲVM模型具有较高的诊断正确率并且诊断用时较短。

西南交通大学
的黄亮通过提取牵引电机故障信号对数特征向量，并输入BP神经网络进行训练，对牵引电机定子匝间短路故障、轴承故障和转子气隙偏心故障三种故障进行了分
类识别，在此基础上设计并实现了交流牵引电机故障诊断平台。

该实验平台原理
图如图4所示。

结束语
综上所述，牵引电机故障的智能诊断方法所利用的科学原理与传统诊断方法
一致，但是由于智能诊断方法无需人工介入，无需拆解电机，对电机运行没有影响，只需要采集所需要的信号，处理及识别过程均交由计算机完成，因此其在在
线监测电机运行状态方面具有传统诊断方法无可替代的作用。

在线监测电机运行
状态及故障，获取大量实时运行数据，对指导牵引电机的灵活检修方式、反馈改
进牵引电机的制造设计将具有重要意义。

参考文献:
［1］孔惠惠.大功率交流机车与直流机车牵引性能比较分析［J］．交通科技，2011(3):141－144.
［2］李甜甜.电力机车交流牵引电机故障诊断研究［D］．成都:西南交通大学，2014.
［3］杨宏博，刘诗佳，宋永丰，黄金.牵引电机的主要故障及诊断方法综述［J］．铁道机车车辆，2014(5):69－71.。