基于定子电流监测方法的电机故障诊断
基于定子电流小波包分析的牵引电机轴承故障诊断
３ ． Ｎａ ｔ ｉ ｏ ｎ ａ ｌ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｌａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｙ， ＣＳ Ｒ Ｑｉ ｎ ｇ ｄ ａ ｏ Ｓ ｉ ｆ ａ ｎ ｇ Ｃｏ ．，Ｌｔ ｄ ．，Ｑｉ ｎ ｇ ｄ ａ ｏ ２ ６ ６ ｌ １ １，Ｃｈｉ ｎ ａ ）
ＹＡＮＧ Ｊ ｉ ａ ｎ ｇ — ｔ ｉ ａ ｎ ，Ｚ Ｈ ＡＯ Ｍｉ ｎ ｇ — ｙ ｕ ａ ｎ 。 ，Ｚ Ｈ ＡＮＧ Ｚ ｈ ｉ — ｑ ｉ ａ ｎ ｇ 。 ，ＬＩ Ｐ ｉ ｎ ｇ — ｋ ａ ｎ ｇ
（ １ ． Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ，Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ａ ｎ ｄ Ｃ ｏ ｎ ｔ ｒ ｏ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ，Ｂ ｅ ｉ ｊ ｉ ｎ ｇ Ｊ ｉ ａ ｏ ｔ ｏ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ４ ４ ， Ｃ Ｒｏ ｌ ｌ ｉ ｎ ｇ ｅ ｌ ｅ ｍｅ ｎ ｔ ｂ ｅ ａ ｒ ｉ ｎ ｇ ｆ ａ ｉ ｌ ｕ ｒ ｅ ｓ ａ ｃ ｃ ｏ ｕ ｎ ｔ ｆ ｏ ｒ ａ ｌ ａ ｒ ｇ ｅ ｍａ ｊ ｏ ｒ ｉ ｔ ｙ ｏ ｆ ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ｆ ａ ｕ ｌ ｔ ｓ ｉ ｎ ａ ｌ ｏ ｃ ｏ ｍｏ ｔ ｉ ｖ ｅ ｔ ｒ ａ ｃ —
摘
要： 滚 动轴 承 失 效是 机 车 牵 引 传 动 系 统 的 主 要故 障 源 之 一 。轴 承 失 效 引 起 电 机 振 动 增 加 ， 导 致 定 子 电 流 发
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。
电机有哪些故障检查方法和技巧
电机有哪些故障检查方法和技巧电机在出现问题和故障后悔严重影响设备的安全与正常运行，那么对此你知道该怎么去检查电机的故障与问题吗?以下是店铺为你整理的电机的故障检查方法，希望能帮到你。
电机的故障检查方法一看：观察电动机运行过程中有无异常，其主要表现为以下几种情况。
1.定子绕组短路时，可能会看到电动机冒烟。
2.电动机严重过载或缺相运行时，转速会变慢且有较沉重的"嗡嗡"声。
3.电动机正常运行，但突然停止时，会看到接线松脱处冒火花;保险丝熔断或某部件被卡住等现象。
4.若电动机剧烈振动，则可能是传动装置被卡住或电动机固定不良、底脚螺栓松动等。
5.若电动机内连接线接触点和连接处有变色、烧痕和烟迹等，则说明可能有局部过热、导体连接处接触不良或绕组烧毁等。
二听：电动机正常运行时应发出均匀且较轻的"嗡嗡"声，无杂音和特别的声音。
若发出噪声太大，包括电磁噪声、轴承杂音、通风噪声、机械摩擦声等，均可能是故障先兆或故障现象。
1. 对于电磁噪声，如果电动机发出忽高忽低且沉重的声音，则原因可能有以下几种。
(1)定子与转子间气隙不均匀，此时声音忽高忽低且高低音间隔时间不变，这是轴承磨损从而使定子与转子不同心所致。
(2)三相电流不平衡。
这是三相绕组存在误接地、短路或接触不良等原因，若声音很沉闷则说明电动机严重过载或缺相运行。
(3)铁芯松动。
电动机在运行中因振动而使铁芯固定螺栓松动造成铁芯硅钢片松动，发出噪声。
2.对于轴承杂音，应在电动机运行中经常监听。
监听方法是：将螺丝刀一端顶住轴承安装部位，另一端贴近耳朵，便可听到轴承运转声。
若轴承运转正常，其声音为连续而细小的"沙沙"声，不会有忽高忽低的变化及金属摩擦声。
若出现以下几种声音则为不正常现象。
(1)轴承运转时有"吱吱"声，这是金属摩擦声，一般为轴承缺油所致，应拆开轴承加注适量润滑脂。
(2)若出现"唧哩"声，这是滚珠转动时发出的声音，一般为润滑脂干涸或缺油引起，可加注适量油脂。
电机故障诊断方法及检修策略
电机故障诊断方法及检修策略电机在现代工业生产中起着至关重要的作用。
然而，电机故障是不可避免的，它可能会导致生产中断、能源浪费、设备损坏甚至人身安全事故。
因此，准确诊断电机故障并制定正确的检修策略成为了维护设备稳定运行的关键。
一、电机故障诊断方法1. 观察法观察法是最常见也是最简单的电机故障诊断方法之一。
通过观察电机的外部现象和运行状态，可以初步判断出电机故障的可能原因。
例如，如果电机发出噪音或振动，可能是轴承损坏。
如果电机发出烧焦味道，可能是电线或电机绕组发生了热损坏。
这种诊断方法对于表面故障较为有效，但对于一些内部故障则有一定的局限性。
2. 测量法测量法是一种基于电机电气性能测量来诊断故障的方法。
通过测量电机的电压、电流、温度等参数，可以判断出电机故障的类型和位置。
例如，当测量到低于正常值的电流时，可能是电机绕组中有导线断裂。
当测量到电机外壳温度升高时，可能是轴承润滑不良。
这种方法需要依赖专业的测量仪器，并需要对电机性能有一定的了解。
3. 检查法检查法是通过对电机各部分进行仔细检查，寻找故障的发生点。
检查法需要检查电机的外壳、端盖、风扇、轴承等部分，以及电机的电线、绕组连接情况等。
通过检查法，可以发现一些表面故障或连接松动的问题。
然而，这种方法对于内部故障的定位有一定的局限性。
二、电机故障检修策略1. 故障确定在电机故障检修过程中，首先需要确定故障的类型和位置。
根据前述电机故障诊断方法的结果，结合电机的运行表现和相关数据，可以初步确定故障的原因。
例如，如果电机突然停止运转，可能是电源故障、电机过载或传动系统故障等。
根据故障的确定，可以有针对性地制定检修策略。
2. 维护保养对于电机的故障检修而言，维护保养是非常重要的一环。
定期对电机进行维护保养，包括清洁电机外壳、更换润滑油、检查轴承和电线连接等。
维护保养可以延长电机的使用寿命，减少故障的发生。
3. 更换部件一旦确定了故障的具体位置，可能需要更换一些部件才能解决问题。
基于定子电流的异步电动机转子故障诊断方法综述
１ 常见 转 子 故 障
Hale Waihona Puke 作 Ｆｕ ｅ 分析容易被淹没 ， ｏｒ ｒ ｉ 从而降低了故 障诊断 的 灵 敏度 。在 此 状 况 下 ， 种 基 于定 子 电 流 的 故 障 特 各 对 鼠笼式 异 步 电动 机 而 言 ， 电机 频 繁 启 动 或 征 提取方 法 得 到 了大量 研究 。 若
２ 基于定子 电流 的转 子故障诊断
２ １ 转 子故 障诊 断原理 ．
件准确抵消定子电流中． 频率分量 ， 从根本上解决
了． 频 率 分 量 的泄 漏 而 淹 没 （ ２ ） 频 率分 量 这 １— ｓ．
一
问题 ， 有效 地对 电机转 子故 障进 行 了诊 断 ， 大 致 并
当电机 出现 转 子 故 障 时 ， 然 在 气 隙 中引 起 谐 可 以估 算 出转子 断条 数 目。 必
． 工作 环 境 恶 劣 或 电机 频 繁启 动 等原 因 ， 子 经 常发 ２ ２ 转 子故 障诊 断 方 法 转
生故 障 ， 造成 了很 大 的 经 济损 失 。为 了预 防此 类 故
当转子出现断条 、 端环断裂等故障时， 会在定子
障的发 生 ， 内外 学者 做 了大 量 的研 究 工 作 ， 出 了 国 提 电流 中产生 一个 频 率 为 （ ２ ） 的 特 征 分量 （ 为 １— ｓ． ｓ
各种转子故障诊断方法 。由于定子电流信号容易采 转差率 为基波频率 ）通过频谱分析 ， ， 看是 否含有
集 ， 障监测 可 做 成 非 侵 入 式 ， 此 ， 子 电流 方 法 该 分量 来判 断转 子 有 无 故 障 。然 而 ， 于 （ 故 因 定 由 １—２） ｓ 在 电机转 子故 障诊 断 中得 到 了普遍 的应 用 。 频 率 分 量 的 幅值 相对 于基 频 分 量 幅值 较 小 ， 单 地 简
风力发电机状态监测与故障诊断技术分析
风力发电机状态监测与故障诊断技术分析摘要：随着环境的日益恶化，作为绿色能源的风能，其被广泛的应用与发电行业，风力发电机技术已经成为当前世界各国研究的热点。
由于风场位于环境恶劣的偏远地区，使得风力发电机发生故障的位置比较复杂，对风力发电机运行状态的监测工作造成很大的困难。
因此为降低风力发电机的故障发生率，需要大力发展状态监测与故障诊断技术。
关键词：风力发电；新能源；发电机引言从风力发电场的视角出发，对于风力发电当中的机组部分展开探究，论述对故障问题进行检测以及实施诊断的方式，是将对机组部分平时进行维护的资金减少的一项极为高效的方法。
一、风力发电机组的故障特点风力发电场的的位置大多为一些偏远地区和高山上，恶劣的自然环境、风速多变以及外部载荷的不稳定长期影响对于风力发电机组内部的部件很容易引起故障。
而风发电机组的故障一般都是主要有齿轮箱、发电机、变频器三部分的故障。
我们主要是对于风力发电机组中发电机部分做主要的研究，风力发电机组的发电机一般故障有发电机轴承过热、发电机运行时的振动过大以及发电机机身的温度过高等方面的故障。
经过长时间的研究发现，造成以上故障的主要原因是轴承损坏、定子绕组的绝缘损坏以及转子的平衡问题等原因。
对于不同的故障问题以及部件应采用相适应的处理方法，是对其进行最有效的状态监测和故障诊断的有效措施。
二、状态监测与故障诊断的系统的基本结构风力发电机组的监测与故障诊断依赖于现代化计算机技术以及电气技术的有效结合，计算机的控制系统可将信号的采集、监测、分析等融合为一个一站式的监测系统。
通过对风力发电机组的温度、振动以及压力的数值与标准数值进行对比分析，能够有效的掌握发电机组的运行状况，同时可以根据数据的分析对风力发电机组出现的故障并提出相应的解决措施。
风力发电机组的监测与故障的诊断系统的工作模式主要是对信息的收集--信息的处理--信息的分析--判断信息的准确性--诊断的结果以及相应的措施。
对于信息的处理和收集是基于前期对发电机组安装或进行周期性的检测，在检测设备对于检测到的信号传输给计算机控制系统对于信息进行分析，从而得出相应的结果。
牵引电机常见故障及电流分析法诊断机理
牵引电机常见故障及电流分析法诊断机理1引言牵引电机发生各种故障发生的具体情况不尽相同,但不管发生哪种故障,其故障初期时都会通过不同形式反映出一定变化等。
因此,可以对这些特定信号进行监测分析以从中找出某些故障的特征,对一些牵引电机故障做出诊断，本文主要讲述了基于定子电流分析来诊断电机故障。
2牵引电机的故障类型及原因（1）电机定子绕组故障主要包括层间、匝间短路故障，几乎40%的牵引电机故障都属于定子距间短路故障，而绝短路故障的主要原因有线圈松动导致层间垫条磨损，线圈制作过程中匝间绝缘遭受损伤或匝间绝缘材质不良、匝间绝缘厚度不够或结构不合理等。
（2）转子故障表现为笼条及端环断裂，开焊，主要因为电机在反复启动、运行、停转过程中，转子不仅承受很大冲击力和应力还会受到较大的离心力。
由于存在变形和位移，笼条和端环会因应力分布不均匀而断裂，另外负载变化和电压波动使笼条在交变负荷的作用下容易产生疲劳发生转子故障，将出现电机启动时间延长、转差率增大、电机噪声增加等甚至更严重的影响。
（3）对牵引电机而言,气隙偏心也是常见故障之一转子偏心将导致气隙不均衡,产生了非平衡气隙电磁拉力,并进一步同时引起定转子振动,并最终导致轴承故障和机械故障，气隙偏心分为静态偏心故障和动态偏心故障两种形式,其中,静态偏心是由定子铁心内径的椭圆度或装配不正确造成的,和转子本身的位置无关;动态偏心是由转轴弯曲,轴径椭圆,临界转速时的机械共振、轴承磨损造成的,其偏心位置与转子位置和旋转频率有关,在空间上是动态变化的。
3基于定子电流分析的故障诊断原理（1）定子绕组匝间短路机理分析交流电动机的定子绕组一般均采用在时间及空间上均互差120°的三相对称分布绕组。
当某相定子绕组存在匝间短路时,定子绕组的对称性遭到破坏。
由定子绕组产生的气隙磁势由对称时的圆形变为椭圆形,该椭圆形磁势可以分解为正转分量和反转分量,二者转速相同、转向相反。
当故障不很严重时,前者的幅值远远大于后者的幅值。
交流电机定子绝缘故障诊断与在线监测技术综述
故障诊断技术综述
在实际应用中，需要根据电机的具体情况选择合适的诊断方法。同时，随着 人工智能和大数据技术的发展，基于数据驱动的故障诊断方法也成为了研究热点。 这些方法通过收集大量的运行数据，利用机器学习和深度学习等技术进行模式识 别和故障预测，具有较高的准确性和实时性。
在线监测技术综述
在线监测技术综述
引言
引言
交流电机作为一种重要的动力设备，广泛应用于各种工业领域。其定子绝缘 系统是维持电机正常运行的关键部分，一旦出现故障，将会导致电机效能下降甚 至损坏。因此，开展交流电机定子绝缘故障诊断与在线监测技术的研究具有重要 的实际意义。本次演示旨在综述该领域的最新研究成果，以期为相关研究和应用 提供参考。
交流电机定子绝缘故障诊断与 在线监测技术综述
01 摘要
目录
02 引言
03 故障诊断技术综述
04 在线监测技术综述
05 结论
摘要
摘要
本次演示将对交流电机定子绝缘故障诊断与在线监测技术的现状和发展趋势 进行综述。文章首先介绍了交流电机定子绝缘故障诊断与在线监测技术的背景和 意义，接着阐述了故障诊断和在线监测技术的各个方面，最后总结了其优点和不 足，并指出了未来的研究方向。
在线监测技术综述
在实际应用中，各种在线监测方法都有其优点和局限性。电流监测法可以准 确反映定子绝缘的状况，但无法检测到尚未造成电流波形的故障；振动监测法和 温度监测法则可以实时监测电机的运行状态，但需要解决如何准确提取故障特征 和如何排除其他干扰因素等问题。因此，综合应用多种在线监测方法，提高监测 的准确性和可靠性是未来的研究方向之一。
谢谢观看
Байду номын сангаас
在线监测技术综述
同时，随着物联网和云计算技术的发展，基于物联网的在线监测系统成为了 研究热点。这种系统通过将传感器、数据处理和分析单元以及远程监控中心连接 起来，可以实现数据的实时传输和处理、故障预警和远程监控等功能，大大提高 了监测的效率和准确性。
电机定子测试的方法和步骤
电机定子测试的方法和步骤标题：电机定子测试的方法和步骤简介：电机是现代生活中不可或缺的重要装置，而定子作为电机的核心部分，其性能的稳定与否直接影响着电机的工作效率和寿命。
因此，了解电机定子测试的方法和步骤对于电机维护和故障排除至关重要。
本文将为您介绍电机定子测试的方法和步骤。
一、电机定子测试的重要性电机定子是电机的主要部件之一，承担着电流和磁场的作用。
定期对电机定子进行测试可以及时发现潜在的问题和故障，并预防电机在工作中引发意外事故。
通过测试，我们可以全面了解电机定子的工作状态和性能，及时判断是否需要进行维护或更换。
二、电机定子测试的准备工作在进行电机定子测试之前，首先需要做好以下准备工作：1. 获得电机的技术参数和测试要求，了解测试应具备的环境条件和安全要求。
2. 准备好测试用具，如万用表、绝缘电阻测试仪、交直流电桥等。
3. 确保电机处于安全状态，断开电源并进行必要的安全措施，如断开电源、接地等。
三、电机定子测试的方法和步骤1. 绝缘电阻测试：绝缘电阻测试是电机定子测试中常用的方法之一，用于评估定子绝缘系统的质量。
具体步骤如下：a. 首先断开定子绕组与电源的连接。
b. 将绝缘电阻测试仪的测试线分别连接到定子绕组的不同端点。
c. 开始测量，记录测试结果。
d. 根据测量结果与标准值进行比较，判断绝缘系统的状况。
2. 相互绝缘测试：相互绝缘测试用于检测定子绕组之间的电气绝缘是否良好。
具体步骤如下：a. 将绝缘电阻测试仪的测试线分别连接到定子绕组的相邻线圈。
b. 开始测量，记录测试结果。
c. 根据测量结果与标准值进行比较，判断绕组间的电气绝缘状态。
3. 绕组电阻测试：绕组电阻测试用于评估定子绕组的导体电阻。
具体步骤如下：a. 确保定子绕组处于断电状态，并将测试线连接到绕组的两个端点。
b. 开始测量，记录测试结果。
c. 根据测量结果判断绕组的电阻是否正常。
4. 空载测试：空载测试用于评估电机在无负载状态下的电流和功耗情况。
基于定子电流的笼型异步电动机转子断条故障检测
Ｉ ｄ ｃ ｉ ｎ Ｍ ｏ ｏ ｓ Ｂａ ｅ ｎ Ｓ ａ ｏ ｒ ｅ ｔ ｎ ｕ ｔｏ ｔ ｒ ｓ ｄ ｏ ｔ ｔ ｒ Ｃｕ ｒ ｎ
ＹＡＮＧ Ｃｕｎ ｘ ａ ｇ ，ＬＯＵ ， ＬＵＯ ｎ．ｕ —ｉｎ Ｙｉ Ｄａ ｙ ， ＹＡＮ ｎ． ｉ Ｙａ ｍｅ
（ ． Ｃ ｌ ｇ ｆ ｏ ｔ ｌ ｃ ｎ ｅａ ｄＥ ｇｎ ｅ ｎ ，Ｈ ａｈ ｎ ｎｖ ｒ ｔ ｏ １ ｏ ｅｅｏ ｎｒ ｉ ｃ ｎ ｎ ｉｅｒ ｇ ｕ ｚｏ ｇＵ ｉ ｓ ｙ ｆ ｌ Ｃ ｏＳ ｅ ｉ ｅ ｉ
近 ，因此 ，采 取 各 种 算 法 分 析 故 障 时 ，基 波 ． 频 率 分量 可 能会 淹没 （ ２ｓ 频 率分 量 。在作 定 子 １— ） 电流信 号处 理 时 ，常 用 的 处 理 方 法 ；傅 里 叶变 换 ， 希 尔 伯 特 变 换 、Ｐｒ 换 、小 波 分 析 等 。本 文 对 ａｋ变
维普资讯
基于定子 电流 的笼型异步 电动机转子断条 故障检测
：Ａ
文章编号 ：１０ －８ ８ ２ ０ ） ９０４ ．３ ０ １ ４ （ ０ ８ ０ —０ ９０ ６
基 于定 子 电流 的 笼型 异 步 电动 机 转 子 断 条 故 障检 测
Ｓ ｉｎ ｅ ａ ｄ Ｔ ｃ ｎ ｌ ｇ ｃｅ ｃ ｎ ｅ ｈ ｏｏ ｙ， Ｗ ｕ ａ ０ ７ ｈ ｎ ４３ ０ ４， Ｃｈ ｎ ｉ ａ；２． Ｃｏｌ ｇ ｆＥｌ ｃｒｃ ｌＩ ｆｒ ｔｏ ｌｅ ｅ ｏ ｅ ｔ ａ ｎ ｏ ｍａ ｉｎ ｉ
，
Ｅ ｇｎｅ ｎ ，Ｚ ｅｇｈｕ Ｕ ｉ ｒ ｔ ｏ ｉ ｔ ｎ ｕｔ ，Ｚ ｅｇｈ ｕ４ ０ ０ ，Ｃ ｉａ ｎ ｉｅｒ ｇ ｈ ｎ ｚｏ ｎｖ ｓ ｙ ｆ ｇ ｄ ｓ ｙ ｈｎ ｚｏ ５ ０ ２ ｈｎ ） ｉ ｅ ｉ Ｌ ｈ Ｉ ｒ
异步电机定子绕组状态监测与故障诊断方法综述
2 异步电动机的在线监测与故障诊断方法
根据以往的分析，异步电动机的故障检测方 法主要分为两类：一类是基于信号检测的诊断方 法；另一类是基于模型的故障识别方法。对于前 者，故障特征信息的提取来源于电机的电流、电 压、温度及磁通、振动等信号。对于后者，电机 故障的数学模型的准确建立是故障识别的关键， 主要的方法如参数估计法。 2．1 信号分析法 2．1．1 基于定子电流信号的监测方法 定子电流信号由于其提取方便，物理概念清 晰，能直接反应定子的运行状态，所以在异步电 机的故障诊断中被极为广泛的应用。常用的方法 有以下几种。 a．定子电流频谱分析方法（MSCA） 定子 电流的频谱分析是诊断和监测交流电机故障的常 见和有效的方法，较多的用在笼型异步电机绕组 的断条、气隙偏心和机械不平衡等故障诊断中。 文献[4]将其用于定子故障的监测与诊断中。当定 子绕组发生匝间或相间短路时，由于故障产生的 结构不对称而引起空气隙和轴向磁通会发生变 化，从而在定子中感应出特定频率的电流。根据 先前的理论研究，当发生定子绕组匝间短路时， 会在定子电流中感应出如式 （1） 所示频率的故障 特征谐波分量：
表1
频率分量
电磁力波频率分量
幅值系数
0
(1 / 2u g 1 / 4u e ) A
(1 / 2u g 1 / 4u e ) A
2 2
2
2
2
2 r
(1 / 4u e ) A
2
r
2 r 2 r 2( r ) 2( r )
— 气隙磁导的常值分量 ；
(u g u e ) A (1 / 2u g u e ) A (1 / 2u g u e ) A
2 A B C
j / 3
所示：
01 基于定子电流监测方法的电机故障诊断
2
2
10
0. 181 3 0. 104 4 0. 143 7 0. 110 1 0. 124 0 0. 115 0 0. 113 7 0. 107 7
2
2
11
0. 169 2 0. 106 4 0. 119 0 0. 105 5 0. 128 3 0. 121 8 0. 125 7 0. 124 1
2
2
16
0. 162 6 0. 107 9 0. 103 1 0. 119 6 0. 147 9 0. 132 2 0. 111 4 0. 115 2
23
23
17
0. 169 0 0. 133 6 0. 118 1 0. 125 5 0. 126 2 0. 125 7 0. 104 0 0. 097 8
2
2
12
0. 150 6 0. 110 4 0. 101 1 0. 162 1 0. 140 3 0. 108 5 0. 128 8 0. 098 2
2
2
13
0. 164 6 0. 108 9 0. 134 7 0. 120 2 0. 127 8 0. 132 5 0. 101 6 0. 109 6
2
2
14
0. 147 3 0. 115 6 0. 098 4 0. 159 2 0. 108 3 0. 133 1 0. 130 6 0. 107 4
2
2
15
0. 133 8 0. 111 9 0. 110 8 0. 134 2 0. 124 8 0. 146 4 0. 116 4 0. 121 9
围的信号特征 。以 S30表示 X30的重构信号 , 以 S31 表示 X31的重构信号 , 其它依次类推 。在这里 , 只 对第 3层的所有结点进行分析 。总信号 S 可以
基于8层小波包分解的电机定子电流故障诊断新方法
基于8层小波包分解的电机定子电流故障诊断新方法∗武瑞兵【摘要】电机低频运行时发生故障的特征频率与电源频率之间的差值较小，采用传统的3层小波包分解法不能满足频率细化的要求。
对电机在正常和故障两种运行状态下的定子电流信号进行8层小波包分解，细化了电机电流低频段序列，提取出能够较为准确反映电机故障的特征向量。
将其特征能量进行了对比分析，从正常和故障信号的特征能量对比结果证明了利用8层小波包分解和重构的方法能够更准确地判断电机故障。
%The difference between failure occurs when the motor is running low frequency characteristic frequency and power frequency between the smaller, traditional three-layer wavelet packet analysis method can not meet the requirements of the frequency of refinement. The motor under normal operating status and fault two stator current signal 8 layer wavelet packet decomposition, refined motor current low frequency sequence extracted motor failure can be more accurately reflects the characteristics of the vector, and were characterized by energy comparative analysis, comparing the energy characteristics of normal and fault signals from the results demonstrate the use of wavelet packet decomposition and reconstruction of eight layers can more accurately determine motor failure.【期刊名称】《电机与控制应用》【年(卷),期】2015(000)004【总页数】5页(P32-36)【关键词】小波包分解;低频运行;特征频率;低频段序列【作者】武瑞兵【作者单位】山西省交通规划勘察设计院，山西太原 030012【正文语种】中文【中图分类】TM307+.1近年来，基于小波包分析的故障诊断系统已应用于矿用电机领域。
风力发电系统状态监测和故障诊断技术探究
风力发电系统状态监测和故障诊断技术探究[摘要]积极开展风力发电产业对于降低煤炭资源使用量，减少空气污染有十分重要的作用。
风力发电系统在恶劣的自然环境下工作，运行过程中很容易出现这样或者那样的问题，可利用状态监测和故障诊断技术对风力发电系统运行状态进行实时监测，对故障进行诊断，确保整个系统安全稳定运行。
[关键词]风力发电系统；状态监测；故障诊断技术风力发电系统状态监测和故障诊断技术是一项融合了电子、测试、计算机、信号分析和数据处理等多科学的技术。
随着我国科技能力不断提升，相信未来风力发电系统状态监测和故障诊断技术将会更加完善，更多的技术被引入风力发电系统，确保系统运行安全性和稳定性。
1电力变压器概述电力变压器是一种静止的一次电气设备，主要由五部分构成，分别是绕阻、变压器油、铁心、油箱和绝缘套管。
是将某一数值的交流电压转变为同频率的一种或几种不同电压的电气设备，当变压器一次绕组得到交流电压时，就会产生交变电流磁通，磁通通过铁心与二次绕组匝链，在二次绕组中产生感应电动势，当二次绕组连接有负载时，电能便会输出。
在供电系统中有着不可替代的地位。
如果变压器发生故障，会造成电能供应中断，甚至会引发爆炸、火灾等一连串影响其他电气设备的安全事故。
因此，加强电力变压器的故障分析势在必行。
电力变压器的故障通常分为内部故障与外部故障，而内部故障往往是电力人员所关注的重点。
内部故障又分为热故障与电故障。
据有关统计，过热性故障在所有变压器故障中占比最大，其次为高能量放电故障，最后才是过热兼高能量放电故障。
由此可见，如何预防和处理变压器内部故障是重中之重。
2风力发电系统状态监测和故障诊断研究现状分析最近几年，随着我国自动化监测技术和设备的应用发展，风力发电系统故障诊断和排除能够实现应用高精端设备进行自动化监测，结合这些先进设备的检测结果、检测数据和设备运行参数与正常设备安全运行过程的参数结果进行对比分析，从而帮助技术人员确定相应的故障位置、故障类型和可能存在的安全隐患。
电机定子脉冲检测方法
电机定子脉冲检测方法电机定子脉冲检测方法是一种用于检测电机定子故障的技术手段。
通过对电机定子的脉冲信号进行分析，可以准确地判断电机定子是否存在故障，并进行相应的维修和保养。
电机是现代工业生产中常用的驱动设备，其工作原理是通过电流和磁场相互作用产生力矩，从而驱动负载运动。
电机的定子是电机中的一个重要部件，负责产生磁场，使得电机能够正常工作。
然而，由于长期使用或其他原因，电机定子可能会出现故障，如绝缘损坏、短路等。
为了及时发现和解决电机定子故障，人们开发了电机定子脉冲检测方法。
该方法是通过检测电机定子的脉冲信号来判断其是否存在故障。
具体来说，可以通过以下几个步骤来进行电机定子脉冲检测：1. 准备检测设备：首先，需要准备一台专门用于电机定子脉冲检测的仪器。
该仪器可以通过传感器获取电机定子的脉冲信号，并进行信号分析和处理。
2. 采集脉冲信号：将传感器安装在电机定子上，并启动电机。
传感器将采集到的脉冲信号传输给检测仪器。
3. 信号分析和处理：检测仪器将对采集到的脉冲信号进行分析和处理。
通过分析信号的振幅、频率、相位等特征，可以判断电机定子是否存在故障。
4. 故障诊断和维修：根据信号分析的结果，可以准确地判断电机定子的故障类型和位置。
一旦发现故障，需要及时对电机进行维修或更换定子。
电机定子脉冲检测方法的优势在于其准确性和高效性。
通过对电机定子脉冲信号的分析，可以快速判断定子是否存在故障，避免了传统的拆卸检测方法所需的大量时间和人力资源。
此外，该方法还可以提前发现潜在的故障，从而避免电机的进一步损坏和事故的发生。
然而，电机定子脉冲检测方法也存在一定的局限性。
首先，该方法需要专门的检测设备，成本较高。
其次，对脉冲信号的分析和处理需要一定的专业知识和技术，操作人员需要接受相关培训。
此外，该方法只适用于电机定子的故障检测，对于其他部件的故障无法进行有效判断。
总结起来，电机定子脉冲检测方法是一种准确、高效的电机故障检测技术。
电机的监测与故障诊断
107 106 105 104 103 1 2 3 4 5 6 7 8 9 10 11 12
Inductance (mH)
10.5 9.5 8.5 7.5 6.5
0 1
107
2 3 4 5 6 7 8 9 10 11 12
106 Rotor Position 105 104 103 1 2 3 4 5 6 7 8 9 10 11 12
机械部分 案例分享
案例1：水泥立磨定滚案例
水泥立磨定滚案例
专家大师级软件快速分析电机的状态，以分析故障形式。:
1、线频调制电流周围存在PPF 边带指示转子条故障。. 2、在高频谱图中，同一个频率，机械故障在电流谱中存在峰值，而非 电压谱中存在。. 3、电气故障在电流和电压谱中均存在。 4、轴承故障不能被线频除尽，峰值只在电流谱中存在。
实施安全预警故障案例与技术应用
张浩
北京西马力检测仪器公司
中国设备管理协会设备在线网络化诊断中心 中国机械工程学会设备与维修工程分会诊断中心 地点：莱钢
时间：2014年
本次探讨的议题 ……
电气什么时候产生故障？案例呢？ 企业又如何实施？ 机械早期存在哪些隐患？
转子同电机离线检修时，肉眼初步检查结 果：转子铜条与短路环连接处断条达24处 以上，超过超过25 %。
案例：海南金海浆纸业
RWT 8120U1303M1 电机复合水泵 测试时间：2009年7月3日 75KW 1420RPM 78A
进口3350kW 风机电机
2005.1.20 测试 裂度等级测试，裂度等级4级，健康指级，健康指数 0.86890.8689，，诊断为转子铜条有部分开裂诊断为转子铜条有 部分开裂现象，未做处理。
通过监测电机的定子电流实现齿轮的故障诊断
半导体器件应用网/news/191967.html 通过监测电机的定子电流实现齿轮的故障诊断【大比特导读】本文围绕驱动轴扭振的间接测量和振动信号的测量，以及这些信号的处理、故障特征提取等方面展开工作，但由于直接测量齿轮的扭转振动比较困难且成本高，故作者提出了通过监测定子电流来实现对齿轮扭转振动的间接测量新方法，通过提取定子电流的信号特征实现齿轮的故障诊断。
齿轮是机械设备中最常见的传动部件，同时也是种易损件。
研究齿轮故障对降低机械设备的维修费用，提高产品质量都很有意义。
齿轮的缺陷或故障(如齿面损伤、裂纹、过度磨损乃至断齿等)最直接的动力学行为是反映在其传动轴的扭转振动上。
本文围绕驱动轴扭振的间接测量和振动信号的测量，以及这些信号的处理、故障特征提取等方面展开工作，但由于直接测量齿轮的扭转振动比较困难且成本高，故作者提出了通过监测定子电流来实现对齿轮扭转振动的间接测量新方法，通过提取定子电流的信号特征实现齿轮的故障诊断。
其主要思路为：齿轮的扭转振动通过回转轴引起电机气隙扭矩的波动，气隙扭矩的变化通过定子磁通引起定子电流的变化，因此通过对定子电流的频率成分的分析，就可以实现齿轮的故障频率的识别。
损伤齿轮的振动信号特征正常情况下，即齿轮良好啮合时，齿轮传动的振动主要是齿轮啮合激励振动，其主要成分为啮合频率及其谐波分量，其响应可表示为式中：x(t)为测得的振动信号X为第阶啮合频率谐波分量幅值O为第阶啮合频率谐波分量的相位f为齿轮啮合频率，f为齿轮所在轴的转频。
当齿轮存在偏心、点蚀和断齿时，振动信号产生幅值调制，幅值调制是因为齿面载荷波动对振动幅值的影响引起的。
由于电机转速波动、齿轮加工误差、尺廓变形和轮齿弯曲等，导致了综合齿轮刚度的周期变化，使齿轮的振动产生频率调制。
事实上，同转频率为25Hz的齿轮故障引起的。
经过拆箱检查发现，齿轮1存在严重的点蚀磨损，与理论推断致。
综上可知，齿轮的扭振信息对齿轮的故障十分敏感，因此通过分析电机的定子电流监测齿轮的扭振就可以提取齿轮的故障特征。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于定子电流监测方法的电机故障诊断肖蕙蕙1, 熊隽迪2, 李 川1, 何 莉1(1.重庆工学院电子信息与自动化学院,重庆 400050;2.重庆电力高等专科学校实践部,重庆 400053) 摘 要:电机是一种复杂的旋转机械,其故障种类多而且难以辨别。
为了对小功率异步电机的常见故障进行正确快速地诊断,采用小波分析技术对几种常见故障所引起的定子电流变化进行了多分辨率分析。
从能量分布的角度出发,快速且较为准确地诊断出电机故障。
诊断效果表明,小波分析是对电机故障进行定子电流诊断的有效方法,同时为电机故障在线实时诊断提供了理论依据。
关键词:异步电机;小波分析;定子电流监测;故障诊断中图分类号:T M307+.1 文献标识码:A 文章编号:167326540(2008)0120054204M otor Fault D i a gnosis Usi n g Sta tor Curren t M on itor i n gX I AO Hu i2hui1, X I ON G Jun2di2, L I Chuan1, HE L i1(1.Dep t.of Electr onic I nfor mati on and Aut omati on,Chongqing I nstitute of Technol ogy,Chongqing 400050,China;2.Practice Depart m ent,Chongqing Electric Power College,Chongqing400053,China) Abstract:It is difficult t o identify vari ous faults of electric mot ors.W avelet theory and app lies it t o the common fault diagnosis of m icr o2power inducti on mot or is intr oduced.Several types of fault noise are analyzed with multi2res o2 luti on analysis.The results show that the p r oposed method has a better perf or mance in rap idity and validity.It als o sheds light on further research.Key words:a synchronous m otor;wavelet ana lysis;st a tor curren t m on itor i n g;fault d i a gnosis0 引 言电机故障时,电流变化相对较小,因此电流监测一直被认为难以用来监测故障。
随着各种技术的发展及进一步研究发现,对已知的振动频率而言,定子电流的变化直接与振动幅度的变化有关[1]。
因此,电流信号不仅可以和振动信号一样用来监测故障[225],并且具有成本低、易操作的优点。
当前,用电流监测方法已成为电机故障诊断的新趋势。
本文根据小波多分辨率分析的特点,提取异步电机定子电流信号的局部特征,利用径向基函数神经网络在函数逼近能力、分类和学习速度方面的优势,对电机常见的转子故障、气隙不均匀典型故障进行分析。
1 基于“能量2故障”的小波预处理神经网络故障诊断方法 分析各类电机故障前后的频域特征,可以得出以下结论:当系统发生故障时,其幅频特性和相频特性都一定会有明显的变化。
从幅频特性上看,主要表现为对不同频段信号具有不同的抑制或增强效果,通常故障会明显地对某些频率成分起抑制作用,而对另外一些频率成分起增强作用。
因此,其输出相对于正常系统来说,相同频带内信号的能量会有较大的差别,某些频带内信号能量会减小,相应地,另外一些频带内信号能量会增大。
而且,在各频率信号成分的能量中,包含丰富的故障信息,某一种或某几种频率成分能量的变化就代表了一种故障类型。
或者说,正是由于系统的某种故障才导致了系统频域特性能量的某种对应的改变。
充分利用这一特点,就可以建立能量变化到电机故障的映射关系表,从而提取表征电机故障的特征向量。
选取异步电机定子电流信号进行小波预处理,并将故障特征输入径向基(RBF)网络进行训练学习,从而确定故障类别。
具体步骤如下。
(1)首先对采集来的信号进行3层小波分—45—解,分别提取第3层从低频到高频8个频率成份的信号特征。
其分解结构如图1所示。
图1 小波包3层分解的树形结构图 图1中,括号中数字表示第i 层的第j 个结点。
其中:i =0,1,2,3;j =0,1,…,7。
每个结点都代表一定的信号特征。
其中:(0,0)结点代表原始信号S;(1,0)结点代表小波包分解的第1层低频系数X 10;(1,1)结点代表小波包分解的第1层高频系数X 11;(3,0)结点代表第3层第0个结点的系数;其它依此类推。
(2)对小波包分解系数重构,提取各频带范围的信号特征。
以S 30表示X 30的重构信号,以S 31表示X 31的重构信号,其它依次类推。
在这里,只对第3层的所有结点进行分析。
总信号S 可以表示为S =S 30+S 31+…+S 37(1) (3)求各频带信号的总能量。
设S 3j (j =0,1,…,7)对应的能量为E 3j (j =0,1,…,7),则E 3j =∫|S 3j (t )|2d t =∑nj =1|X jx |2(2)式中:X jk (j =0,1,…,7;k =1,2,…,n )表示重构信号S 3j 的离散点的幅值。
(4)构造特征向量。
定义信号的全部能量为E tot =∑7j =1E3j(3) 定义某频段的相对小波包能量为p 3j =E 3j E tot(4) 则相对小波包能量的特征向量为S =[p 30,p 31,…,p 37](5)S 就称为能量特征向量,并作为径向基函数神经网络的输入元素。
(5)经过RBF 神经网络训练学习后,建立能量变化到各类故障之间的映射关系,最终确定故障类别。
2 试验及结果分析在实验台上,对型号为Y80124的一批三相异步电动机进行试验。
其额定功率均为0.55k W ,额定电流均为1.5A ,额定电压均为380V 。
本试验仅针对转子故障、气隙不均匀两类故障进行试验验证。
采集2000个数据点(实际采集25组数据,见表1)。
正常运行、转子故障、气隙不均三种情况定子电流的波形分别如图2、3、4所示。
图2 正常情况的定子电流图3 转子故障时的定子电流图4 气隙不均匀时的定子电流 由图2、3、4可以看出,三种情况下定子电流信号区别并不明显,为区别微弱信号,运用先前所提到的小波包分解,得到能量特征。
由于需要训练RBF 神经网络,于是采集多组数据,并分别得到各自的能量特征值,如表1所示(这里定义1是正常信号,2表示转子故障信号,3表示气隙不均匀信号)。
—55—表1 25组数据的能量特征向量样本能量特征向量E30E31E32E33E34E35E36E37状态诊断结果10.14350.10060.13680.12400.12940.11750.12440.12381120.14120.12160.11120.14450.10270.13270.13640.1097131330.16520.11730.12170.12080.11470.12230.09970.13831140.13400.11570.12400.11950.11070.11010.15450.1314131350.14870.11500.14920.12850.11440.09000.14460.10971160.15930.10310.12340.12140.11280.12290.12780.12931170.14690.10200.11850.11550.15910.11740.13020.11051180.14980.13990.12200.12240.11050.12730.09670.13141190.15880.11770.13270.09000.13440.10560.13990.121022100.18130.10440.14370.11010.12400.11500.11370.107722 110.16920.10640.11900.10550.12830.12180.12570.124122 120.15060.11040.10110.16210.14030.10850.12880.098222 130.16460.10890.13470.12020.12780.13250.10160.109622 140.14730.11560.09840.15920.10830.13310.13060.107422 150.13380.11190.11080.13420.12480.14640.11640.121922 160.16260.10790.10310.11960.14790.13220.11140.11522323 170.16900.13360.11810.12550.12620.12570.10400.09782323 180.16120.12460.11580.10560.13280.11720.11970.12323333 190.12950.12220.10930.13190.11520.12260.11580.153533 200.17810.11190.11560.13040.10250.13640.11750.10753333 210.14270.09360.13690.12160.15430.12590.11220.112833 220.16440.13150.09710.13550.10730.14090.10990.113333 230.15380.11900.11810.12300.10730.11680.13340.128633 240.16360.10850.10770.12270.13250.13510.09950.130333 250.14440.11290.13090.12420.12240.10180.14000.123533 注:带3号的数据为试验数据,其余为训练样本。
采用RBF神经网络的概率神经网络(P NN)结构对上述的特征向量进行分类,对输入的验证特征向量P1=[0.14120.13400.16260.16900.17810.16120.12160.11570.10790.13360.11190.12460.11120.12400.10310.11810.11560.11580.14450.11950.11960.12550.13040.10560.10270.11070.14790.12620.10250.13280.13270.11010.13220.12570.13640.11720.13640.15450.11140.10400.11750.11970.10970.13140.11520.0979 0.1075 0.1232]T有结果X1=[1 1 2 2 3 3]根据前面的定义可知,验证信号分别属于“正常、正常、1类故障、1类故障、2类故障、2类故障”。