电机故障诊断技术研究现状与发展趋势

电机故障诊断技术研究现状与发展趋势

摘要：随着科技水平的不断进步，电机已被广泛应用到生产生活的各个领域。

作为机械设备的动力源，可以将电能转换为可用的机械能，从而保证机械设备的

正常运转。但电机一旦运转时间过长，负荷压力过大，再加上各种外部环境因素

的影响，很容易出现故障问题。如果不能及时的进行判断和处理，就会使电机无

法正常运转，甚至造成电机的损坏，而给企业带来无法估量的损失。所以电机故

障诊断技术是非常重要的，它是确保电机正常、可靠运转的基础。通过对电机故

障诊断原理进行分析，来研究电机故障诊断技术及发展趋势。

关键词：电机故障；诊断技术；现状；发展趋势

引言

电机以其结构简单、价格低廉、坚固耐用等优点在工业领域得到了广泛的应用。但是，由于过载或频繁启动，在制动时，转子导杆和端环连接区域容易断裂等。感应电机故障诊断技术可分为基于模型和基于信号两大类.基于模型的故障诊

断方法需要精确的异步电机模型，但对于非线性、强耦合、多变量的异步电机，

建立精确的数学模型并不容易，而且在运行中。感应电动机的许多物理量都会在

一定程度上发生变化。基于信号分析的故障诊断方法是通过一定的信号处理技术

从信号中提出故障特征，然后通过模式识别来判断是否存在故障、故障类型和故

障严重程度。

1.电机故障诊断智能方法研究现状

1.1基于专家系统的电机故障诊断方法

专家系统是一个智能化的计算机程序，它包含了大量专家在这一领域的经验

和知识。通过模拟专家的推理过程，可以解决需要专家定义的知识才能解决的复

杂问题。基于专家系统的故障诊断方法研究较早，在智能诊断领域得到了广泛的

应用。主要的诊断方法是在前人专家经验的基础上，将故障信息的分析和总结归

纳为规则，建立知识库。故障发生时，将故障信息输入推理机，通过知识库中的

经验分析模拟专家推理，达到故障诊断的目的。利用直流电机故障诊断专家系统，建立了直流电机故障诊断方法。专家系统包括数据库、知识库、推理机、知识获取、数据采集、故障处理、人机界面等。能够检测和诊断早期电机故障，减少停

机维修造成的经济损失。

1.2基于人工神经网络电机故障诊断方法

人工神经网络(ANN)是通过模拟人类神经系统进行信息处理而建立的模型。它由大量的处理单元(神经元)连接，将权值定向到输入和输出层，具有较强的学习

能力和自适应能力。近年来，基于神经网络的故障诊断方法由于能够对大量样本

数据进行分析和推理，并产生通用规则，在电机设备故障诊断领域得到了广泛的

应用。在神经网络中，BP神经网络、RBF神经网络和Elman神经网络的应用最为

广泛。然而，基于神经网络的电机故障诊断方法也存在许多不足，如：1)其诊断

结果依赖于大量样本的准确性和网络结构的选择；2)无法解释其行为和输出；3)

训练过度或训练不足、收敛速度慢等因素可能影响故障诊断的效果。因此，国内

外学者采用遗传算法、LM算法等智能理论和神经网络等优化算法来克服上述不足。

1.3遗传算法诊断方法

通过对故障信息的整理和分析，对电机进行全面的控制和管理，使系统性能

不断优化，提高了诊断效率和诊断质量，在实际应用中具有全局性和方便性。在

应用过程中，应特别注意各参数的变化和精度。为了获得一定的故障数据，需要

对故障数据进行多次测试。可以说，遗传算法在故障诊断中的应用是一种非常先进、高效的技术手段，对保证电机的正常运行起着重要的作用。

2.故障信号选择

电机高度对称，各种故障影响其对称性。这导致定子和转子之间的磁链发生

变化，从而改变定子电流、电压、磁场和机械振动。通过对这些信号的分析，分

析了异步电动机的健康状态，判断了故障的严重程度。如果用电流信号来识别感

应电动机的所有故障，则通过振动信号分析可以识别转子故障、轴承和气隙偏心，轴流可以识别除轴承事故以外的其他故障。润滑油只能识别轴承故障。机械振动

信号检测是一种传统的机械故障诊断技术，在机械故障诊断中有着广泛的应用。

通常，压电传感器安装在旋转轴上。由于电压信号与加速度成正比，可以很好地

反映旋转机械的振动信息。但是，加速度传感器存在价格昂贵、安装不便、可靠

性差等缺点。定子电流信号是另一种常用的分析信号，通常由霍尔电流探头测量。与机械振动信号相比，它具有安装简单、价格低廉、无干扰、与电机控制系统共

用电流等优点。感应电动机故障诊断信号的特点已成为感应电动机故障诊断信号

分析的热点。

3 电机故障诊断技术研究现状与发展趋势

国外对电机故障诊断的研究相对较早，技术也比较成熟。它们也经过多年的

发展，直到计算机技术、传感器技术等广泛应用，故障诊断技术才真正得到了发展。例如，日本、加拿大和其他国家开发了变压器和发电机故障监测系统，并得

到广泛应用。我国对电机故障诊断的研究起步较晚。虽然目前已有许多实验方法，但由于技术上的限制，操作过于复杂，测量结果不准确，也没有取得明显的进展。直到最近，随着中国经济的快速发展和科学技术的飞速进步，电机故障诊断技术

的研究也得到了迅速的发展。除了分析模型法外，还对信号处理的故障诊断方法

和专家理论进行了研究。然而，许多方法仍然局限于电机稳态运行的故障诊断，

在开关、加速度等动态条件下的诊断还不够充分，还需要引起足够的重视。其中，信号处理中的热点小波技术具有较好的局部化特性，能够准确地获得瞬态信号的

特性，可用于动态数据的分析。此外，专家知识理论中的神经网络具有自学习和

并行处理的能力，可以用来处理和分析非线性故障问题。

电机故障诊断具有复杂性的特点，许多方法都有其不足之处。此外，大多数

研究都需要从实验过程中获取尽可能完整的数据，但在实际情况下，数据不能完整，这极大地影响了故障诊断的最终质量。因此，仅用一种理论和一种技术就很

难实现诊断过程的快速性和准确性，因此有必要将各种技术有机地结合起来，实

现理论的交叉融合。近年来，随着信息技术、人工智能等各种高性能算法的发展，人们可以实现更精确的故障诊断和处理。根据以上分析，有必要结合各种理论、

方法和优点，实现高效率的故障诊断，这也是故障诊断技术的一个重要发展趋势。

4.结语

总体而言，随着中国经济的快速发展，电机已广泛应用于各个行业和领域，

但在电机的应用过程中，一旦长期不间断运行，或负荷压力过大，以及各种外部

因素的影响，将导致各种问题。如果不能及时处理，电机将不能正常运行，甚至

会给企业带来严重的安全隐患，给企业造成不可估量的重大损失。有关人员需要

加强对电机故障的认识，并结合现场情况，科学合理地选择最合适的故障诊断方