一种基于电流信号的电机轴承故障诊断方法技术

本发明专利技术公开了一种基于电流信号的电机轴承故障诊断方法，在模型训练阶段，获取不同轴承故障状态下的电机电流历史信号；对电流历史信号进行谐波信号提取，从原始电流历史信号中消除基频和谐波，获得残差信号；对残差信号进行时、频域分析，提取轴承故障特征指标；基于轴承故障特征指标并结合轴承故障类型进行训练，得到轴承故障诊断模型；在故障诊断阶段，对待诊断的电机电流实时信号进行与模型训练阶段相同的处理得到轴承故障特征指标，将轴承故障特征指标输入训练好的轴承故障诊断模型进行模式识别，诊断轴承故障状态。本发明专利技术能够解决现有电机轴承故障诊断方法难以有效地从低信噪比的电流信号中提取出故障特征信号，从而导致误、漏报的技术问题。

【技术实现步骤摘要】
一种基于电流信号的电机轴承故障诊断方法
本专利技术涉及故障检测
，尤其是涉及一种采用电流信号进行牵引电机轴承故障诊断的方法。
技术介绍
在电力铁路机车车辆中，牵引电机是实现电能和机械能转换的最核心部件，承担了机车车辆运行中动力输出的重任，对于铁路机车车辆的运行效率与安全性具有重要的影响。运行实践表明，电机轴承故障是牵引电机最常见和最危险的故障，这些故障的发生和发展，不仅导致电机损坏，而且可能引起其它设备损坏，从而造成很大的损失。如何对牵引电机轴承故障进行及时、有效的状态监测及故障诊断，以避免恶性事故和不必要的停机造成的经济损失是解决牵引电机状态维修的关键技术问题。目前，基于振动信号分析法和定子电流信号分析法是牵引电机轴承故障诊断领域应用最为广泛的两种方法。采用振动信号分析法时，需要额外加装振动传感器等设备，这样不仅增加了成本，而且带来了新的安全隐患。而定子电流信号分析方法则是一种非侵入式故障诊断方法，即不需要额外增加传感器，具有低成低廉、易于实施等优点。然而，受到脉冲宽度调制(PWM)供电电源和工况复杂多变的影响，牵引电机电流信号中蕴含着丰富的电机运行状态信息，而轴承故障特征信号相对微弱，往往淹没在电流谐波等干扰信号中。传统的电机电流特征分析(MCSA)算法，如：傅里叶变换(FFT)、PARK矢量模分析等算法，均难以有效地从低信噪比的电流信号中提取出故障特征信号，从而导致误报或漏报情况的发生。在现有技术中，主要有以下技术方案与本专利技术申请相关：现有技术1为安徽大学于2016年12月23日申请，并于2017年05月31日公开，公开号为CN106769041A的中国专利技术申请《一种变转速工况下的永磁同步电机轴承在线故障诊断装置及方法》。该专利技术申请公开了一种变转速工况下的永磁同步电机轴承在线故障诊断装置及方法。模数转换器1连接电流探头，等时间间隔采集电流信号，微控制器1对电流信号进行低通滤波和极性转换。计算转换后的单极性电流信号角度并取整，角度每变化1度时，微控制器1产生一个触发信号。微控制器2接收微控制器1产生的触发信号，控制模数转换器2对麦克风进行触发采样，获得轴承声音信号。对角域的轴承信号进行包络解调，计算包络信号的阶次谱，根据故障特征阶次判断轴承故障类型，并在显示屏上显示。该专利技术通过对轴承声音信号进行分析处理，根据故障特征阶次判断轴承故障类型，需要额外增加传感器、模数转换器等部件，不利于成本的降低。同时，采用轴承声音信号判断轴承故障类型难以有效地从低信噪比的电流信号中提取出故障特征信号。现有技术2为南京航空航天大学于2017年03月28日申请，并于2017年07月28日公开，公开号为CN106989923A的中国专利技术申请《基于定子电流小波包分析的永磁机轴承点蚀故障检测方法》。该专利技术申请公开了一种基于定子电流小波包分析的永磁机轴承点蚀故障检测方法。利用永磁机的定子电流进行故障诊断，通过小波包分析方法对定子电流进行信号分析，小波包分析是一种多分辨率分析法，可以按频段对信号进行剥离。当确定电机故障频率后，计算出相应的小波包节点，对小波包节点系数求均方根，根据均方根判断故障情况。该专利技术采用小波包分析方法对定子电流进行信号分析，根据小波包节点系数的均方根判断故障情况，也存在难以有效地从低信噪比的电流信号中提取出故障特征信号的技术问题。现有技术3微浙江大学于2017年01月20日申请，并于2017年05月17日公开，公开号为CN106680716A的中国专利技术申请《一种基于无位置传感器的永磁电机轴承故障诊断的方法》。该专利技术申请公开了一种基于无位置传感器的永磁电机轴承故障诊断的方法。首先，从电机控制芯片中获得电压与电流，并利用无位置传感器算法获得电机的转子位置角与转速。然后，通过滑动平均滤波器提取出转速中的交流成分，并根据位置角度对其进行角域重采样。最后，对重采样速度信号进行频域分析，根据频域信息判断轴承故障是否发生。该专利技术需要根据电压与电流通过无位置传感器算法获得电机的转子位置角与转速，根据位置角度对其进行角域重采样，再根据位置角度对其进行角域重采样。不但算法复杂，而且也存在难以有效地从低信噪比的电流信号中提取出故障特征信号的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于电流信号的电机轴承故障诊断方法，以解决现有电机轴承故障诊断方法难以有效地从低信噪比的电流信号中提取出故障特征信号，从而导致误报或漏报的技术问题。为了实现上述专利技术目的，本专利技术具体提供了一种基于电流信号的电机轴承故障诊断方法的技术实现方案，基于电流信号的电机轴承故障诊断方法，包括以下步骤：A)模型训练阶段S101)获取在不同轴承故障状态下的多组电机电流历史信号，作为模型的训练样本数据集；S102)对训练样本数据集进行谐波信号提取，从原始的电机电流历史信号中消除基频和谐波信号，获得残差信号；S103)对步骤S102)得到的残差信号进行时域和频域分析，提取轴承的故障特征指标；S104)基于步骤S103)提取到的轴承的故障特征指标并结合轴承故障类型进行训练，得到轴承故障诊断模型。B)故障诊断阶段S201)对待诊断的电机电流实时信号进行谐波信号提取，从原始的电机电流实时信号中消除基频和谐波信号，获得残差信号；S202)对步骤S201)得到的残差信号进行时域和频域分析，提取轴承的故障特征指标；S203)将步骤S202)提取到的轴承的故障特征指标输入至步骤S104)训练好的轴承故障诊断模型进行模式识别，诊断出该轴承的故障状态。进一步的，所述步骤S102)进一步包括以下过程：从原始的电机电流历史信号中获得电机电流历史信号的基频和谐波的幅值、初始相位和频率，进而获得基频和谐波信号；从原始的电机电流历史信号中减去基频和谐波信号，从而获得残差信号。进一步的，所述步骤S103)进一步包括以下过程：S1031)首先计算轴承故障特征频率，再计算轴承故障特征频率序列；S1032)对残差信号进行FFT变换获得残差信号的频谱，再根据残差信号的频谱获得对应的轴承故障特征频率序列幅值；S1033)计算残差信号的最小值I_min和有效值I_rms，并根据轴承故障特征频率序列幅值I_f(n)，计算轴承故障特征频率序列幅值的最大值I_f_max、峰峰值I_f_peark和峰值系数I_f_crest。进一步的，所述轴承故障特征频率序列f(k)为|fe±kfv|,k＝1,2,3，其中，fe为残差信号的电流基频频率，fv为轴承故障特征频率。进一步的，所述步骤S1033)中，所述残差信号的最小值I_min根据以下公式计算：I_min＝min(I(t))式中，I(t)为残差信号的时间序列，其中N为信号的采样点数。所述残差信号的有效值I_rms根据以下公式计算：所述轴承故障特征频率序列幅值的最大值根据以下公式计算：I_f_max＝max(I_f(n))式中，I_f(n)为轴承故障特征频率序列幅值。所述轴承故障特征频率序列幅值的峰峰值根据以下公式计算：I_f_peark＝I_f_max-I_min所述轴承故障特征频率序列幅值的峰值系数根据以下公式计算：I_f_crest＝I_f_max/I_rms。进一步的，所述轴承的故障状态类型包括轴承保持架故障、轴承外圈故障、轴承内圈故障和轴本文档来自技高网...

【技术保护点】
1.一种基于电流信号的轴承故障诊断方法，其特征在于，包括以下步骤：A)模型训练阶段S101)获取在不同轴承故障状态下的多组电机电流历史信号，作为模型的训练样本数据集；S102)对训练样本数据集进行谐波信号提取，从原始的电机电流历史信号中消除基频和谐波信号，获得残差信号；S103)对步骤S102)得到的残差信号进行时域和频域分析，提取轴承的故障特征指标；S104)基于步骤S103)提取到的轴承的故障特征指标并结合轴承故障类型进行训练，得到轴承故障诊断模型；B)故障诊断阶段S201)对待诊断的电机电流实时信号进行谐波信号提取，从原始的电机电流实时信号中消除基频和谐波信号，获得残差信号；S202)对步骤S201)得到的残差信号进行时域和频域分析，提取轴承的故障特征指标；S203)将步骤S202)提取到的轴承的故障特征指标输入至步骤S104)训练好的轴承故障诊断模型进行模式识别，诊断出该轴承的故障状态。

【技术特征摘要】
1.一种基于电流信号的轴承故障诊断方法，其特征在于，包括以下步骤：A)模型训练阶段S101)获取在不同轴承故障状态下的多组电机电流历史信号，作为模型的训练样本数据集；S102)对训练样本数据集进行谐波信号提取，从原始的电机电流历史信号中消除基频和谐波信号，获得残差信号；S103)对步骤S102)得到的残差信号进行时域和频域分析，提取轴承的故障特征指标；S104)基于步骤S103)提取到的轴承的故障特征指标并结合轴承故障类型进行训练，得到轴承故障诊断模型；B)故障诊断阶段S201)对待诊断的电机电流实时信号进行谐波信号提取，从原始的电机电流实时信号中消除基频和谐波信号，获得残差信号；S202)对步骤S201)得到的残差信号进行时域和频域分析，提取轴承的故障特征指标；S203)将步骤S202)提取到的轴承的故障特征指标输入至步骤S104)训练好的轴承故障诊断模型进行模式识别，诊断出该轴承的故障状态。2.根据权利要求1所述的基于电流信号的轴承故障诊断方法，其特征在于，所述步骤S102)进一步包括以下过程：从原始的电机电流历史信号中获得电机电流历史信号的基频和谐波的幅值、初始相位和频率，进而获得基频和谐波信号；从原始的电机电流历史信号中减去基频和谐波信号，从而获得残差信号。3.根据权利要求1或2所述的基于电流信号的轴承故障诊断方法，其特征在于，所述步骤S103)进一步包括以下过程：S1031)首先计算轴承故障特征频率，再计算轴承故障特征频率序列；S1032)对残差信号进行FFT变换获得残差信号的频谱，再根据残差信号的频谱获得对应的轴承故障特征频率序列幅值；S1033)计算残差信号的最小值(I_min)和有效值(I_rms)，并根据轴承故障特征频率序列幅值(I_f(n))，计算轴承故障特征频率序列幅值的最大值(I_f_max)、峰峰值(I_f_peark)和峰值系数(I_f_crest)。4.根据权利要求3所述的基于电流信号的轴承故障诊断方法，其特征在于：所述轴承故障特征频率序列f(k)为|fe±kfv|,k＝1,2,3，其中，fe为残差信号的电流基频频率，fv为轴承故障特征频率。5.根据权利要求4所述的基于电流信号的轴承故障诊断方法，其特征在于，所述步骤S1033)中，所述残差信号的最小值(I_min)根据以下公式计算：I_min＝min(I(t))式中，I(t)为残差信号的时间序列，其中N为信号的采样点数；所述残差信号的有效值(I_rms)根据以下公式计算：所述轴承故障特征频率序列幅值的最大值根据以下公式计算：I_f_max＝max(I_f(n))式中，I_f(n)为轴承...

【专利技术属性】
技术研发人员：刘勇，戴计生，朱文龙，许为，江平，杨家伟，徐勇，詹彦豪，张红光，唐黎哲，刘子牛，
申请(专利权)人：株洲中车时代电气股份有限公司，
类型：发明
国别省市：湖南,43