旋转电机的故障诊断方法技术

本发明专利技术公开了一种旋转电机的故障诊断方法，包括时频分析方法和故障提取方法。所述时频分析方法包括，单相锁相环估计供电频率变化，然后用一个短时间窗在单相电流数据上滑动，时间窗的中心的供电频率被用以确定该窗数据的最佳细化频带范围，然后该窗数据被自适应细化，得到新数据，再用自适应高精度谐波估计算法估计新数据包含的信号参数。如此往复，直至时间窗滑动结束，生成时频图。所述故障特征提取方法将这些信号参数估计结果作为样本集合，提取出故障特征的边频频率和幅值。整个方法解决了高精度谐波估计方法计算量巨大，而且在瞬态工况跟踪故障特征的缺陷。此外，即使电机在牵引时存在负载和转速波动，本发明专利技术仍然能准确诊断故障特征和幅值。

【技术实现步骤摘要】
旋转电机的故障诊断方法
本专利技术涉及电机故障诊断与状态检测领域，提供了一种旋转电机的故障诊断方法，包括一种旋转电机故障诊断的时频分析方法；本专利技术涉及通过单相电流信号诊断包括转子故障，轴承故障，传动系统部件故障等。
技术介绍
关于电机及电机系统的故障诊断，抛开逆变器部分不谈，电机本体的转子故障和电机系统传动轴部件的故障尤为常见。以电机本体的转子故障为例，如果是异步电机，常见故障主要有：断条故障，气隙偏心故障，轴承故障；如果是永磁同步电机，常见的故障主要有：退磁故障，气隙偏心故障，轴承故障。基于电机电流信号分析的故障诊断方法在目前的工业应用中处于主流。所有基于电机电流信号分析的故障诊断方法大致可以被分成三类：时域分析方法，频域分析方法，和时频域分析方法。时域分析方法罕见；频域分析方法包括熟知的FFT，MUSIC，MatrixPencil，ESPRIT，Prony等。时频域分析方法有熟知的Gabor变换，小波变换，短时FFT变换，Wigner-Ville变换等。其中，FFT的分辨率与信号采样频率和采样点个数有关，存在频谱泄漏，供电频率的泄漏频谱容易将附近的边频带淹没，例如转子断条故障，既然如此，在处理断条故障时，我们不得不增加采样数据长度，然而电机在实际应用场合不可能按照故障诊断人员的意志，在检测故障期间保持一定时间的稳态运行，因此需要时频分析方法。时频分析方法具有跟踪非稳态信号，突变信号的优势。但是，根据海德堡不确定原理，所选定的基函数在时域和频域的支撑宽度乘积不可能小于1/2；而且，时域分析方法能够在时域和频域同时分析的代价就是牺牲频域精度，因此从精度上讲，时域分析方法不可能比FFT更好。所以，我们需要一类能够在短时数据上估计出高精度的谐波参数的方法，这类现代信号处理方法包括MUSIC，MatrixPencil，ESPRIT，Prony等，它们是基于参数估计的角度，因此不存在频谱泄漏的问题，对数据长度的要求非常低，抗噪声能力强，但其缺点是计算量巨大，而且抗信号波动能力差，因此比较适合用于电力系统电网电压检测，不适合诊断电机，尤其是牵引电机这种经常存在负载和转速波动的场合。中国专利申请号201510791082.0公开了一种用于电机故障诊断的自适应MatrixPencil方法，该专利技术声称解决了MatrixPencil在电机不同运行工况下信号阶数的估计，同时能够抑制供电频率分量，凸显故障特征谐波。但是该专利技术的方法依然没有解决此类算法计算量大，只能用于不同工况的稳态，不能很好地在在负载和转速波动的似稳态场合被使用三个主要问题。
技术实现思路
本专利技术解决了这一类高精度谐波参数估计方法计算量大，不能被用于瞬态故障特征跟踪，不能很好地在负载和转速波动的似稳态场合准确估计故障特征幅值，这三个问题。提供了一种用于旋转电机的故障诊断方法，并包括一种用于旋转电机故障诊断的时频分析方法。首先，本专利技术提供一种旋转电机故障诊断的时频分析方法。所述方法的步骤包括a.采集旋转电机单相的电流数据；b.用单相锁相环计算出所述电流数据实时的供电频率曲线；c.用滑动窗在被采集的电流数据上滑动；d.对所述被滑动窗覆盖的电流数据在[0,Bp]的频带内实施自适应细化过程，得到细化后的电流数据；其中Bp是细化频带宽度，Bp由供电频率确定；e.对所述新的电流数据实施自适应高精度谐波估计算法，估计出新的电流数据所包含的全部谐波信息，所述谐波信息包括谐波的频率和幅值；f.重复上述c-e步骤，直至所述滑动窗移动到被采集的电流数据的末尾，最终生成时频图案；g.根据时频图案出现的故障特征脊线，确定存在的故障类型。作为优选的，所述滑动窗每次滑动的长度不能大于所述滑动窗的宽度；作为优选的，所述细化频带宽度Bp由滑动窗中心的供电频率fs确定；更进一步的，Bp＝2fs。作为优选的，所述自适应细化过程包括抗混叠滤波和降采样，其中所述抗混叠滤波的抗混叠滤波器的阶数No和所述降采样的降采样倍数D都随所述细化频带宽度Bp自动调整；作为优选的，所述抗混叠滤波器是等纹波FIR滤波器；其中抗混叠滤波器的阶数No由所述细化频带宽度Bp经Parks-McClellan算法得到；作为优选的，所述降采样器的降采样倍数D按公式计算，其中Fs是电流数据的采样频率，Ωx是考虑低通滤波过渡带的带宽，η是大于0且小于1的裕度系数，符号表示对x向下取整，Bp是所述细化频带宽度；η是预先被确定的常值，Ωx与Bp的差值是预先被确定的常值，二者均可以根据技术人员的需要确定。在具体实施过程中，自适应高精度谐波估计算法是指高精度谐波估计算法中的阶数估计过程不需要人工调整，而是由数学算法计算得到，比如中国专利申请号201510791082.0专利技术的基于最大似然估计的信号阶数估计，不仅可以被用于MatrixPencil，也可以被用于ESPRIT，MUSIC，Prony等这一类的高精度谐波估计算法。另一方面，本专利技术公开一种旋转电机的故障诊断方法，所述方法包括用于旋转电机故障诊断的时频分析方法，以及一种故障提取方法。首先，由所述时频分析方法得到的全部谐波信息需要被整理成{(fi,Ai)|i∈N+}的集合形式给所述故障提取方法处理，其中fi表示第i个数据样本的频率，Ai表示第i个数据样本的幅值。所述故障提取方法的步骤包括：记录所述集合中每一个频率点的出现次数，做出频率分布图，其横轴量纲是频率，纵轴量纲是出现次数；当样本数量足够，凡是存在的谐波都会在所述频率分布图中有一个尖峰；提取处于尖峰的故障特征频率作为故障特征边频频率；将所述集合中所有和故障特征边频频率相匹配的幅值提取出来，记录每个幅值的出现次数，做出故障特征边频幅值分布图，其横轴量纲是分贝，纵轴量纲是出现次数；用分布函数拟合所述故障特征边频幅值分布图的统计分布，得到所述故障特征边频的幅值期望与幅值方差；所述幅值期望表示故障程度，所述幅值方差表示故障程度偏差。本专利技术提出的方法解决了这一类高精度谐波估计算法共有的计算量巨大的问题，实现了这一类高精度谐波估计算法在瞬态电机运行工况下的故障特征跟踪，最后本专利技术提出的方法可以被用于在转速波动，负载波动的似稳态过程的故障程度估计，诊断结果偏差小。附图说明下面将参考附图详细阐述本专利技术的优选实施例。图1是本专利技术旋转电机故障诊断的时频分析方法流程图。图2是本专利技术的一个具体实施例中所述时频分析方法产生的时频图案。图3是本专利技术的一种旋转电机的故障诊断方法流程图。图4是本专利技术的一个具体实施例中所述故障诊断方法产生的频率分布图。图5是本专利技术的一个具体实施例中所述故障诊断方法产生的断条故障特征边频幅值分布及其拟合图。具体实施方式应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。以异步电机常见的转子故障，如偏心故障和断条故障为例。已知偏心故障在相电流中存在特征频率为[1±k(1-s)/p]fs的谐波，断条故障在相电流中存在特征频率为(1±2ks)fs的特征谐波，其中k是正整数，fs是供电频率，fr是转子旋转机械频率，s是转差率，p是极对数。在本实施例中，逆变器输出35Hz的电压以VVVF的方式开环驱一台15-kW，6-极的异步电机。具体的实施方式如图1所示。采集所述电机其中任意一相电流数据，采集长度2秒，采样频率是10本文档来自技高网...

【技术保护点】
一种旋转电机故障诊断的时频分析方法，其特征在于，所述方法包括：a.采集旋转电机单相的电流数据；b.用单相锁相环计算出所述电流数据实时的供电频率曲线；c.用滑动窗在被采集的电流数据上滑动；d.对所述被滑动窗覆盖的电流数据在[0,B

【技术特征摘要】
1.一种旋转电机故障诊断的时频分析方法，其特征在于，所述方法包括：a.采集旋转电机单相的电流数据；b.用单相锁相环计算出所述电流数据实时的供电频率曲线；c.用滑动窗在被采集的电流数据上滑动；d.对所述被滑动窗覆盖的电流数据在[0,Bp]的频带内实施自适应细化过程，得到细化后的电流数据；其中Bp是细化频带宽度，Bp由供电频率确定；e.对所述新的电流数据实施自适应高精度谐波估计算法，估计出新的电流数据所包含的全部谐波信息，所述谐波信息包括谐波的频率和幅值；f.重复上述c-e步骤，直至所述滑动窗移动到被采集的电流数据的末尾，最终生成时频图案；g.根据时频图案出现的故障特征脊线，确定存在的故障类型。2.根据权利要求1所述的方法，其特征在于，所述滑动窗每次滑动的长度不能大于所述滑动窗的宽度。3.根据权利要求1所述的方法，其特征在于，所述细化频带宽度Bp由滑动窗中心的供电频率fs确定。4.根据权利要求3所述的方法，其特征在于，所述的Bp＝2fs。5.根据权利要求1所述的方法，其特征在于，所述自适应细化过程包括抗混叠滤波和降采样，其中所述抗混叠滤波的抗混叠滤波器的阶数No和所述降采样的降采样倍数D都随所述细化频带宽度Bp自动调整。6.根据权利要求5所述的方法，其特征在于，所述抗混叠滤波器是等纹波FIR滤波器，所述细化...

【专利技术属性】
技术研发人员：黄进，刘子剑，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33