一种采用主成分分析的交流电机无速度传感器状态监测方法技术

本发明专利技术公开了一种采用主成分分析的交流电机无速度传感器状态监测方法，属于交流电机故障诊断领域。首先，采集交流电机三相定子电流信号，进行数据预处理，对原始信号中存在的异常值进行筛选和剔除；其次，采用快速傅里叶变换算法对定子电流进行频谱分析，通过谱峰估计寻找转子齿谐波估计电机转速；然后，使用主成分分析进行定子电流信号解调，计算电流信号的幅值解调信号和相角解调信号；接着，对解调信号进行频谱分析，通过谱峰估计寻找故障特征谐波分量，判断故障发生类型；最后，通过矩量法技术估计幅值调制指数和相角调制指数，实现交流电机故障严重程度评估。流电机故障严重程度评估。流电机故障严重程度评估。

【技术实现步骤摘要】
一种采用主成分分析的交流电机无速度传感器状态监测方法


[0001]本专利技术涉及交流电机故障诊断技术，具体涉及一种采用主成分分析的交流电机无速度传感器状态监测方法。

技术介绍

[0002]交流电机具有结构简单、制造成本低、稳定性高、运行时间长以及起动转矩大等优点，广泛应用于工业生产和日常生活领域。在实际的工业生产和生活使用过程中，交流电机定子和转子间存在相对运动并需要承受径向和轴向的负荷及扰动，长时间复杂工况下运行会导致滚动轴承损伤、绕组匝间短路、转子断条以及偏心等故障产生。因此，交流电机状态监测对于保障设备安全稳定运行，降低生产生活设备系统维护成本具有重要意义。
[0003]监测和诊断交流电机故障的关键在于寻找电机的故障特征量，根据所用故障特征量的不同，可分为电流信号特征、电压信号特征、振动信号特征以及声信号特征等。其中，交流电机电流信号特征分析方法可以与电机驱动控制系统共享电流信号，避免了额外传感器的安装，具有成本低廉且易于实现的特点，已经成为交流电机状态监测和故障诊断技术的研究热点。
[0004]现有研究表明，多种电机故障会导致电机定子电流受到幅值调制或相角调制，且调制指数与故障严重程度成正比。然而，微弱的故障特征分量极易被定子电流基频分量所掩盖。传统信号解调技术，如希尔伯特变换、能量算子、电流平方、扩展派克变换等易受电流不平衡问题影响，导致解调指数估计性能不佳。此外，故障特征分量估计还需获取转速信息。如何选择合适的解调技术和转速估计方法，克服电流不平衡影响的同时实现交流电机无速度传感器状态监测，仍需要进一步探讨。

技术实现思路

[0005]针对现有技术中存在的不足，本专利技术要解决的问题是提供一种采用主成分分析的交流电机无速度传感器状态监测方法。算法核心思想是：首先通过定子电流提取转子齿谐波估计转速信号；然后，采用主成分分析进行定子电流信号解调，计算电流信号的幅值解调信号和相角解调信号；最后，通过矩量法技术估计幅值调制指数和相角调制指数，进而实现交流电机故障检测和严重程度评估。
[0006]本专利技术为实现上述目的所采用的技术方案是：一种采用主成分分析的交流电机无速度传感器状态监测方法，包括如下步骤：
[0007]步骤1，设定采样频率F
s
和采样时间t，获取不同采样时刻n的交流电机a、b、c三相定子电流信号i
a
[n]，i
b
[n]，i
c
[n]；
[0008]步骤2，通过hampel滤波对定子电流信号进行平滑处理，检测和替换定子电流信号中的异常值；
[0009]步骤3，采用快速傅里叶变换对定子电流信号i
a
[n]进行频谱分析，通过谱峰估计寻找转子齿谐波f
rsh
，得到电机转速f
r
；
[0010]步骤4，将主成分分析应用于三相定子电流信号i
a
[n]，i
b
[n]，i
c
[n]，得到三定子电流信号的两个主成分分量y1[n]和y2[n]；
[0011]步骤5，利用两个主成分分量构建复信号z[n]，计算复信号z[n]的模值和瞬时频率，得到幅值解调信号a[n]和相角解调信号f[n]；
[0012]步骤6，对归一化幅值解调信号A[n]和相角解调信号F[n]进行频谱分析，在频谱图中通过谱峰估计寻找故障特征谐波分量f
me
，判断电机发生故障类型；
[0013]步骤7，通过矩量法估计定子电流信号的调制指数，得到幅值调制指数m
am
和相角调制指数m
pm
；
[0014]步骤8，观察电流信号幅值调制指数m
am
和相角调制指数m
pm
，与健康电机定子电流信号的调制指数对比，评估交流电机故障严重程度。
[0015]进一步，所述步骤1中，采样频率F
s
满足的条件为F
s
＝(20～30)f，其中，f为电流信号中最高频率成分的频率。
[0016]进一步，所述步骤2中，通过hampel滤波检测定子电流信号异常值的过程计算公式为：
[0017]|X
i
‑
m
i
|≤n
i
×
σ
i
[0018]其中，X
i
为电流信号样本中第i个样本点的数值，m
i
为滤波窗口的中位数，σ
i
为滤波窗口的标准差，n
i
为滤波设置的阈值。
[0019]进一步，所述步骤3中，具体包括：
[0020]步骤3
‑
1，通过快速傅里叶变换得到定子电流信号i
a
[n]的频谱图；
[0021]步骤3
‑
2，对频谱图进行谱峰估计，得到转子齿谐波分量f
rsh
：
[0022]f
rsh
＝F
max
[0023]其中，F
max
为频谱图中区间[(0.95R
‑
1)f
s
,(R
‑
1)f
s
]内最大峰值对应频率值，R为交流电机转子槽数，f
s
为交流电机供电频率；
[0024]步骤3
‑
3，利用估计的转子齿谐波分量f
rsh
，得到交流电机转速f
r
：
[0025]f
r
＝(f
rsh
+f
s
)/R。
[0026]进一步，所述步骤4中，具体包括：
[0027]步骤4
‑
1，根据三相定子电流信号i
a
[n]，i
b
[n]，i
c
[n]，构建协方差矩阵R
s
：
[0028]s[n]＝(i
a
[n],i
b
[n],i
c
[n])
T
[0029][0030]其中，s[n]为3
×
N矩阵，s
T
[n]为s[n]的转置矩阵，第1、2、3行分别对应三相定子电流的A、B、C相；R
s
为3
×
3协方差矩阵；N为电流信号采样点数，N＝F
s
×
t，t为采样时间；
[0031]步骤4
‑
2，通过特征值分解，计算协方差矩阵R
s
的特征值λ
i
和特征矩阵U：
[0032]R
s
＝UΛU
T
[0033]Λ＝diag(λ1,λ2)
[0034]其中，下标i＝1,2，U为包含2个对应特征向量的3
×
2特征矩阵本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用主成分分析的交流电机无速度传感器状态监测方法，其特征在于，包括如下步骤：步骤1，设定采样频率F
s
和采样时间t，获取不同采样时刻n的交流电机a、b、c三相定子电流信号i
a
[n]，i
b
[n]，i
c
[n]；步骤2，通过hampel滤波对定子电流信号进行平滑处理，检测和替换定子电流信号中的异常值；步骤3，采用快速傅里叶变换对定子电流信号i
a
[n]进行频谱分析，通过谱峰估计寻找转子齿谐波f
rsh
，得到电机转速f
r
；步骤4，将主成分分析应用于三相定子电流信号i
a
[n]，i
b
[n]，i
c
[n]，得到三定子电流信号的两个主成分分量y1[n]和y2[n]；步骤5，利用两个主成分分量构建复信号z[n]，计算复信号z[n]的模值和瞬时频率，得到幅值解调信号a[n]和相角解调信号f[n]；步骤6，对归一化幅值解调信号A[n]和相角解调信号F[n]进行频谱分析，在频谱图中通过谱峰估计寻找故障特征谐波分量f
me
，判断电机发生故障类型；步骤7，通过矩量法估计定子电流信号的调制指数，得到幅值调制指数m
am
和相角调制指数m
pm
；步骤8，观察电流信号幅值调制指数m
am
和相角调制指数m
pm
，与健康电机定子电流信号的调制指数对比，评估交流电机故障严重程度。2.根据权利要求1所述的方法，其特征在于，所述步骤1中，采样频率F
s
满足的条件为F
s
＝(20～30)f，其中，f为电流信号中最高频率成分的频率。3.根据权利要求1所述的方法，其特征在于，所述步骤2中，通过hampel滤波检测定子电流信号异常值的过程计算公式为：|X
i
‑
m
i
|≤n
i
×
σ
i
其中，X
i
为电流信号样本中第i个样本点的数值，m
i
为滤波窗口的中位数，σ
i
为滤波窗口的标准差，n
i
为滤波设置的阈值。4.根据权利要求1所述的方法，其特征在于，所述步骤3中，具体包括：步骤3
‑
1，通过快速傅里叶变换得到定子电流信号i
a
[n]的频谱图；步骤3
‑
2，对频谱图进行谱峰估计，得到转子齿谐波分量f
rsh
：f
rsh
＝F
max
其中，F
max
为频谱图中区间[(0.95R
‑
1)f
s
,(R
‑
1)f
s
]内最大峰值对应频率值，R为交流电机转子槽数，f
s
为交流电机供电频率；步骤3
‑
3，利用估计的转子齿谐波分量f
rsh
，得到交流电机转速f
r
：f
r
＝(f
rsh
+f
s
)/R。5.根据权利要求1所述的方法，其特征在于，所述步骤4中，具体包括：步骤4
‑
1，根据三相定子电流信号i
a
[n]，i
b
[n]，i
c
[n]，构建协方差矩阵R
s
：s[n]＝(i
a
[n],i
b
[n],i
c
[n])
T
其中，s[n]为3
×
N矩阵，s
T
[n]为s[n]的转置矩阵，...

【专利技术属性】
技术研发人员：宋向金，白旭松，王照伟，赵文祥，刘国海，陈前，
申请(专利权)人：江苏大学，
类型：发明
国别省市：