【技术实现步骤摘要】
本申请涉及永磁同步电机的轴承故障程度诊断，尤其涉及一种永磁同步电机轴承故障程度诊断方法及系统。
技术介绍
1、滚动轴承是工业领域应用最广泛的轴承之一，同时也是电机的重要零部件之一，其运行状态关系着机械设备运行的安全性与稳定性。根据统计，约有41%的电机常见故障是由轴承故障引起的。因此准确地监测电机轴承运行状态并及时发现轴承的早期故障，不仅能提高电机系统运行的稳定性，还能有效避免对电机系统所造成的损害。
2、传统上，可通过测量振动、噪声、温升等电机信号来监测电机状态。但这些都需要在电机上额外加装信号传感器，这对电机的应用场合产生了诸多限制。因此，更好的解决方法是通过电机自身可以直接测得的信号数据来实现对电机运行状态的监测，例如电机的定子电流。目前基于定子电流信号的轴承故障程度诊断方法中，这些方法大多存在以下缺点：所用信号分析方法仅能用于诊断轴承是否发生故障，但无法判断故障严重程度，导致无法及时采取合理的应对措施；由于实际运行过程中的环境噪声以及周围部件的振动干扰，信号频谱中夹杂过多冗余谐波，无法准确提取故障特征；无法获得大量轴承故障定子电流样本用于模型训练，因此故障程度诊断准确度较低。
技术实现思路
1、本申请的目的在于提供一种永磁同步电机轴承故障程度诊断方法，能够诊断电机轴承故障的严重程度，并且能够提高电机轴承故障程度诊断结果的准确性。
2、基于上述目的，本申请提供一种永磁同步电机轴承故障程度诊断方法，该方法包括：
3、s1、根据预设的电机参数和
4、s2、根据气隙分布函数和绕组函数计算得到电机定子线圈的自感和互感，并获取用以表征电机轴承故障程度的故障电感矩阵；
5、s3、将多个不同电机轴承故障程度的故障电感矩阵分别代入永磁同步电机模型，计算得到对应的多个定子电流信号；
6、s4、将每一个定子电流信号进行分解和重构，以及进行时频域转换得到对应的多个定子电流频谱图，以多个定子电流频谱图构建一训练集，并基于构建的神经网络模型对所述训练集进行训练，得到训练好的故障程度诊断模型；
7、s5、将采集的待测电机的定子电流信号输入所述故障程度诊断模型，输出待测电机轴承的故障程度。
8、进一步的，电机轴承故障程度包括重度、中度、轻度和无故障，电机参数包括电机定转子表面之间的气隙长度、永磁体磁钢厚度、转子偏心度以及极对数，步骤s1包括：
9、根据电机轴承故障偏心度和故障位置角，构建得到表征电机轴承故障程度的气隙分布函数为：
10、；
11、式中，ρ表示轴承滚珠经过故障位置时引起的偏心度，φ表示为定子空间位置角，θ表示转子转角，φc表示轴承滚珠初始位置与故障处的夹角，n为正整数，g (θ, φ)表示表示电机静止时的气隙分布函数，gc(θ, φ, ρ)表示电机轴承故障引起的气隙分布函数，φ1表示电机轴承出现故障的位置；
12、取倒气隙分布函数，并将倒气隙分布函数进行fourier展开并化简，化简后的倒气隙分布函数为：
13、。
14、进一步的，步骤s1包括：
15、构建电机定子的绕组函数为：
16、；
17、式中,na表示定子a相绕组函数，nb表示定子b相绕组函数，nc表示定子c相绕组函数，p表示极对数，φ表示定子空间位置角。
18、进一步的，步骤s2包括：
19、根据化简后的倒气隙分布函数以及绕组函数计算得到电机定子线圈的自感和互感，计算公式为：
20、；
21、式中，μ0表示空气磁导率，r表示平均气隙半径，l表示叠压铁心的有效长度，nx表示绕组x的绕组函数，<▪>表示函数在[0,2π]的平均值；
22、根据化简后的倒气隙分布函数、电机定子的绕组函数以及电机定子线圈的自感和互感，获取用以表征电机轴承故障程度的故障电感矩阵为：
23、；
24、式中，表示定x相自绕组感，表示定子x相和y相绕组间的互感，x和y表示a、b、c三相中的一相。
25、进一步的，步骤s3包括：
26、将故障电感矩阵代入内嵌式永磁同步电机模型，得到转子偏心的内嵌式永磁同步电机模型为：
27、；
28、；
29、；
30、；
31、其中，为输入电压，为定子电流，为定子绕组磁链，为永磁体磁链，为永磁体磁链幅值，rs为定子相电阻，tem为电磁转矩，t1为负载转矩，j为转动惯量，b为粘滞摩擦系数，为故障电感矩阵，为电机机械角速度；
32、将转子偏心的内嵌式永磁同步电机本体模型嵌入matlab/simulink平台的闭环矢量控制系统，通过模拟样机，计算得到定子电流信号。
33、进一步的，步骤s4包括对定子电流信号进行经验模态分解，其中，分解步骤包括：
34、s41、获取原始定子电流信号x(t)的所有的极大值点和极小值点；
35、s42、利用三次样条插值函数将所有极大值点拟合出上包络线，以及利用三次样条插值函数将所有极小值点拟合出下包络线，计算得到均值包络线m(t)；
36、s43、将原始定子电流信号x(t)减去均值包络线m(t)得到中间信号c(t)；
37、s44、若中间信号c(t)满足本征模态函数imf的约束条件，则中间信号c(t)是一个imf，否则重复步骤s401-s403进行迭代；
38、s45、将得到的第一个imf记为c1(t)，将原始定子电流信号x(t)减去c1(t)，以此类推得到c1(t)、c2(t)…cn(t)，直至残余分量是单调函数或常量，并将残余分量记为r(t)，完成信号分解。
39、进一步的，步骤s4包括基于峭度准则对定子电流信号进行信号重构，其中，信号重构包括：
40、对定子电流信号完成经验模态分解后，计算各阶imf分量的峭度值；
41、取峭度值大于3的imf分量相加进行信号重构，得到重构后的定子电流信号。
42、进一步的，步骤s4还包括：
43、对重构后的定子电流信号x’(t)进行hilbert变换为：
44、；
45、式中，为卷积运算符；
46、以信号x’(t)为实部，为虚部构成复数解析信号z(t)为：
47、;
48、复数解析信号z(t)的瞬时包络线a(t)为:
49、；
50、为信号z(t)的瞬时相位:
51、；
52、对复数解析信号的瞬时包络线a(t)进行fft变换，得到重构后的定子电流信号x’(t)的频谱图。
53、基于上述目的，本申请提供一种永磁同步电机轴承故障程度诊断系统，该系统包括：
54、本文档来自技高网...
【技术保护点】
1.一种永磁同步电机轴承故障程度诊断方法，其特征在于，所述方法包括步骤：
2.如权利要求1所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述电机轴承故障程度包括重度、中度、轻度和无故障，所述电机参数包括电机定转子表面之间的气隙长度、永磁体磁钢厚度、转子偏心度以及极对数，所述步骤S1包括：
3.如权利要求2所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述步骤S1包括：
4.如权利要求3所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述步骤S2包括：
5.如权利要求4所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述步骤S3包括：
6.如权利要求5所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述步骤S4包括对定子电流信号进行经验模态分解，其中，分解步骤包括：
7.如权利要求6所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述步骤S4包括基于峭度准则对定子电流信号进行信号重构，其中，信号重构包括：
8.如权利要求7所述的永磁同步电机轴承故障程度诊断方法，其特征在于
9.一种永磁同步电机轴承故障程度诊断系统，其特征在于，所述系统包括：
10.一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；
...【技术特征摘要】
1.一种永磁同步电机轴承故障程度诊断方法，其特征在于，所述方法包括步骤：
2.如权利要求1所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述电机轴承故障程度包括重度、中度、轻度和无故障，所述电机参数包括电机定转子表面之间的气隙长度、永磁体磁钢厚度、转子偏心度以及极对数，所述步骤s1包括：
3.如权利要求2所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述步骤s1包括：
4.如权利要求3所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述步骤s2包括：
5.如权利要求4所述的永磁同步电机轴承故障程度诊断方法，其特征在于，所述步骤s3包括：
6.如权利要...
【专利技术属性】
技术研发人员：张健，傅敏杰，杜丹枫，黄晓艳，方攸同，马吉恩，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。