电机故障诊断

HXD1型电力机车异步牵引电机故障诊断方法研究汇报人：时间：2015年5月1日2内容提纲1•故障诊断的具体内容2•异步牵引电机故障类别3•基于信号分析故障诊断方法及分析过程4•常用信号处理方法5•基于模型分析故障诊断方法3HXD1型电力机车异步牵引电机故障诊断方法研究牵引电机主要由定子、转子、轴承和机座等部件组成(如图1)4HXD1型电力机车异步牵引电机故障诊断方法研究故障诊断主要研究如何将系统中出现的故障进行检测、分离和辨识,故障诊断技术的实施过程,一般可分为两个阶段和四个步骤,其中两个阶段分别为状态监测和故障诊断,而故障诊断的四个步骤分别为信号采集、信号处理、状态识别和诊断决策。5HXD1型电力机车异步牵引电机故障诊断方法研究故障诊断的具体内容信号采集信号处理状态识别诊断决策1.故障诊断的具体内容6HXD1型电力机车异步牵引电机故障诊断方法研究1.1信号采集牵引电机是空间上高度对称的电气设备,发生故障将会改变其空间结构的对称性,导致其在运行过程中必然会有电流、电压、振动及磁通等各种物理量的变化,由此会产生各种不同的故障信息。根据不同的诊断技术需要,选择能表征牵引电机工作状态的不同信号(如机械振动、电流、电压以及温度等)是故障诊断的首要工作。7HXD1型电力机车异步牵引电机故障诊断方法研究1.2信号处理信号处理是将采集到的原始信号进行分类处理、加工,然后获得能表征牵引电机特征量的过程,也称之为特征提取过程,如将电机电流信号从时域变换到频域并进行频谱分析。信号处理(或诊断数据处理)的主要技术有频谱分析、小波分析、相关分析和统计分析等。8HXD1型电力机车异步牵引电机故障诊断方法研究1.3状态识别状态识别是指将经过信号处理后获得的牵引电机特征参数与规定的允许参数或判别参数进行比较,以确定牵引电机所处的状态,是否存在故障及故障的类型和性质等。进行有效故障诊断的关键是如何制定相应的判别准则和诊断策略,这也是技术难点。9HXD1型电力机车异步牵引电机故障诊断方法研究1.4诊断决策根据对异步牵引电机状态的判断,决定应采取的对策和措施,同时应根据当前信号预测牵引电机状态可能的发展趋势,进行趋势分析。10HXD1型电力机车异步牵引电机故障诊断方法研究2.异步牵引电机故障类别常见的牵引电机故障定子故障转子故障气隙偏心故障轴承故障11HXD1型电力机车异步牵引电机故障诊断方法研究2.1定子故障几乎40%的牵引电机故障都属于定子距间短路故障,距间短路主要是由线圈中相邻绕组间绝缘故障引起的。胆间短路产生的感应电流导致过热和气隙磁场不平衡,如果不及时检测诊断,局部过热将导致更大的定子绝缘损害,最终导致电机烧毁,甚至造成灾难。常见的定子故障中还有机械部分故障,如定子铁心故障,这种故障大多情况下是由各种原因造成的距间短路而形成的,其典型的故障特征征兆为出现局部过热,造成绝缘失效。12HXD1型电力机车异步牵引电机故障诊断方法研究2.2转子故障大约有10%的牵引电机故障属于转子故障,一般的牵引电机机械故障为转子断条或端环断裂,这些故障将使牵引电机在运行过程中发热,使导条和端环受到循环热应力和变形,导致故障进一步扩大。13HXD1型电力机车异步牵引电机故障诊断方法研究2.3气隙偏心故障对牵引电机而言,气隙偏心也是常见故障之一转子偏心将导致气隙不均衡,产生了非平衡气隙电磁拉力,并进一步同时引起定转子振动,并最终导致轴承故障和机械故障。这种现象在整个转子温度分布不均时更为严重,此时转子发生热弯曲,导致偏心变得更加严重,甚至能使定转子之间发生机械摩擦而导致电机损坏。气隙偏心分为静态偏心故障和动态偏心故障两种形式,其中,静态偏心是由定子铁心内径的椭圆度或装配不正确造成的,和转子本身的位置无关;动态偏心是由转轴弯曲,轴径椭圆,临界转速时的机械共振、轴承磨损造成的,其偏心位置与转子位置和旋转频率有关,在空间上是动态变化的。14HXD1型电力机车异步牵引电机故障诊断方法研究2.4轴承故障牵引电机采用滚动轴承,轴承故障也是牵引电机的最主要的故障之一。轴承在牵引电机前后两端起着支撑转子的作用,由内圈、外圈、滚动体和保持架组成。过载、润滑不良、安装不正、轴电流以及异物进入等,都会引起的轴承磨损,表面剥落、腐烛甚至碎裂等。轴承的四个部分都会发生故障,其中内圈随转子一起高速运转,受到内外环之间持续压力作用,是最容易发生故障部分,其故障形式通常表现为磨损、点蚀和破裂等。15HXD1型电力机车异步牵引电机故障诊断方法研究2.4轴承故障当轴承发生故障发生时,轴承结构被破坏,会引起电机转轴的振动,进而改变了牵引电机的磁场平衡。不同的故障类型对磁场的内部影响不同,使电机定子电流谐波成分也不尽相同,通过分析电流成分的分析,观察定子电流频谱中的故障特征频率来对轴承故障做出故障检测和判别。16HXD1型电力机车异步牵引电机故障诊断方法研究3.基于信号分析故障诊断方法基于信号分析故障诊断方法的主要思想是选择合适的牵引电机信号进行分析来检测牵引电机早期故障状态。由于牵引电机的原始信号包含很多谐波,往往很难直接使用,这就要求在进行信号分析前进行信号预处理,找出反映牵引电机故障的特征物理量,对牵引电机而言,一般就是牵引电机的故障频率。17牵引电机信号提取信号处理信号分析故障决策HXD1型电力机车异步牵引电机故障诊断方法研究4.基于信号分析故障诊断的分析过程：常用的信号处理方法时域分析法频域分析法时频分析法高阶统计法18HXD1型电力机车异步牵引电机故障诊断方法研究4.1故障信号选择牵引电机是高度对称的电气设备,各种形式的故障都影响其对称性,从而导致定子、转子之间的磁通产生相应的变化,进而引起定子电流、电压和磁场变化,产生异常机械振动。通过对这些信号进行分析,能对牵引电机的健康状态进行检测并判断故障的严重程度(如表1-1)。表中,通过电流信号能识别牵引电机所有故障,振动信号分析能识别转子故障、轴承以及气隙偏心等故障,而轴磁通则能识别除轴承以为的其他故障,其中电机电流信号(MotorCurrentSignalAnalysis,MCSA)非侵入式故障诊断方法为使用最多的一种方法。19HXD1型电力机车异步牵引电机故障诊断方法研究20HXD1型电力机车异步牵引电机故障诊断方法研究4.2信号处理技术信号处理技术就是对检测到的信号进行处理,以产生和呈现故障和不明故障相关的特征值或参数(与故障相关的频率组成部分)。21HXD1型电力机车异步牵引电机故障诊断方法研究4.2.1时域分析常用的时域特征提取方法为时间序列模型法,它通过对信号进行分析,建立对应的时间序列模型,模型的参数既能反映系统固有的特性,又反映系统在外界作用下的输出特性。其中常见的模型有AR模型、动态时间序列。将滤波后的电流信号用于训练AR模型,计算出健康状态下的基本频谱,然后通过比较不同状态下的频谱来诊断轴承的故障情况,但AR模型只适合于平稳信号,其滤波效果将严重影响AR模型的诊断能力。22HXD1型电力机车异步牵引电机故障诊断方法研究4.2.2频域分析采用傅立叶变换进行频率分析是常用的牵引电机故障信号处理方法。傅立叶变换将信号由时域转换到频域,使一些在时域内很难观测到的现象和规律在频域内能得到较好的反映,但由于傅立叶变换是完全在频域展幵,没有包含时域信息,其积分平滑了信号中突变的非平稳部分,在处理时变、非平稳的牵引电机故障信号时,无法获知突变时刻故障信号的频率部分。234.2.3时频分析方法HXD1型电力机车异步牵引电机故障诊断方法研究4.1.2高阶统计傅立叶转换是假设频谱在采样时间内不变的平稳信号,但由于牵引电机负载扰动、电源电压变化等原因,牵引电机故障信号是非平稳信号,显然单纯采用傅立叶变换无法达到良好的故障诊断效果。高阶统计方法具有对Gaussian分布测量噪声不敏感的优良品质。24HXD1型电力机车异步牵引电机故障诊断方法研究5.基于知识牵引故障诊断方法：基于知识的故障状态识别方法基于统计模式识别法人工神经网络法支持向量机法模糊逻辑法D-S(Demst-erShafer)证据法255.1神经网络HXD1型电力机车异步牵引电机故障诊断方法研究人工神经网络是按人类大脑的神经建立的模型,每个神经单元有多个输入,对每个输入设置初值,经过中间隐含层,产生一个非线性的输出。神经网络可以充分逼近任意非线性函数,并具有良好的自学习和自适应能力,已被广泛用于故障状态识别。基于小波神经网络故障状态识别方法,该方法先用小波分析对信号进行处理,将得到故障特征信息作神经网络的输入,神经网络输出即为故障状态(如图2所示),但BP神经网络存在容易陷于局部最优以及过学习等不足。26HXD1型电力机车异步牵引电机故障诊断方法研究275.2支持向量机HXD1型电力机车异步牵引电机故障诊断方法研究支持向量机(SupportVectorMachines,SVM)是一种专门针对小样本条件下的机器学习问题的学习机制,具有结构简单、学习性能出色和推广能力强等优点。支持向量机分类方法试图找到参数的线性组合(用超平面取代几何)来分别健康数据和故障数据,另一种方法在空间中定义健康数据和故障数据中的几何区域。利用窗提取的方法对定子电流谱进行转换,在不损失故障特征信息的前提下构造低维数特征空间,并在其中利用支持向量机进行分类(如图3所示)。28HXD1型电力机车异步牵引电机故障诊断方法研究295.3隐马尔科夫模型HXD1型电力机车异步牵引电机故障诊断方法研究隐马尔科夫模型(Hiddenmarkovmodel,HMM)是在Markov链的基础上发馬起来的一种概率模型,具有时序模式分类能力强的特点,对动态过程时间序列建.模具有良好的效果。它描述双重随机过程,第一重是Markov链,是基本的随机过程,被用来描述状态的转移,另一重用来描述每个状态和观测值之间的统计对应关系。由于观察到的事件与状态的对应关系不明确,无法直接观测其状态,只能通过一个随机过程去感知其对应的状态,故称之为“隐Markov模型”,显然,牵引电机的故障信号也是一个随机过程。305.3隐马尔科夫模型HXD1型电力机车异步牵引电机故障诊断方法研究基于隐马尔科夫模型的故障诊断方法,该方法将定子电流作为观测序列,根据感应电机的定子短路故障、转子断条等5种状态,并建立5个HMM,最后通过算法确定概率最大的模型即为感应电机的故障状态(如图4所示)。但隐马尔科夫模型的状态转移概率固定不变,状态驻留时间呈指数分布,这与电机故障状态并不相符。31HXD1型电力机车异步牵引电机故障诊断方法研究325.4D-S证据HXD1型电力机车异步牵引电机故障诊断方法研究运用D-S(Dempster-Shafer)证据理论对感应电动机转子断条故障进行识别的故障诊断方法,该方法首先利用小波包变换的频率划分特性,对定子电流信号进行小波包分解,通过建立转子断条故障特征向量提取特征信息,然后利用BP神经网络对其识别的结果形成彼此独立的证据,并根据D-S证据融合规则进行融合处理,以实现对电动机转子断条故障的准确识别。与传统基于傅里叶分析方法相比,该方法能有效提取故障特征频率分量,提高了故障诊断的判决精度,可实现转子断条故障的可靠诊断。33HXD1型电力机车异步牵引电机故障诊断方法研究6.基于模型分析故障诊断方法牵引电机为高度对称的电气设备,当牵引电机发生故障时,其对称性遭到破坏,从而导致电机的实际参数与正常状态下的辨识参数值不一致。因此,建立故障状态下牵引电机模型并辨识参数变化是实现牵引电机故障诊断的有效办法。当牵引电机发生定子绕组距间短路故障时的主要特征有:三相定子电流不对称从而导致三相阻抗不对称,定子电阻发生变化;而牵引电机发生转子断条故障时其转子电阻明显增加,且不受负载影响。该方法通过建立牵引电机模型,然后利用观测器辨识牵引电机参数从而判别故障存在如否,其流程如图5所示。34HXD1型电力机车异步牵引电机故障诊断方法研究6.基于模型分析故障诊断方法35谢谢！