CN108761117B - 便携式电流检测转速测试仪 - Google Patents
便携式电流检测转速测试仪 Download PDFInfo
- Publication number
- CN108761117B CN108761117B CN201810846959.5A CN201810846959A CN108761117B CN 108761117 B CN108761117 B CN 108761117B CN 201810846959 A CN201810846959 A CN 201810846959A CN 108761117 B CN108761117 B CN 108761117B
- Authority
- CN
- China
- Prior art keywords
- frequency
- current
- spectrum
- rotating speed
- processing module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/42—Devices characterised by the use of electric or magnetic means
- G01P3/44—Devices characterised by the use of electric or magnetic means for measuring angular speed
- G01P3/48—Devices characterised by the use of electric or magnetic means for measuring angular speed by measuring frequency of generated current or voltage
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明涉及一种方便携带,体积小、重量轻,且可以运用到大部分电机上的便携式电流检测转速测试仪。这种便携式电流检测转速测试仪采用了基于定子电流频谱分析的无传感器转速在线辨识算法,提出基于定子电流频谱和基于定子电流平方频谱的两种分析方法,通过快速傅里叶变换后,在其频谱图中准确提取转子频率,为了节约硬件成本、提高频率分辨率,分别采用了基于复调制ZoomFFT频谱细化技术和基于比值法的频谱校正技术对原始频谱进行优化分析,实验结果表明,应用这优化算法之后,使转速的辨识精度从5r/min提高到2r/min,接近国际先进水平。
Description
技术领域
本发明涉及一种测试设备,具体涉及一种便携式电流检测转速测试仪,用于对电机转速进行现场效率检测。
背景技术
随着能源紧张问题和温室效应的不断加剧,开发利用清洁能源、节能减排已成为世界各国关注的焦点。对于资源短缺、人口众多的中国而言,节能就显得尤为必要。中小型三相异步电动机是应用最广泛的高能耗产品,其应用范围遍及国民经济各个领域,用电量约占全国总用电量的50%,在工业领域更是占到2/3左右,并且电动机运行效率普遍偏低,因此,提高电动机的运行效率具有重要意义。导致电动机运行效率偏低的原因有很多,包括电动机本身的问题,但更主要的是使用问题,如负载率偏低、电机老化等。解决这一问题有很多方法,如推广使用高效电机,替换运行效率明显偏低的电机,或通过适当的控制方法提高电机的运行效率等。要实现这一目标,首先要能在不干扰电机正常运行的情况下准确检测出其实际运行效率。传统的基于实验室环境的检测方法不能直接用于现场检测,这是因为空载试验、短路试验、定子电阻检测和转速检测在现场情况下很难完成。
对于大型电机,往往配有电机状态在线监测***,一般能够检测电机的运行效率,对于中小容量电机,从成本角度考虑,一般不配备监测***。而中小容量电机无论从数量还是耗电量看,都占在用电机的绝大多数。对所有中小型电机进行在线监测几乎是不可能的,这一工作必须由现场工作人员完成。为此,有必要开发适用于中小电机的低成本现场效率检测装置。而现场人员一般希望检测装置的操作尽可能简单,体积小、重量轻,且便于携带。
通常的便携式检测装置为手持式红外或者激光传感器,相比于光电编码器,其价格低廉,而且不需要安装在电机上,操作简单,对于中小型、低功率电机较为实用。然而对于那些无法观测到电机轴的大型电机,此类传感器将无法使用,而且红外或激光传感器测量精度较低,往往满足不了高精度测试***要求。综合考虑发现,对于现场便携式电机测试***而言,使用传感器直接获得电机转速是不可靠的,所以研究无传感器的电机转速在线辨识算法,对得到高精度的电机转速结果具有重要意义。
发明内容
为了解决背景技术中存在的技术问题,本发明提供一种轻质便携,方便实用,且测量精度高的便携式电流检测转速测试仪。
本发明解决其技术问题所采用的技术方案是:
一种便携式电流检测转速测试仪,该转速测试仪的外壳顶部开孔让线接出,用于和被测电机接线,转速测试仪内部设有处理器,处理器通过电流传感器来检测被测电机的电流,电流传感器测得的电流经过滤波器中进行信号调节和滤波后输入处理器中;
所述处理器中包含有微处理模块,微处理模块上连有电流数据采集模块、电流数据处理模块、频谱处理模块、转速处理模块,其中电流数据采集模块与电流传感器相连,电流数据采集模块将被测电机的定子转速通过微处理模块送到电流数据处理模块中,电流数据处理模块将解调后的信号通过微处理模块送到频谱处理模块中,频谱处理模块将频谱处理后的信号通过微处理模块送到转速处理模块中,找到转子频率并计算出电机转速。
所述外壳表面开设有显示屏以及多种按钮来进行控制。
所述处理器为ARM微控制器。
所述电流传感器为罗氏线圈。
所述处理器上还设有显示模块、键盘模块。
所述处理器上还设有信号处理模块,处理器通过信号处理模块将处理信号发送给控制模块,控制模块控制被测电机转动。
这种便携式电流检测转速测试仪基于定子电流频谱的转速辨识算法来计算出电机转速。
本发明的有益效果:
本专利转速测试仪方便携带,体积小、重量轻,且可以运用到大部分电机上,这种便携式电流检测转速测试仪在检测电机的转速时,先通过无接触式的罗氏线圈测量被测电机的电流,得到定子电流原始信号,随后通过滤波器处理后送到处理器中对其进行电流解调、频谱分析、频谱细化、频谱校正、频率搜索,最终精确计算出电机的转速,得出的转速误差较小,精度较高。
此外这种便携式电流检测转速测试仪采用的辨识算法具有以下优点:
(1)这种便携式电流检测转速测试仪利用无传感器转速在线辨识方法,代替原先转速传感器的作用获取计算电机效率所需的转速参数。
(2)采用了基于定子电流频谱分析的无传感器转速在线辨识算法,提出基于定子电流频谱和基于定子电流平方频谱的两种分析方法,通过快速傅里叶变换后,在其频谱图中准确提取转子频率。为了节约硬件成本、提高频率分辨率,分别采用了基于复调制ZoomFFT频谱细化技术和基于比值法的频谱校正技术对原始频谱进行优化分析,实验结果表明,应用这优化算法之后,使转速的辨识精度从5r/min提高到2r/min,接近国际先进水平。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明便携式电流检测转速测试仪的外形结构图。
图2是本发明便携式电流检测转速测试仪的原理图。
图3是图2中处理器的内部模块示意图。
图4是本发明便携式电流检测转速测试仪所采用的转速辨识算法流程图。
图5为本发明中低通滤波器的巴特沃斯低通滤波器幅相频特性曲线图。
图6为本发明定子电流频谱分析中复调制细化谱分析方法的流程图。
图7为本发明定子电流频谱分析中复调制细化谱分析方法中信号各频率成分较为接近的原始频谱和基于Zoom FFT的细化频谱仿真结果图。
图8为本发明定子电流频谱分析中复调制细化谱分析方法中信号各频率成分相距较远的原始频谱和基于Zoom FFT的细化频谱仿真结果图。
图9为本发明基于比值法的频谱校正时的hanning窗函数频谱图。
图10为本发明基于比值法的频谱校正时频率和幅值校正的关系图。
图11为本发明信号各频率成分较为接近的hanning窗频谱校正前后的频谱分析结果图。
图12为本发明信号各频率成分相距较远的hanning窗频谱校正前后的频谱分析结果图。
图13为本发明在线仿真时通过电机测量模块采集的电机实际转速曲线图。
图14为本发明基于转子频率的电机转速在线辨识算法对定子电流的分析结果图。
图15为本发明基于定子电流频谱分析的方法在线辨识电机的转速的原理图。
图中:处理器1、微处理模块1.1、电流数据采集模块1.2、电流数据处理模块1.3、频谱处理模块1.4、转速处理模块1.5、电流传感器2、滤波器3、显示模块4、键盘模块5、信号处理模块6、控制模块7、被测电机8。
具体实施方式
以下结合附图对本发明作进一步详细的说明。
本发明涉及一种便携式电流检测转速测试仪,参见图1,这种便携式电流检测转速测试仪的外壳顶部开孔让线接出,用于和被测电机接线,外壳表面开设有显示屏以及多种按钮来进行控制。
这种便携式电流检测转速测试仪内部设有微控制器,通过电流传感器采集被测电机的定子电流,并通过ARM微控制器对其进行电流解调、频谱分析、频谱细化、频谱校正,最终精确计算出电机的转速。
参见图2,这种便携式电流检测转速测试仪主要含有处理器1,该处理器1为ARM微控制器,内部具有电流解调频谱分析、频谱细化、频谱校正、频率搜索和转速计算等功能。
处理器1通过电流传感器2来检测被测电机8的电流,被测电机8为使用最为广泛的三相交流异步电机,该电流传感器2为罗氏线圈,罗氏线圈又称为电流测量线圈,测量原理基于法拉第电磁感应定律,其输出信号是电流对时间的微分,再通过一个积分电路就可以还原真实的电流信号,其优点是不含磁性材料,无磁滞效应,相位误差几乎为零,无饱和现象,测量范围从数安到数百安,相比传统的电流互感器具有测量范围宽、测量精度高、响应速度快的优点,适用于对电流精度高的场合。
电流传感器2测得的电机定子电流经过滤波器3中进行信号调节和滤波后输入处理器1中。
参见图3和图4,所述处理器1中包含有微处理模块1.1,微处理模块1.1上连有电流数据采集模块1.2、电流数据处理模块1.3、频谱处理模块1.4、转速处理模块1.5,其中电流数据采集模块1.2与电流传感器2相连,得到被测电机8的定子转速,电流数据采集模块1.2将被测电机8的定子转速通过微处理模块1.1送到电流数据处理模块1.3中,由电流数据处理模块1.3对电流解调,电流数据处理模块1.3将解调后的信号通过微处理模块1.1送到频谱处理模块1.4中,由频谱处理模块1.4对信号进行频谱分析、频谱细化、频谱校正,频谱处理模块1.4将校正后的信号通过微处理模块1.1送到转速处理模块1.5中找到转子频率并计算出电机转速,这样得到的电机转速精度较高。
处理器1对其进行电流解调、频谱分析、频谱细化、频谱校正、频率搜索,最终精确计算出电机的转速。
所述处理器1上还设有显示模块4、键盘模块5和信号处理模块6,处理器1可以将计算出的电机转速调整值通过信号处理模块6发送给控制模块7,而控制模块7与被测电机8相连,可以控制被测电机8的转速。
其中处理器1内的各个模块可以通过最优化的转速辨识算法来计算出电机转速,得出的电机转速误差较小,精度较高。
该转速辨识算法为基于定子电流频谱的转速辨识算法或基于定子电流平方频谱的转速辨识算法,由傅里叶分析可知,任一周期信号都可以看成不同幅值、不同频率的正弦波的叠加,即周期信号中有某一频谱的正弦信号,便可以在其频谱中找到其对应的频率成分。
当定子绕组中通入对称三相电流之后,由于电磁感应现场,变会产生旋转磁场,即“电生磁”过程。与此同时,封闭的转子绕组线圈在定子绕组产生的旋转磁场的作用下,切割磁感线,在绕组中产生感应电动势和感应电流,即“磁生电”过程。通电导体在磁场中受到电磁力的作用而转动,同时由于电磁感应现象,带电后得转子绕组同样会产生变化的磁场,定子绕组在转子感生磁场的作用下感应出相应的感应电流,此感应电流和转子转速有关,因此可以通过检测此电流成分计算电机转速。原理流程图如图15所示。
1)定子电流解调
①基于定子电流频谱的转速辨识算法:
电机定子电流一般通过电流传感器采集。该算法中只需要三相电流中的一相即可。定子电流的解调是该算法的核心部分。根据傅里叶分析可知,任何一个周期信号都可以分解为不同频率成分的正弦信号,故可以对采集到的定子电流进行解调,获取该定子电流的频率组成成分,从而可以提取需要的转子频率。
定子电流可以表示为:
i(t)=[k1+k2cos(2πf2t)+k3cos(2πf3t)+...+kn cos(2πfnt)]cos(2πf1t) 3.1
其中,kn和fn分别为n次谐波的幅值和频率。K1=50Hz是交流供电电源的频率。
电机定子电流也可以表示为:
i(t)=m(t)cos(2πf1t) 3.2
其中令
m(t)=k1+k2cos(2πf2t)+k3cos(2πf3t)+...+kn cos(2πfnt) 3.3
m(t)是定子电流的幅值。
然后对定子电流进行平方处理,得到
考虑到信号m(t)中的信号频率成分都小于f1,所以可以让定子电流通过低通滤波器,这样就从定子电流中获得m(t)信号,一般该低通滤波器的截止频率要小于2f1。然后对通过低通滤波器的信号进行开平方处理,从而实现了对定子电流的解调。为了防止开平方后信号失真,一般在解调之前首先对定子电流进行直流偏置。
将式3.4表示的信号通过上述设计的低通滤波器后,便将m(t)信号提取出来,将低通滤波后的信号进行开方处理,可得到最后用于频谱分析的定子电流信号,如下式。
i(t)=0.707m(t) 3.5
②基于定子电流平方频谱的转速辨识算法:
该算法主要包括相电流采集、相电流分析、频谱分析三部分。其中第一和第三部分与第一种方法相同,在此主要介绍第二部分—相电流分析。
考虑到一个理想工作状况的异步电机,其相电流表达式为:
i(t)=Imax cos(ωt) 3.6
其中Imax是相电流的幅值。
所以相电流平方的表达式为:
分析它的频率可以知道,首先会有一个直流分量,另外在会有一个2fs频率成分。如果考虑到电机转子偏心,在这种情况下,定子电流平方的表达式为:
其中Imax是相电流的幅值,Ilsb是相电流低边带分量的幅值,Ilsb是相电流高边带分量的幅值。从表达式中可已看出,电流的平方的频谱包括一个直流成分,2fs频率成分,两个边带2fs-fr和2fs+fr,以及附加的频率成分fr,2fr,2fs-2fr和2fs+2fr。所以通过对定子电流平方进行频谱分析,可以从频谱中准确地提取fr频率成分,即转子频率,从而辨识出电机转速。
2)低通滤波器设计
由于获取最后的信号之前需要对信号进行低通滤波,滤波技术是信号处理中最基本也是最重要的技术,通过滤波手段可以从复杂的信号中提取有用的信号成分,滤掉无用成分。滤波器是具有相应传输特性的信号处理装置,主要分类如下:
(1)按照范围可分为低通滤波器、高通滤波器、带通滤波器和带阻滤波器;
(2)按时域特性可分为IIR和FIR滤波器;
(3)按信号类型可分为模拟滤波器和数字滤波器。
综合考虑本专利需求,利用Matlab设计一种巴特沃斯低通滤波器,其特点是具有通带内最大平坦的幅频特性,且随频率增大平滑单调下降;阶次愈高,特性愈接近矩形,过度带宽愈窄。
巴特沃斯低通滤波器的幅度平方函数为:
其中,ωc为滤波器的截止频率,N为滤波器的阶数。式中,N为整数,称为滤波器系数,N越大,通带和阻带的近似性越好,过渡带也越陡。
Matlab信号处理工具箱中提供了巴特沃斯低通滤波器的函数如下
[n,wn]=buttord(wp,ws,rp,rs);
[b,a]=butter(n,wn);
其中,n为滤波器阶数,wn为***滤波器截止频率,b,a为设计的滤波器系数。wp为归一化通带截止频率;ws为归一化阻带截止频率;rp为通带内最大纹波衰减;rs为阻带内最小衰减。
我国三相电的供电频率f1=50Hz,所以低通滤波器的通带截止频率设置为100Hz,阻带截止频率设置为200Hz,本专利中设计的巴特沃斯低通滤波器幅相频特性曲线如图5所示。
3)基于定子电流的频谱分析技术
①基于快速傅里叶变换(FFT)的频谱分析
将滤波后得到的信号进行快速傅里叶变换(FFT),以得到其频谱图,该频谱图中必定包含所需的转子频率成分。
傅里叶变换即将某一周期变化的信号表示为无数正弦(或余弦)信号的线性组合,可以将信号从时域变换到频域中,从而可以发现时域中看不到的特征。在不同的研究领域,傅里叶变换有不同的形式,主要分为连续傅里叶变换和离散傅里叶变换。
离散傅里叶变换(DFT)即进行傅里叶变换时在时域和频域上都是离散形式,在形式上,傅里叶变换两端时域和频域的序列是有限长的,在变换时,需要将信号进行周期延拓成周期信号再进行变换。
通常情况下,运用蝶形运算对时域内有限长序列进行傅里叶变换时,往往计算量很大,一般很难实时的处理问题。1965年,Cooley和Turkey根据离散傅里叶变换奇、偶、虚、实等特性,对传统离散傅里叶变换算法加以改进,提出了计算离散傅里叶变换的高效、快速算法,即快速傅里叶变换(FFT),采用这种算法计算离散傅里叶变换时大大减少乘法的次数,将DFT的运算量减少了几个数量级,而且傅里叶变换的点数越多,FFT相比DFT计算量上减少的越显著。根据对序列分解和选取方法的不同产生了多种FFT算法,主要分为基2DIT和基2DIF两种。由于快速傅里叶变换计算量小的显著优点,使其广泛应用于信号处理领域,再通过硬件就可以实现信号的实时处理,数字信号处理技术也随着快速傅里叶变换算法的出现也迅速发展,对数字信号处理技术的发展起到了至关重要的作用,提高了运算速度并且降低了硬件成本。比如,对噪声信号的分析、通信***中时分制与频分制(TDM/FDM)转换,在频域中进行信号的滤波分析、频谱分析,提取有用信号、提高信号的分辨率等领域都要用到FFT。
运用快速傅里叶变换进行谐波分析时,只有在满足同步采样和整周期截断条件下才能准确的得出信号的频率、幅值及相位等谐波参数,但是在实际环境中往往很难满足上述条件,因此对信号进行FFT便会存在频谱泄露和栅栏效应,严重影响信号分析的精度,难以满足实际需要。但是既然频谱泄露无法避免,就需要设计不同的窗函数减少信号的频谱泄露。为了降低谐波分析时频谱泄露的影响,进行快速傅里叶变换前使信号乘以一个特定的窗函数,从而可以减少由于信号截断而产生放入旁瓣分量了,降低频谱泄露,但是加入窗函数会降低主瓣频率的精度,后续还需采取措施加以弥补。常用的窗函数主要有矩形窗、汉宁窗(hanning)、海明窗(hanming)、Blackman窗等,不同的窗函数频谱特性不同,对减少频谱泄露的影响也各不相同[55,56]。在实际应用中采用最多的是汉宁窗和矩形窗。本专利中采用汉宁窗(hanning)。
汉宁窗的频谱可以看作是由三个矩形窗的频谱叠加而成,其第一旁瓣的幅值是主瓣幅值的0.027%,所以旁瓣可以相互抵消,从而可以消除高频干扰,达到加强主瓣的作用,有效抑制频谱泄露。对比汉宁窗和矩形窗的频谱可以发现,汉宁窗的主瓣加宽、幅值降低,旁瓣显著减小,衰减速度也较快,从降低频谱泄露的角度看,汉宁窗优于矩形窗,但由于主瓣加宽,频谱分辨率相应的降低。
②基于复调制ZoomFFT的频谱细化
通常情况下,主流的频谱分析方法是在计算机上进行快速傅里叶变换,但是有时我们会遇到频谱比较密集的信号,而往往只关心某一个很窄的频段,并且希望此频段内的频率分辨率很高。频率分辨率指频谱中能够分辨的两个频谱间的最小间隔,即
Δf=fs/N 3.10
其中fs为采样频率,N为傅里叶变换点数。由上式可以看出,有两种方法可以提高频率分辨率:
(1)降低采样频率fs,过低的采样频率不能反映真实的信号,造成原始信号失真;(2)增加傅里叶变换点数N,考虑到傅里叶变换时采用的蝶形运算,增加变换点数会使计算量成指数增加,这样会极大增加硬件成本。
因此上述两种方法在实际运用中并不可取,为了解决这一问题,有学者提出了频谱细化的理念,即对频谱中关心的某一频段局部放大,增加此频段内的谱线密度,实现频谱细化的目的。近年来频谱细化技术迅速发展,常用的方法主要有:基于复调制的Zoom FFT、Yip-ZOOM变换、Chirp-Z变换等[57-61],其中基于复调制的ZoomFFT法相比其他方法具有分析精度、计算效率方面、频率分辨率等方面的优势,得到了广泛应用。
复调制细化谱分析方法采用:移频(复调制)—低通数字滤波—重抽样—FFT及谱分析—频率调整这样一个过程,其原理过程如图6所示。
设模拟信号x(t),经A/D采样后,得到其离散时间序列x0(n),(n=0,1...,N-1),fs为模拟信号的采样频率,fe为待细化频带的中心频率,D为细化倍数,N为快速傅里叶变换点数。X0(k)为输出的离散频谱序列。具体主要分为以下几步:
①复调制移频
复调制移频指将频域坐标向左或右移动,使得被细化的频段的起点位于坐标零点位置。离散信号x0(n)的离散傅里叶变换为
假设需要细化频段的范围是f1~f2,则中心频率fe为
对x0(n)乘以进行复调制,得到复调制移频信号x(n)
式中fs=NΔf为采样频率,Δf为频率分辨率,L0=fe/Δf为频率的中心移位,亦即中心频率fe在频谱中的序号,所以fe=L0Δf。
根据离散傅里叶变换的性质知,x(n)的离散频谱X(k)与x0(n)的离散频谱X0(k)满足下式
X(k)=X0(k+L0) 3.14
从上式可得,复调制使原x0(n)中的中心频率fe移到x(n)的零点,亦即X0(k)频谱中的第L0条谱线移到X(k)频谱的零点。然后,对原始离散信号进行重采样,使采样频率降低到fs’=fs/D,其中D为细化倍数。为防止细化后的频谱出现频谱混叠现象,需要在采样前进行低通滤波处理。
②数字低通滤波
为了保证重采样后的频谱不发生混叠,需要进行抗混叠滤波,设细化倍数为D,则低通滤波器的截止频率应满足fc≤fs/2D。
③重采样
原始信号经过复调制移频和低通滤波后,分析的频段变窄,当以较低的采样频率fs’=fs/D重采样,即每D个点采集一个点,得到新的离散信号。
④复数FFT
将新的离散信号通过补零处理保证原傅里叶分析点数N不变,进行FFT,得到其离散频谱,频率分辨率为
Δf'=fs'/N=fs/DN=Δf/D 3.15
因此较为细化前频率分辨率提高了D倍。
⑤移频
经上述过程得到的频谱并不是实际的频谱,还需要移至实际频率处,即
通过上述5个步骤,在保证傅里叶变换分析点数不变的情况下,实现了将待分析频段的频率分辨率提高了D倍。
综上分析可知,虽然在傅里叶变换点数一定的条件下,通过ZoomFFT算法可以将相应频段的频率分辨率提高D倍,但这种方法是在牺牲数据长度的基础上的,在进行ZoomFFT变换时,对N点的傅里叶变换需要的原信号数据点应为DN,如果直接对原信号数据点进行DN点的快速傅里叶变换,同样可以达到ZoomFFT算法满足的频率分辨率。所以说,ZoomFFT并没有从根本上解决频率分辨率的问题,只是用较少的傅里叶变换点数就可以达到原先需要巨大傅里叶变换点数才能实现的频率分辨率,由于增大变换点数会傅里叶变换的计算量成指数增加,这无疑会大大增加硬件的要求和成本,通常是不可取的。通过ZoomFFT算法实现了在满足指定频率分辨率的要求下,降低了硬件的要求和成本,在市场化的今天是值得广泛应用的。
⑥ZoomFFT频谱细化算法仿真
本小节对上文介绍的基于复调制的频谱细化方法进行仿真,采用两种不同的信号种类,一种是各频率成分较为接近,另一种是各频率成分相距较远,验证该算法的有效性。
设一模拟电流信号表达式为
i=sin(2π·9.1·t)+sin(2π·9.2·t)+sin(2π·9.5·t) 3.17
则其原始频谱和基于Zoom FFT的细化频谱仿真结果如图7所示。
设另一模拟信号为:
i=4cos(2π·91.356·t+π/6)+3·cos(2π·101.232·t+2π/9)+cos(2π·113.565·t+4π/3) 3.18
其原始频谱和基于Zoom FFT细化后得频谱如图8所示。
通过对比图7和图8发现,本专利提出的基于Zoom FFT的频谱细化方法可以达到提高频率分辨率的要求,可以实现将不同的频率成分区分,而且信号中的各频率成分越接近,频谱细化的效果越好,而且对于比较弱的信号成分细化效果更佳。
(3)基于比值法的频谱校正
通常离散频谱只能在有限的样本长度上分析,这就会造成频谱泄露,导致经过快速傅里叶变换后得到的频谱在频率、幅值和相位上都存在较大的误差,虽然在变换前加入窗函数可以抑制频谱泄露,但对于一些对这些谐波参数要求很高的场合,仅仅加窗函数得到的精度还是远远不够。另外在现代数字信号处理中,由FFT或DFT获得的频谱都是离散的谱线,一般是目标信号的频谱和窗函数的频谱卷积处理后,对频谱等间隔抽样得到的。如果目标信号的频率正好处在某一条谱线上,这时得到的频率、幅值和相位都是准确的。但往往在一般情况下,目标信号的频率并不在谱线上,而是在两条谱线之间,此时相应的谱线不在主瓣中心A上,由这两条峰值谱线反应的频率、幅值和相位是不准确的。
这种现象极大的影响了频谱分析技术的应用,因此国内外多专家都开展离散频谱校正技术的研究,以减少谐波参数的识别误差,提高辨识精度。
目前对于单频率成分或相距较远的多频率成分信号的离散频谱校正理论主要包括:能量重心校正法、比值校正法、FFT+DFT连续细化分析傅里叶变化法和相位差法[62-71]。这四种方法各有优缺点,也都在实际工程中得到了运用。其中比值校正法在运用hanning窗时,校正精度非常高,频率校正误差小于0.0001个频率分辨率,幅值误差小于十万分之一,相位差小于1度。由于本专利在转速识别算法中对频率的精度要求非常高,所以采用比值校正法加hanning窗对FFT后得到的离散定子电流频谱进行校正,以得到精准的转子频率。
频率校正就是精确求出主瓣中心的横坐标。设窗函数的频谱函数为f(x),f(x)相对于Y轴对称,如图9所示。
由图9知,y=f(x),y1=f(x+1),现需要通过y和y1求解x,亦即频谱修正量为Δx=-x。现构造一个函数V
即V是由横坐标间隔为1的两点的纵坐标的比值确定,也是x的函数,可解出其反函数得
x=g(v) 3.20
将代入,得
所以可解得Δx=-x,这种方法称为比值校正法。
由图10知,在实际离散频谱计算中,信号的真实频率位于主瓣中心x0处,图中yk,yk+1是离散频谱主瓣中心两侧相邻的两条谱线,令代入x=g(v),则频谱修正量为ΔK=-x。
如果以谱线yk-1,yk校正,则令代入x=g(v),此时频谱修正量ΔK=-x-1
最后校正频率为
其中,K是离散谱线序号(0~N/2-1),N为傅里叶变换分析点数,fs为信号采样频率
但是,对于不同的窗函数,会有完全不同的频率校正函数,本专利主要研究加入汉宁窗时的频率校正效果。
汉宁窗的函数表达式为:
其频谱函数表达式为
其中为狄利赫里核,当a=0.5时对应于汉宁窗,当a=0.54对应于海明窗。括号内三项的相位差为/>以这三项模函数之和作为W(ω)的模函数,则可得汉宁窗的主瓣函数为
/>
令则式3.25简化为
将式3.26代入式3.19可得
当a=0.5,c→∞时,式3.24可简化为
求解F(x)的反函数,得
这就是加入汉宁窗时的频率校正函数,代入式即可求出校正频率。
(4)频谱校正算法仿真
本节中对基于比值法的频谱校正算法进行仿真,通过不同的仿真信号进行对比,验证该算法的精度和有效性。
①对式3.18所确定的信号进行频谱校正,其校正前后的频谱分析结果如图11所示。
②增加个各频谱成分的间距,设模拟信号为
i=4cos(2π·81.356·t+π/6)+3·cos(2π·101.232·t+2π/9)+cos(2π·153.565·t+4π/3) 3.30
其校正前后的频谱分析结果如图12所示。
通过对比图11和图12的频谱校正结果可知,各频率成分的密集程度影响频率校正精度,各成分间距越大,频率校正精度越高,所以基于比值法的频率校正算法适用于单频率信号或相距较远的多频率信号的校正中,考虑到本专利中需要提取的转子频率成分和电源频率相距较远,故采用本校正算法可以精确的得到转子频率。
(5)转子频率搜索及转速计算
获得电流频谱之后,最关键的步骤就是在频谱中提取转子频率。由电机的机械特性曲线分析可知,电机一般工作于额定状态及以下,所以转子频率的最小值由额定转速时的转子频率确定,最大值为旋转磁场频率,频率搜索区域即为最小值和最大值之间,在搜索区域内的最大幅值所对应的频率即为转子频率。
/>
其中p为电机的极对数,nR为电机额定转速。
故转子频率介于flow与fupp之间。
得到转子频率fr之后,可以很容易的得出电机的转速n
n=fr×60 3.32
转速辨识算法在线仿真
为了验证本专利提出的转速在线辨识算法,建立了基于Matlab/Simulink的异步电机仿真模型。仿真模型中采用的电机参数如表1所示。
表1仿真电机参数
仿真模型,电机采用220V的交流电源供电,运行时利用Simulink中的电机测量模块采集电机的转速和定子电流信息,用于后续分析。
由于Matlab/Simulink仿真***中提供的异步电机动态模型是理想模型,电机运行时定子电流中只含有供电电源主频(50Hz)的成分即
ia=Imsin(ωt) 3.33
不存在非理想状态下产生的转子频率、偏心频率等成分,所以在Simulink中采集的定子电流并不能作为本算法性能仿真时的原始信号,因此为了评估本专利中研究的电机转速在线辨识算法的在电机平稳运行时的性能,需要人为生成一种包含主频(50Hz)、转子频率(考虑到电机的转速为1450rpm)以及双侧偏心分量(3Hz)的模拟电机定子电流信号[72],如式3.31所示。
ia=io+0.1·sin(2π·24.2·t)+0.1·sin(2π·47·t+π/3)+0.1·sin(2π·53·t) 3.34
其中,ia为实际定子电流,i0为理想定子电流。
通过电机测量模块采集的电机实际转速如图13示,从图中可知,电机在启动0.5s后达到稳定运行状态。
采用本专利提出的基于转子频率的电机转速在线辨识算法对定子电流的分析结果如图14示。
从图14的分析结果可知,在模拟定子电流电流的频谱中,利用本专利算法精确识别出转子频率,其大小为fr=24.151Hz,误差分析如表2所示。
表2转速辨识算法误差分析
从表2中可知,本次仿真仿真实验中,电机的实际测量转速为1450r/min,通过转速在线辨识算法得到的转子频率为24.151Hz,换算成转速为1449.1r/min,与实际转速的误差为0.9r/min,低于1r/min,仿真结果表明,本专利提出的转速辨识算法可靠性很高。
因此,通过上述最优化的在线辨识方法得出的电机转速精确度高,误差较小。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (6)
1.一种便携式电流检测转速测试仪,其特征在于:
该转速测试仪的外壳顶部开孔让线接出,用于和被测电机(8)接线,转速测试仪内部设有处理器(1),处理器(1)通过电流传感器(2)来检测被测电机(8)的电流,电流传感器(2)测得的电流经过滤波器(3)中进行信号调节和滤波后输入处理器(1)中;
所述处理器(1)中包含有微处理模块(1.1),微处理模块(1.1)上连有电流数据采集模块(1.2)、电流数据处理模块(1.3)、频谱处理模块(1.4)、转速处理模块(1.5),其中电流数据采集模块(1.2)与电流传感器(2)相连,电流数据采集模块(1.2)将被测电机(8)的定子转速通过微处理模块(1.1)送到电流数据处理模块(1.3)中,电流数据处理模块(1.3)将解调后的信号通过微处理模块(1.1)送到频谱处理模块(1.4)中,频谱处理模块(1.4)将频谱处理后的信号通过微处理模块(1.1)送到转速处理模块(1.5)中,找到转子频率并计算出电机转速;
所述转速测试仪基于定子电流频谱实现转速辨识算法,具体步骤为:
1)定子电流解调
定子电流表示为:
i(t)=[k1+k2cos(2πf2t)+k3cos(2πf3t)+...+kncos(2πfnt)]cos(2πf1t) 3.1
电机定子电流也可以表示为:
i(t)=m(t)cos(2πf1t)--------------------------------3.2
其中令
m(t)=k1+k2cos(2πf2t)+k3cos(2πf3t)+...+kncos(2πfnt)----------------3.3
对定子电流进行平方处理,得到
将式3.4表示的信号通过的低通滤波器后,便将m(t)信号提取出来,将低通滤波后的信号进行开方处理,得到最后用于频谱分析的定子电流信号:
i(t)=0.707m(t)--------------------------------3.5
2)基于定子电流的频谱分析技术
基于复调制细化谱分析方法采用:移频—低通数字滤波—重抽样—FFT及谱分析—频率调整;
y=f(x),y1=f(x+1),构造一个函数V
解出其反函数
x=g(v)--------------------------------3.20将代入,得
可解得Δx=-x;
令代入x=g(v),则频谱修正量为ΔK=-x;
令代入x=g(v),此时频谱修正量ΔK=-x-1,校正频率为:
再加入汉宁窗时的频率校正,汉宁窗的函数表达式为:
其频谱函数表达式为:
以这三项模函数之和作为W(ω)的模函数,则可得汉宁窗的主瓣函数为:
令则式3.25简化为
将式3.26代入式3.19可得
当a=0.5,c→∞时,式3.24可简化为
求解F(x)的反函数,得到最终校正频率:
3)转子频率搜索及转速计算
在搜索区域内的最大幅值所对应的频率即为转子频率:
转子频率介于flow与fupp之间,得到转子频率fr之后,得出电机的转速n:
n=fr×60------------------------------------------------3.32
从而得出电机的转速n,电机的转速n再发送给控制模块(7),控制模块(7)控制被测电机(8)。
2.根据权利要求1所述的一种便携式电流检测转速测试仪,其特征在于:所述外壳表面开设有显示屏以及多种按钮来进行控制。
3.根据权利要求1所述的一种便携式电流检测转速测试仪,其特征在于:所述处理器(1)为ARM微控制器。
4.根据权利要求1所述的一种便携式电流检测转速测试仪,其特征在于:所述电流传感器(2)为罗氏线圈。
5.根据权利要求1所述的一种便携式电流检测转速测试仪,其特征在于:所述处理器(1)上还设有显示模块(4)、键盘模块(5)。
6.根据权利要求1所述的一种便携式电流检测转速测试仪,其特征在于:所述处理器(1)上还设有信号处理模块(6),处理器(1)通过信号处理模块(6)将处理信号发送给控制模块(7),控制模块(7)控制被测电机(8)转动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810846959.5A CN108761117B (zh) | 2018-07-27 | 2018-07-27 | 便携式电流检测转速测试仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810846959.5A CN108761117B (zh) | 2018-07-27 | 2018-07-27 | 便携式电流检测转速测试仪 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108761117A CN108761117A (zh) | 2018-11-06 |
CN108761117B true CN108761117B (zh) | 2023-07-28 |
Family
ID=63972135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810846959.5A Active CN108761117B (zh) | 2018-07-27 | 2018-07-27 | 便携式电流检测转速测试仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108761117B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109871575B (zh) * | 2018-12-29 | 2022-12-20 | 陕西海泰电子有限责任公司 | 一种基于时域fft的电磁干扰接收机窗函数的设计方法 |
CN110346594B (zh) * | 2019-05-29 | 2022-04-08 | 浙江工业大学 | 一种便携式全封闭压缩机高精度转速测量方法及装置 |
CN110470212B (zh) * | 2019-07-10 | 2021-04-20 | 哈尔滨工业大学(威海) | 一种轮毂电机动态偏心故障检测方法 |
JP7153749B2 (ja) * | 2021-01-28 | 2022-10-14 | 本田技研工業株式会社 | 回転数検出装置 |
CN115586345B (zh) * | 2022-12-09 | 2023-03-21 | 深圳市双合电气股份有限公司 | 一种基于定子电流的电机自适应转速估计方法及*** |
CN116203419A (zh) * | 2023-05-05 | 2023-06-02 | 江苏省特种设备安全监督检验研究院 | 一种基于多力场耦合作用算法的电机能效检测*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1894292A1 (en) * | 2005-06-09 | 2008-03-05 | Philips Intellectual Property & Standards GmbH | Sensorless measurement of the rotation frequency of a rotor of an asynchronous machine |
CN102072779A (zh) * | 2010-11-17 | 2011-05-25 | 哈尔滨工业大学 | 基于转子槽谐波分析的潜油电机无传感器转子温度辨识方法 |
CN202330454U (zh) * | 2011-11-17 | 2012-07-11 | 黑龙江科技学院 | 一种电动机转速测量装置 |
CN103308706A (zh) * | 2013-05-14 | 2013-09-18 | 江苏大学 | 一种叶片泵转速检测方法及其装置 |
CN103454495A (zh) * | 2013-09-13 | 2013-12-18 | 电子科技大学 | 自适应高精度快速频谱分析方法 |
CN205061228U (zh) * | 2015-09-16 | 2016-03-02 | 江苏省特种设备安全监督检验研究院 | 一种电梯检验集成综合测试仪 |
CN107561306A (zh) * | 2017-08-17 | 2018-01-09 | 湖南纬拓信息科技有限公司 | 基于转子电流的绕线式电机转速测量方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0908112D0 (en) * | 2009-05-12 | 2009-06-24 | Peto Raymond J | Apparatus and method for determining speed of a motor, generator or alternator |
GB201503930D0 (en) * | 2015-03-09 | 2015-04-22 | Rolls Royce Plc | Fault detection and diagnosis in an induction motor |
-
2018
- 2018-07-27 CN CN201810846959.5A patent/CN108761117B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1894292A1 (en) * | 2005-06-09 | 2008-03-05 | Philips Intellectual Property & Standards GmbH | Sensorless measurement of the rotation frequency of a rotor of an asynchronous machine |
CN102072779A (zh) * | 2010-11-17 | 2011-05-25 | 哈尔滨工业大学 | 基于转子槽谐波分析的潜油电机无传感器转子温度辨识方法 |
CN202330454U (zh) * | 2011-11-17 | 2012-07-11 | 黑龙江科技学院 | 一种电动机转速测量装置 |
CN103308706A (zh) * | 2013-05-14 | 2013-09-18 | 江苏大学 | 一种叶片泵转速检测方法及其装置 |
CN103454495A (zh) * | 2013-09-13 | 2013-12-18 | 电子科技大学 | 自适应高精度快速频谱分析方法 |
CN205061228U (zh) * | 2015-09-16 | 2016-03-02 | 江苏省特种设备安全监督检验研究院 | 一种电梯检验集成综合测试仪 |
CN107561306A (zh) * | 2017-08-17 | 2018-01-09 | 湖南纬拓信息科技有限公司 | 基于转子电流的绕线式电机转速测量方法 |
Non-Patent Citations (1)
Title |
---|
基于MCSA的离心泵转速测量与试验研究;石洋 等;《排灌机械工程学报》;第35卷(第11期);第929-932页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108761117A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108761117B (zh) | 便携式电流检测转速测试仪 | |
Hassan et al. | Induction motor broken rotor bar fault detection techniques based on fault signature analysis–a review | |
Lu et al. | Bearing fault diagnosis of a permanent magnet synchronous motor via a fast and online order analysis method in an embedded system | |
Moussa et al. | A detection method for induction motor bar fault using sidelobes leakage phenomenon of the sliding discrete Fourier transform | |
Wen et al. | Simple interpolated FFT algorithm based on minimize sidelobe windows for power-harmonic analysis | |
Pineda-Sanchez et al. | Diagnosis of induction motor faults in the fractional Fourier domain | |
Kia et al. | Efficient digital signal processing techniques for induction machines fault diagnosis | |
CN103245832B (zh) | 基于快速s变换的谐波时频特性参数估计方法及分析仪 | |
Wen et al. | Spectral correction approach based on desirable sidelobe window for harmonic analysis of industrial power system | |
Wang et al. | Bearing fault diagnosis under time-varying rotational speed via the fault characteristic order (FCO) index based demodulation and the stepwise resampling in the fault phase angle (FPA) domain | |
Shi et al. | Sensorless speed measurement of induction motor using Hilbert transform and interpolated fast Fourier transform | |
CN107543962B (zh) | 主导间谐波频谱分布的计算方法 | |
Sahraoui et al. | The use of the modified Prony’s method for rotor speed estimation in squirrel-cage induction motors | |
Kia et al. | Some digital signal processing techniques for induction machines diagnosis | |
CN102288807A (zh) | 一种测量电网电压闪变的方法 | |
Wang et al. | Bearing fault diagnosis of direct-drive wind turbines using multiscale filtering spectrum | |
Silva et al. | A method for measuring torque of squirrel-cage induction motors without any mechanical sensor | |
Liu et al. | An adaptive cross-validation thresholding de-noising algorithm for fault diagnosis of rolling element bearings under variable and transients conditions | |
Wang et al. | Tacholess order-tracking approach for wind turbine gearbox fault detection | |
Wang et al. | Stray flux-based rotation angle measurement for bearing fault diagnosis in variable-speed BLDC motors | |
CN202330454U (zh) | 一种电动机转速测量装置 | |
CN117686232A (zh) | 一种燃气轮机振动基频实时提取方法、装置及存储介质 | |
Lee et al. | Automatic power frequency rejection instrumentation for nonintrusive frequency signature tracking | |
Djurovic et al. | Condition monitoring artefacts for detecting winding faults in wind turbine DFIGs | |
CN105372492A (zh) | 基于三条dft复数谱线的信号频率测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |