CN109856538A - 一种基于短时校正fft的感应电机断条故障检测方法 - Google Patents
一种基于短时校正fft的感应电机断条故障检测方法 Download PDFInfo
- Publication number
- CN109856538A CN109856538A CN201910159566.1A CN201910159566A CN109856538A CN 109856538 A CN109856538 A CN 109856538A CN 201910159566 A CN201910159566 A CN 201910159566A CN 109856538 A CN109856538 A CN 109856538A
- Authority
- CN
- China
- Prior art keywords
- short
- time
- term
- amplitude
- spectrum
- 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.)
- Granted
Links
Landscapes
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种基于短时校正傅里叶变换的感应电机转子断条故障检测方法,首先选择一个时间宽度很窄的时间窗沿时间轴滑动,将采集的定子电流信号截断为一系列相互重叠子信号,随后对每一短时信号进行FFT分析获得相应的一系列短时频谱。接着应用频谱校正技术对每一短时频谱的基波分量幅值进行校正以提高精度,最后以时间窗滑动的位置所对应的时间为自变量,校正后的幅值为因变量,得到基波幅值随时间变化曲线,根据其随时间演变是否呈现为2sf s(s为转差率,f s为电源频率)频率的正弦包络来识别断条故障。若呈现为2sf s频率的正弦包络则转子发生断条故障,否则转子正常。本发明方法具有简单易实现且计算量小优势,此外,不仅能够实现电机在平稳运行状态下的断条故障检测,对于负载时变情况下同样适用。
Description
技术领域
本发明涉及一种基于短时校正FFT的感应电机断条故障检测方法,属于电机故障诊断领域。
背景技术
感应电动机凭借其易于控制、高性能、维修方便以及低成本等优势在工农业等领域中得以广泛的应用。但由于一些恶劣的工况(频繁启动、过载运行、机械应力以及过大的热应力)以及转子本身制造缺陷,电机容易出现断条故障,其发生率约占电机全部故障的8%~10%左右。
转子断条故障是一种典型的渐进式故障,断条位置的相邻导条与端环连接处的热应力明显增大,继而容易造成邻近导条的相继断裂。若不及早发现和处理,轻则降低电机出力,弱化其各项性能指标,重则发生“扫膛”现象,从而烧毁电机,造成重大的生产事故。因此必须对其进行早期检测。
感应电动机转子发生断条故障时,由转子不对称所引起的磁动势变化作用在定子中,使其感应出频率为(1±2ks)f s的附加电流分量(其中,k=1,2,3…,s表示电机的转差率,f s为供电电源的频率)。利用快速傅里叶变换(FFT)对定子电流信号进行分析,观察其频谱中是否存在该特征频率分量即可实现检测之目的,然而低频率分辨力以及频谱泄露问题是此分析方法的不足。为此,发展了各具特色的检测方法,如希尔伯特模量法、瞬时功率法、多重信号分类(MUSIC)以及旋转不变信号参数估计方法(ESPRIT)等,取得了一定的检测效果。然而,这些方法都是基于负载稳定状态下的检测,对于负载时变的场合,检测效果大大降低甚至完全失效。
发明内容
发明目的:为克服现有检测技术存在的不足,提出一种基于短时校正傅里叶变换的感应电动机转子断条故障检测方法。该方法简单易实现且计算量小,此外,不仅能够实现电机在平稳运行状态下的断条故障检测,对于时变负载下同样适用。
为了实现上述技术目标,本发明采用下述技术方案:
首先选择一个时间宽度很窄的时间窗沿时间轴滑动将采集的定子电流信号截断为一系列相互重叠子信号,随后对每一短时信号进行FFT分析获得相应的一系列短时频谱,接着应用频谱校正技术对每一短时频谱的基波分量幅值进行校正,最后以时间窗滑动的位置所对应的时间为自变量,校正后的幅值为因变量,得到基波幅值随时间变化的曲线,根据其随时间演变是否呈现为2sf s频率的正弦包络来识别转子断条故障。若呈现为2sf s频率的正弦包络则转子发生断条故障,否则转子正常。
上述基于短时校正FFT的感应电机断条故障检测方法,具体包括以下几个步骤:
步骤一:采集任意一相定子电流信号;
步骤二:利用一个时间宽度很窄的时间窗沿时间轴滑动,将采集的定子电流截断为一系列相互重叠的子信号:
尽可能选择主瓣窄,旁瓣幅值小且衰减速度快的时间窗以提高算法分析精度;如不能同时满足可折中选取;窗长小于等于1/4sf s,滑动窗滑动的步长可根据整个算法的计算量以及算法分析精度而定。增大步长必然降低计算量,但相应降低算法分析精度,反之,则提高精度,增大计算量,因此可根据实际需要折中选取;
步骤三:对上述的短时重叠信号进行FFT分析获得相应的一系列短时频谱;
步骤四:利用频谱校正技术对每一短时频谱的基波分量幅值进行校正以提高精度;
步骤五:以滑动时间窗滑动位置所对应的时间为自变量,校正后的幅值为因变量,得到基波幅值随时间变化的曲线;
步骤六:观察上述曲线是否呈现为2sf s频率的正弦包络,若呈现为2sf s频率的正弦包络则转子发生断条故障,否则转子完好。
近一步地,上述步骤四中利用频谱校正技术对短时频谱进行幅值校正的具体步骤为:
步骤一:根据整个算法的计算量大小以及幅值的校正精度等选取合适的频谱校正算法,如比值校正法、能量重心校正法、相位差校正法等;
步骤二:根据所选取的频谱校正算法类型,建立求解归一化校正频率误差▽f方程;
步骤三:求解上述归一化校正频率误差▽f;
步骤四:利用归一化校正频率误差▽f按公式实现幅值的校正,式中,yn为短时频谱的基波分量幅值,W(▽f )为时间窗的频谱模函数。
本发明显著的优势为:1)可以实现定子电流信号包络的精确有效提取,根据其随时间演变规律来识别故障特征量,从而将断条故障检测问题转化为图形识别问题,降低了故障识别难度;2)不仅能够实现电机在稳定运行状态下的转子断条故障检测,对于负载时变条件下同样适用;3)计算量很小且结果直观,是一种在线快速检测方法。
附图说明
图1为基于短时校正FFT的感应电机断条故障检测流程图;
图2为所提方法对电机在轻载运行状态下的实验结果(自上而下分别对应转子完好、断条一根以及连续断条两根情况);
图3为所提方法对电机在半载运行状态下的实验结果(自上而下分别对应转子完好、断条一根以及连续断条两根情况);
图4为所提方法对电机在满载稳定运行状态下的实验结果(自上而下分别对应转子完好、断条一根以及连续断条两根情况);
图5为所提方法对正常电机在负载连续增大情况下的实验结果;
图6为所提方法对断条一根电机在负载连续增大情况下的实验结果;
图7为所提方法对连续断条两根电机在负载连续增大情况下的实验结果;
图8为所提方法对正常电机在负载阶跃变化情况下的实验结果;
图9为所提方法对断条一根电机在负载阶跃变化情况下的实验结果;
图10为所提方法对连续断条两根电机负载阶跃变化情况下的实验结果。
具体实施方式
下面结合附图及电机检测实例对本发明作进一步的说明。
采用一台型号为Y90S-4的感应电机进行试验,其技术参数如表1所示。另外配备了正常、断条一根以及断条两根转子,分别在轻载(s=0.016)、半载(s=0.022)、满载(s=0.043)、负载连续增大以及负载阶跃变化(轻载、半载、满载往返阶跃变化)情况下进行了5组实验。
具体操作过程如下:
步骤一:采集任意一相定子电流;
采用一只电流钳直接钳在定子绕组任意一相接线端,测取定子瞬时电流信号,然后通过NI采集卡采集定子电流数据。采样频率为1000Hz,采样时长根据实际负载的类型选取合适大小。
步骤二:选择一个时间宽度很窄的时间窗沿时间轴滑动,将采集的定子电流截断为一系列相互重叠的子信号:
由于汉宁窗的旁瓣幅值小且衰减速度快,对频谱泄露抑制效果理想,同时具有一定的噪声抑制能力,因此时间窗的类型可选为汉宁窗;综合考虑算法分析精度以及计算量大小,窗长设置为0.1s,时间窗滑动的步长为一个采样点。
步骤三:对上述的短时重叠信号进行FFT分析获得相应的一系列短时频谱。
步骤四:利用频谱校正技术对每一短时频谱的基波分量幅值进行校正以提高精度;
(4.1)由于比值校正法具有原理简单、计算小的优势,且当时间窗为汉宁窗时,幅值校正精度极高,因此频谱校正算法的类型可选择比值校正法;
(4.2)建立求解归一化校正频率误差▽f的方程;
根据短时频谱中次大值与最大值所处的相对位置,建立求解归一化校正频率误差▽f方程:
当次大值所对应的谱线号大于最大值所对应的谱线号,建立方程;其中,yn+1、yn分别为谱线的次大值及最大值;次大值所对应的谱线号小于最大值所对应的谱线号,建立方程。其中,yn-1为谱线的次大值;
(4.3)求解上述归一化校正频率误差▽f;
(4.4)利用归一化校正频率误差▽f,按公式实现幅值的校正。
步骤五:以滑动时间窗滑动位置所对应的时间为自变量,校正后的幅值为因变量,得到基波幅值随时间变化的曲线。
步骤六:观察上述曲线是否呈现为2sf s频率的正弦包络,若呈现为2sf s频率的正弦包络则转子发生断条故障,否则转子完好。
图2、图3及图4分别给出了电机在轻载、半载以及满载状态下利用本发明方法分析的结果。分析的数据总时长为10s,为了便于观察和分析选取了(4~8)s时间段。由于满载时1/4sf s值为0.117,因此可选择窗长为0.1s,显然该窗长对于半载以及轻载下的基波幅值时变曲线的提取同样适用。
由图2可得:对于负载稳定状态下,当转子完好时,基波幅值几乎保持稳定,其时变曲线近似为一条直线,虽存在微小波动但不成规律,这是由于负荷的轻微波动所致;而对比于图3及图4可知,当转子发生断条故障时,基波幅值随时间发生规律性波动且波动频率随着负载的增加而增大,其时变曲线近似为一正弦波,这是由于基波分量的幅值被故障分量所调制的结果,且调制的频率近似为2sf s,根据这一特性能够有效实现转子完好与断条的区分,从而证明了本发明方法的有效性及可行性。
图5、图6及图7为负载连续增大时,利用本发明方法检测的结果。由图5可知:对于负载连续增大情况下,转子完好时,基波幅值几乎保持平稳增大,其时变曲线保持平稳上升的特性;而对比于图6及图7可得,当转子发生断条故障时,基波幅值在增大的同时亦发生规律性波动,呈现正弦包络状,且波动的频率随着负载的增大而增大,其幅值曲线保持波动上升的特性,根据这一特性同样可以实现二者的区分;同时,对比图6及图7还可以发现,随着断条数目的增加,曲线波动的幅度亦在增大,根据这一特性可以定性地判别电机故障严重程度。(下同)。
图8、图9及图10给出了电机负载在轻载、半载及满载往返阶跃变化的实验结果。由图8可知,对于转子完好时,基波幅值曲线在各个阶段内存在轻微的无规律性波动;同样,对比于图9及图10不难发现:转子断条时,电流幅值曲线在各个阶段内皆呈现规律性的波动且波动的频率随着负载的增大而增大,同时也可以更清晰地察觉到幅值波动的幅度随着断条数目的增加而增大。上述的结果表明:即使电机处于非平稳运行状态下,采用该方法依旧可以精准有效地实现基波瞬时幅值的追踪,根据其幅值特征演变规律实现转子完好与断条的区分,从而进一步验证了本发明方法的可行性和优越性。
Claims (3)
1.一种基于短时校正FFT的感应电机断条故障检测方法,其特征是,首先选择一个时间宽度很窄的时间窗沿时间轴滑动,将采集的定子电流信号截断为一系列相互重叠的短时信号,随后对每一短时信号进行FFT分析获得相应的一系列短时频谱;接着应用频谱校正技术对每一短时频谱的基波分量幅值进行校正以提高精度,最后以时间窗滑动的位置所对应的时间为自变量,校正后的幅值为因变量,得到基波幅值随时间变化曲线,根据其随时间演变是否呈现为2sf s(s为转差率,f s为电源频率)频率的正弦包络来识别断条故障,若呈现为2sf s频率的正弦包络则转子发生断条故障,否则转子正常。
2.根据权利要求1所述的基于短时校正FFT的感应电机断条故障检测方法,其特征是,具体按照以下步骤进行:
步骤一:采集任意一相定子电流信号;
步骤二:选择一个时间宽度很窄的时间窗沿时间轴滑动,将采集的定子电流截断为一系列相互重叠的子信号:尽可能选择主瓣窄,旁瓣幅值小且衰减速度快的时间窗以提高算法分析精度;如不能同时满足可折中选取;窗长小于等于1/4sf s,滑动窗滑动的步长可根据整个算法的计算量以及算法分析精度而定;增大步长必然降低计算量,但相应降低算法分析精度,反之,则提高精度,增大计算量,因此可根据实际需要折中选取;
步骤三:对上述的短时重叠信号进行FFT分析获得相应的一系列短时频谱;
步骤四:利用频谱校正技术对每一短时频谱的基波分量幅值进行校正以提高精度;
步骤五:以滑动时间窗滑动位置所对应的时间为自变量,校正后的幅值为因变量,得到基波幅值随时间变化的曲线;
步骤六:观察上述曲线是否呈现为2sf s频率的正弦包络状,若呈现为2sf s频率的正弦包络状,则转子发生断条故障,否则转子完好。
3.根据权利要求2所述的基于短时校正FFT的感应电机断条故障检测方法,其特征是,步骤四中利用频谱校正技术对短时频谱进行幅值校正的具体步骤为:
步骤一:根据计算量、计算精度等因素选取合适的频谱校正算法,如比值校正法、能量重心校正法、相位差校正法等;
步骤二:根据所选取的频谱校正算法类型,建立求解归一化校正频率误差▽f方程;
步骤三:求解上述归一化校正频率误差▽f;
步骤四:利用归一化校正频率误差▽f按公式实现幅值的校正;
式中,yn为短时频谱的基波分量幅值,W(▽f )为时间窗的频谱模函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910159566.1A CN109856538B (zh) | 2019-03-04 | 2019-03-04 | 一种基于短时校正fft的感应电机断条故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910159566.1A CN109856538B (zh) | 2019-03-04 | 2019-03-04 | 一种基于短时校正fft的感应电机断条故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109856538A true CN109856538A (zh) | 2019-06-07 |
CN109856538B CN109856538B (zh) | 2021-07-09 |
Family
ID=66899647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910159566.1A Active CN109856538B (zh) | 2019-03-04 | 2019-03-04 | 一种基于短时校正fft的感应电机断条故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109856538B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110988680A (zh) * | 2019-11-28 | 2020-04-10 | 西安航天动力试验技术研究所 | 基于时频处理的电动机转子故障显化方法 |
RU2724988C1 (ru) * | 2019-07-09 | 2020-06-29 | федеральное государственное бюджетное образовательное учреждение высшего образования "Ивановский государственный энергетический университет имени В.И. Ленина" (ИГЭУ) | Способ выявления оборванных стержней в короткозамкнутой обмотке ротора асинхронного электродвигателя |
CN113947125A (zh) * | 2021-07-05 | 2022-01-18 | 华北电力大学(保定) | 基于esprit-psa与lgbm的十五相异步电动机转子断条数目高精度诊断方法 |
CN113947099A (zh) * | 2021-07-05 | 2022-01-18 | 华北电力大学(保定) | 基于esprit-psa与lgbm的五相异步电动机转子断条数目高精度诊断方法 |
CN115144750A (zh) * | 2022-09-02 | 2022-10-04 | 北京科锐特科技有限公司 | 异步电动机转子断条故障检测方法、装置、设备及介质 |
CN116643163A (zh) * | 2023-07-27 | 2023-08-25 | 浙江北岛科技有限公司 | 一种真空断路器远程在线监测*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354312A (zh) * | 2008-09-05 | 2009-01-28 | 重庆大学 | 轴承故障诊断*** |
CN102944842A (zh) * | 2012-11-30 | 2013-02-27 | 华北电力大学(保定) | 一种笼型异步电动机转子断条故障检测方法 |
CN104614628A (zh) * | 2015-01-06 | 2015-05-13 | 南京工程学院 | 基于eemd和fft结合的电机转子断条故障分析方法 |
CN108761332A (zh) * | 2018-05-08 | 2018-11-06 | 郑州轻工业学院 | 一种电机断条故障的集合经验模态分解电流诊断方法 |
-
2019
- 2019-03-04 CN CN201910159566.1A patent/CN109856538B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354312A (zh) * | 2008-09-05 | 2009-01-28 | 重庆大学 | 轴承故障诊断*** |
CN102944842A (zh) * | 2012-11-30 | 2013-02-27 | 华北电力大学(保定) | 一种笼型异步电动机转子断条故障检测方法 |
CN104614628A (zh) * | 2015-01-06 | 2015-05-13 | 南京工程学院 | 基于eemd和fft结合的电机转子断条故障分析方法 |
CN108761332A (zh) * | 2018-05-08 | 2018-11-06 | 郑州轻工业学院 | 一种电机断条故障的集合经验模态分解电流诊断方法 |
Non-Patent Citations (1)
Title |
---|
张翺等: "基于能量重心法的列车轴承多普勒畸变故障声信号校正诊断研究", 《振动与冲击》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2724988C1 (ru) * | 2019-07-09 | 2020-06-29 | федеральное государственное бюджетное образовательное учреждение высшего образования "Ивановский государственный энергетический университет имени В.И. Ленина" (ИГЭУ) | Способ выявления оборванных стержней в короткозамкнутой обмотке ротора асинхронного электродвигателя |
CN110988680A (zh) * | 2019-11-28 | 2020-04-10 | 西安航天动力试验技术研究所 | 基于时频处理的电动机转子故障显化方法 |
CN113947125A (zh) * | 2021-07-05 | 2022-01-18 | 华北电力大学(保定) | 基于esprit-psa与lgbm的十五相异步电动机转子断条数目高精度诊断方法 |
CN113947099A (zh) * | 2021-07-05 | 2022-01-18 | 华北电力大学(保定) | 基于esprit-psa与lgbm的五相异步电动机转子断条数目高精度诊断方法 |
CN115144750A (zh) * | 2022-09-02 | 2022-10-04 | 北京科锐特科技有限公司 | 异步电动机转子断条故障检测方法、装置、设备及介质 |
CN115144750B (zh) * | 2022-09-02 | 2022-11-22 | 北京科锐特科技有限公司 | 异步电动机转子断条故障检测方法、装置、设备及介质 |
CN116643163A (zh) * | 2023-07-27 | 2023-08-25 | 浙江北岛科技有限公司 | 一种真空断路器远程在线监测*** |
CN116643163B (zh) * | 2023-07-27 | 2023-10-20 | 浙江北岛科技有限公司 | 一种真空断路器远程在线监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN109856538B (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109856538A (zh) | 一种基于短时校正fft的感应电机断条故障检测方法 | |
Djurovic et al. | Condition monitoring of wind turbine induction generators with rotor electrical asymmetry | |
US10823772B2 (en) | Generator waveform measurement | |
CN101221206B (zh) | 诊断永磁容错电机匝间短路故障的方法 | |
Keysan et al. | Real-time speed and position estimation using rotor slot harmonics | |
CA2899663C (en) | Node energy diagnosis method for fault of switched reluctance motor double-switch power converter | |
US11722079B2 (en) | Detection system and method for rotor dynamic turn-to-turn short circuit fault of synchronous generator | |
WO2016065959A1 (zh) | 中性点不接地的10kV***中铁磁谐振的诊断方法 | |
CN110531205B (zh) | 发电机转子匝间短路故障诊断及定位的方法及装置 | |
Kim et al. | High-frequency signal injection-based rotor bar fault detection of inverter-fed induction motors with closed rotor slots | |
Wang et al. | Induction motor broken rotor bar fault diagnosis based on third-order energy operator demodulated current signal | |
CN102279343A (zh) | 一种基于esprit-saa的笼型异步电动机转子断条故障在线检测方法 | |
CN102081129B (zh) | 一种开关磁阻电机定子绕组短路故障诊断方法 | |
Faiz et al. | A review of application of signal processing techniques for fault diagnosis of induction motors–Part I | |
CN107179476B (zh) | 一种配网故障测距方法 | |
CN106842023B (zh) | 旋转电机的故障诊断方法 | |
CN105262383A (zh) | 航空开关磁阻起动/发电机的转子转速/位置检测方法 | |
CN106646223B (zh) | 一种三相笼型异步电动机转子断裂导条数目的诊断方法 | |
CN103293437A (zh) | 同步发电机转子匝间故障时定子绕组电流特征的提取方法 | |
Iglesias-Martínez et al. | Bispectrum analysis of stray flux signals for the robust detection of winding asymmetries in wound rotor induction motors | |
Dlamini et al. | Autonomous detection of interturn stator faults in induction motors | |
CN105223906A (zh) | 一种数控***伺服驱动信号谐波频率的自动校正方法 | |
CN114325480A (zh) | 多相无刷励磁机的二极管开路故障检测方法、装置 | |
Khelfi et al. | Temporal Envelope Estimation of Stator Current by Peaks Detection for IM Fault Diagnosis | |
Meira et al. | A speed self-sensing method in starting of induction motors |
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 |