基于信息融合技术的故障诊断方法举例

1、7笼型异步电机故障的信息融合 诊断方法 7.1 笼型异步电机故障 v定子铁芯故障 铁芯短路、振动 v绕组绝缘故障 老化、磨损、过热、受潮、污染、电晕 v转子故障 转子气隙偏心、笼条断裂（断条）、端环开裂 $常见故障 转子偏心、断条、端环开裂和绕组过热（匝间短路） 7.1.1 转子断条和端环开裂故障 v电机起动时，转子绕组内短时间流过很大电流，定 子绕组电流可达（57）In 转子导条承受冲击电动力、热应力、离心应力 v起动、运行、停转过程中的循环热应力和变形作用 v由于负载变化和电压波动时，笼条又要受到交变负 荷的作用，容易产生疲劳 v转子绕组铸造质量、导条与端环的材质和焊接质量 存在问题 v故

2、障现象 起动时间延长、滑差加大，力矩减小；振动和噪声增加， 电流出现摆动等 转子断条故障的特征频率 v定子电流中出现边频分量： 式中，转差率s（n1-n）/n1100 电机磁场旋转速度n160f1/p 转子转速n（r/min） p为电机磁场极对数 f1为电源基频 k为正整数 v其它检测方法 振动、轴向磁通、转速波动等方法 1 )21 (fksfbb 7.1.2 气隙偏心故障 v气隙偏心:气隙磁场的不对称分布 v气隙偏心的类型 静态偏心 偏心的位置在空间是固定的，与转子位置无关 定子铁芯内径的椭圆度或装配不正确 动态偏心 偏心位置在空间是变化的，通常与转子的位置和旋转频率有 关 转轴弯曲、轴颈椭

3、圆、临界转速时的机械共振、轴承磨损 气隙偏心故障的特征频率 v在定子电流频谱中 Z2为转子槽数，n rt为任意整数，n d为任意整数 （静态偏心：n d0；动态偏心：n d1、2、 3、） n w s为奇整数 v简化的气隙偏心故障特征频率判据 转子旋转频率fr（1s）f1/p，m为正整数 v气隙偏心故障还会造成电机的振动异常，并出 现振动特征频率 12 )/)1)(fnpsnZnf wsdrtag rag mfff 1 7.1.3 绕组过热与匝间短路故障 v绕组过热是电机运行过程中经常出现的一种现 象，通常是短时和整体性的 v比较危险的是绕组的局部过热 绝缘的局部损伤 匝间短路 v温度监测是诊

4、断电机绕组过热与匝间短路故障 的常用方法 当绕组过热导致绝缘局部老化，出现非金属性 轻微匝间短路时，电机的三相电流会出现不同 的变化，一般导致有匝间短路的相电流增加 7.1.4 单相电流谱分析方法的局限性 v是诊断鼠笼异步电机转子断条、端环开裂和气隙 偏心等故障的常用方法 v局限性 故障特征频率易被基频的“旁瓣”所湮没 故障严重程度比较轻微 负载频繁波动 容易受到电源谐波干扰（变频调速电源供电） 未能充分发掘三相电流中所携带的故障特征信息 新方法：信息融合 7.2 转子断条故障的诊断 v应用扩展派克矢量（应用扩展派克矢量（Park Vector）方法）方法 v基于基于Park矢量的融合电流小波

5、分析方法矢量的融合电流小波分析方法 7.2.1 应用扩展派克矢量方法 v只有转子断条或端环开裂故障时 )4cos(3)2cos(3 )2cos(3)(2/3( 222 2 rldrdlrdrf ldlfdrdlf tsiitsii tsiiiiijii 同时存在断条和气隙偏心故障时 )/ )1 (1cos()/ )1 (1cos( )21cos()21cos( )cos( 11 11 11 ecpmecnmecpmecpm m k bnkbnkbpkbpk apa tpsmItpsmI tksItksI tIi 3/2)/ )1 (1cos( 3/2)/ )1 (1cos( 3/2)21cos

6、(3/2)21cos( )3/2cos( 1 1 11 11 ecpmecnm ecpmecpm m k bnkbnkbpkbpk bpb tpsmI tpsmI tksItksI tIi 3/2)/ )1 (1cos( 3/2)/ )1 (1cos( 3/2)21cos( 3/2)21cos( ) 3/2cos( 1 1 11 11 ecpmecnm ecpmecpm m k bnkbnkbpkbpk cpc tpsmI tpsmI tksItksI tIi 两种故障同时发生时派克矢量的模k=1、m=1 / )1 (2cos3 )2/ )1cos(3 )2/ )1cos(3 )2/ )1co

7、s(3 )2/ )1cos(3 )4cos(3 )/ )1cos(3)/ )1cos(3 )2cos(3)2cos(3 )(2/3 11111 11111 11111 11111 11111 11111 11111111 11111111 2 1 2 1 2 1 2 1 2 1 2 ecnecpecnecp ecpbnecpbn ecnbpecnbp ecnbnecnbn ecpbpecpbp bnbpbnbp ecnecnpecpecpp bnbnpbpbpp ecnecpbnbpp tpsII tspsII tspsII tspsII tspsII tsII tpsIItpsII tsII

8、tsII IIIIIjii 派克矢量的模中包含的频率成分 序号频率成分产生原因 1直流三相基波分量、各故障特征分量自身作用产生 22ksf1基波分量与断条故障特征分量相互作用产生 34ksf1两种断条故障特征分量之间相互作用产生 4mfr基波分量与气隙偏心故障特征分量相互作用产生 52 mfr气隙偏心故障特征分量相互作用产生 6mfr+2ksf1 气隙偏心故障特征分量与断条故障特征分量相互作 用产生 7mfr-2ksf1 1 故障特征矢量的提取 01020304050 -3 -2 -1 0 1 2 3 f/Hz dB 01020304050 -1 -0.5 0 0.5 1 f/Hz 无转子断条

9、故障的特征矢无转子断条故障的特征矢 量量 01020304050 -1 -0.5 0 0.5 1 f/Hz 01020304050 -2 -1 0 1 2 3 f/Hz dB 转子断条故障的特征矢量转子断条故障的特征矢量 2 运用BP网络实现断条故障的自动识别 v输出层有输出层有4个神经元，分别对应电机的个神经元，分别对应电机的4种故种故 障模式障模式 1 1、良好、良好 2 2、断条、断条 3 3、气隙偏心、气隙偏心 4 4、匝间短路、匝间短路 BP网络训练误差曲线 0 5 10 15 10 -4 10 -2 10 0 10 2 训练步数 误差曲线 训练目标 BP网络对断条故障的诊断结果 1

10、2345678910 正常 0.99 91 0.90 06 0.97 78 0.99 85 0.97 29 0.11 21 0.00 07 0.00 05 0.00 12 0.00 71 断条 0.00 17 0.39 84 0.13 96 0.01 47 0.18 27 0.93 36 0.99 80 0.99 89 099 80 0.99 00 气隙偏 心 00 0.00 01 0.00 01 00 0.00 02 0.00 01 0 0.00 01 匝间短 路 0.00 01 0.00 09 0.00 06 0.00 06 0.01 02 00000 实际 故障 正 常 正 常 正 常

11、正 常 正 常 断 条 断 条 断 条 断 条 断 条 7.2.2基于Park矢量的融合电流小波分析方法 v小波变换不同分解尺度对应的频带宽度 设信号采样频率为fs，则信号中的最高频率为fs/2 采用DWT对信号进行分解时，设分解尺度为j（j1， 2，3，） j1时，信号被分解为0，fs/4和fs/4，fs/2两个 频带 j2时，信号被分解为0，fs/8、fs/8，fs/4和 fs/4，fs/2三个频带 依次类推，jk时，分解信号的最低频带为0， fs/2k+1 小波变换不同分解尺度对应的最低频带 宽度（fs5000Hz） 尺度j12345678 0,fs/2j+1 0,12500,6250,

12、312.50,156.30,78.10,39.10,19.50,9.8 良好电机空载运行时DB5小波分解结果 0100200300400500 1.6 1.8 2 2.2 2.4 2.6 2.8 3 x 10-3 t i*i 020406080100 -0.01 0 0.01 0.02 0.03 0.04 （a）Park矢量融合电流信号 (b)尺度j8时的低频带信号 良好电机满载运行时DB5小波分解结果 （a）Park矢量融合电流信号矢量融合电流信号 (b)尺度尺度j8时的低频带信号时的低频带信号 0100200300400500 0.006 0.007 0.008 0.009 0.01 0.

13、011 0.012 0.013 0.014 020406080100 -0.05 0 0.05 0.1 0.15 0.2 2根断条故障电机满载运行时DB5小波分解结果 （a）Park矢量融合电流信号矢量融合电流信号 (b)尺度尺度j8时的低频带信号时的低频带信号 020406080100 -0.05 0 0.05 0.1 0.15 0.2 0100200300400500 0.006 0.007 0.008 0.009 0.01 0.011 0.012 0.013 0.014 5根断条故障电机空载运行时DB5小波分解结果 （a）Park矢量融合电流信号矢量融合电流信号 (b)尺度尺度j8时的低

14、频带信号时的低频带信号 020406080100 -0.05 0 0.05 0.1 0.15 0.2 0100200300400500 5 6 7 8 9 10 11 12 x 10-3 5根断条故障电机满载运行时DB5小波分解结果 （a）Park矢量融合电流信号矢量融合电流信号 (b)尺度尺度j8时的低频带信号时的低频带信号 020406080100 -0.05 0 0.05 0.1 0.15 0.2 0100200300400500 5 6 7 8 9 10 11 12 x 10-3 020406080100 -0.01 0 0.01 0.02 0.03 0.04 020406080100

15、 -0.05 0 0.05 0.1 0.15 0.2 020406080100 -0.05 0 0.05 0.1 0.15 0.2 020406080100 -0.02 0 0.02 0.04 0.06 0.08 0.1 020406080100 -0.05 0 0.05 0.1 0.15 0.2 良好空载 良好满载 5根断条空载 5根断条满载2根断条满载 7.3绕组匝间短路故障的诊断 （a）良好状态 （b）断条 （c）气隙偏心 （d）匝间短路 （e）断相 （f）断条匝间短路 7.3.1 故障特征矢量的提取 111111111110000001 v数字滤波数字滤波, ,去除信号中的奇异点去除信

16、号中的奇异点 v将极坐标系中将极坐标系中360极角均匀分为极角均匀分为4040个等角个等角 扇形，对每个扇形，按照等面积原则，分为扇形，对每个扇形，按照等面积原则，分为 1010等分等分 v根据根据ParkPark矢量轨迹的覆盖情况，即可获得矢量轨迹的覆盖情况，即可获得 对应的黑白象素表示（对应的黑白象素表示（1 1和和0 0为元素的矩阵）为元素的矩阵） 运用RBF网络实现故障的自动识别 RBF网络对匝间短路故障的识别结果 12345678910 正常 1.0 00 1.0 00 1.0 00 1.0 00 1.0 00 0.0 00 0.0 00 1.0 00 0.0 00 0.0 00 断

17、条 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 气隙偏 心 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 匝间短 路 0.0 00 0.0 00 0.0 00 0.0 00 0.0 00 1.0 00 1.0 00 0.0 00 1.0 00 1.0 00 诊断 结果 正 确 正 确 正 确 正 确 正 确 正 确 正 确 错 误 正 确 正 确 匝间短路故障相别判定方法 良好转子顺时针旋转、空载运行时的P

18、ark矢量 平均轨迹 （三角形接法） Park矢量轨迹倾斜角 绕组匝间短路相别判据 （一） 当电机三相绕组为三角形接法，不论转子旋转 方向为顺时针还是逆时针，也不论电源频率是 否为工频，当Park矢量轨迹长轴指向150度时， 从电源端看匝间短路相为A相；当Park矢量轨 迹长轴指向90度时，匝间短路故障相为B相； 当Park矢量轨迹长轴指向30度时，匝间短路故 障相为C相。 绕组匝间短路相别判据 （二） 当电机三相绕组为星形接法，Park矢量轨迹长 轴呈水平方向时，从电源端看匝间短路相为A 相；当Park矢量轨迹长轴指向120度时，匝间短 路故障相为B相；当Park矢量轨迹长轴指向60 度时，

19、匝间短路故障相为C相。 7.4 气隙偏心故障的诊断 气隙偏心故障特征频率f1mfr （fr（1s）f1/p ） 三种诊断方法的对比： 单相电流频谱分析 扩展Park矢量方法 基于Park变换的融合电流频谱分析 单相电流频谱分析方法，简单易行并便于和基 频进行比较 同一气隙偏心故障电流 050100150200250300350 -40 -20 0 20 40 60 I/dB f/Hz 050100150200250300350 -60 -40 -20 0 20 40 60 I2/dB f/Hz 050100150200250300350 -40 -20 0 20 40 60 I/dB f/Hz

20、 a扩展Park矢量方法 b基于Park变换的方法 c单相电流分析方法 7.5 变频调速电机的故障诊断 绕组绝缘故障尤其是匝间短路等故障发生的几 率大大增加 转子断条故障发生几率会明显下降 变频调速电机故障诊断的侧重点应该是绕组绝 缘故障 变频电流与工频电流波形比较 050100150200 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 t/ms I/A 050100150200 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 t/ms I/A 变频器输出电流变频器输出电流工频电源输出电流工频电源输出电流 变频调速电机故障诊断方法评述 v一定

21、条件下，扩展Park矢量方法仍然能有效诊 断转子断条故障 vPark矢量方法依然是诊断变频调速电机绕组匝 间短路故障的有效方法 v常规方法受到严重影响，甚至无法进行有效诊 断 同一转子断条故障电机，由变频电源、工频电源供 电时的频谱 01020304050 -20 -10 0 10 20 30 40 50 I2/dB f/Hz 01020304050 -20 -10 0 10 20 30 40 50 60 I/dB f/Hz 图6-16 单相电流频谱（35Hz） 图6-17 扩展Park矢量频谱（35Hz ） 01020304050 -60 -40 -20 0 20 40 I2/dB f/Hz

22、 01020304050 -40 -20 0 20 40 60 I2/dB f/Hz 图图6-18扩展扩展Park矢量频谱（工频，空载）图矢量频谱（工频，空载）图6-19扩展扩展Park矢量频谱（工频，满载矢量频谱（工频，满载 ） 基于小波变换的转子断条故障的诊断 v基于Park矢量的融合电流小波分析 方法 对于电机负载频繁变化的情况，也具有 一定的适应性 v基于启动电流的小波诊断方法 基于启动电流的小波诊断方法 利用小波变换的时频局部化特性，捕捉电机启 动时，断条特征频率（12ks）f1由0逐渐逼近工 频f1的特性 根据不同尺度对应的低频带分解信号的变化， 就可以判断出有没有频率逐渐变化的信

23、号成分， 进而诊断出有无断条故障 采用连续复值Morlet小波 bc fttfi b ee f t /2 2 1 )( 连续复值连续复值Morlet小波函数表达式：小波函数表达式： 基于启动电流的小波诊断方法基于启动电流的小波诊断方法 断条故障电机启动电流信号的小波分解结果 02004006008001000 -1.5 -1 -0.5 0 0.5 1 t i 02004006008001000 0 0.5 1 1.5 2 2.5 b C(a,b) 启动电流信号启动电流信号 a=40(频窗中心频窗中心50Hz) 02004006008001000 0 0.1 0.2 0.3 0.4 0.5 0.

24、6 0.7 b C(a,b) 02004006008001000 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 b C(a,b) a=80(频窗中心频窗中心25Hz) a=200(频窗中心频窗中心10Hz) 良好电机启动电流信号的小波分解结果 010002000300040005000 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 t i 010002000300040005000 0 0.5 1 1.5 2 2.5 3 b C(a,b) 启动电流信号启动电流信号 a=100(频窗中心频窗中心50Hz) 0100020003000400050

25、00 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 b C(a,b) 010002000300040005000 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 b C(a,b) a=200(频窗中心频窗中心25Hz) a=250(频窗中心频窗中心20Hz) 基于启动电流的小波诊断方法的优点 具有很高的诊断灵敏性 从根本上消除了负载变化带来的不 利影响 7.6 电机故障的信息融合诊断模型 C相电流B相电流A相电流三相电压绕组温度 Park矢量融合方法 Park矢量融合电流Park矢量轨迹图象电压Park矢量轨迹 Park矢量电压融合方法单相电流

26、 FFT 数数据据层层融融合合特特征征层层融融合合 人工神经网络（RBF） 电压校正Park矢量轨迹 人工神经网络 （BP） 转子断条故障 绕组匝间短路故障 气隙偏心 故障 一级诊断一级诊断 提取特征矢量极坐标系象素法提取特征矢量 温度曲线 绕组温度异常 小波分析 启动电流 匝间短路相别轨迹倾斜角 二级诊断二级诊断 证据理论证据理论 决决策策层层融融合合 实例一 表6.2中第2组故障模式矢量的BP网络输出为 0.9006，0.3984，0，0.0009，初步诊断结果 为电机正常。增加融合电流信号的DWT分解结 果，和启动电流信号的连续复值小波分解结果， 进行决策层融合诊断 分别用F1、F2、F

27、3、F4表示电机的4种状态：正 常、转子断条、气隙偏心和绕组匝间短路，构成 故障诊断识别框架UF1，F2，F3，F4，用F 表示框架U的不确定性。 BP网络输出的判据结果用基本概率赋值函数m1 表示，融合电流信号的DWT分解和启动电流信 号的连续复值小波分解的判决结果，分别用函数 m2和m3表示。 对BP网络的输出进行归一化，结果为0.6928， 0.3065，0，0.0007。得到电机正常F1和转子断 条F2的基本概率赋值（因BP网络不具有识别F3、 F4的能力，对应F3、F4的输出归入F） 设Bel1和Bel2是同一识别框架U上的两个信任函 数，m1、m2分别是其对应的基本概率赋值，焦 元

28、分别为A1，A2，Ak和B1，B2，Br， 又设 1)()( 211 ji BA ji BmAmK CUC K BmAm C Cm CBA ji ji 1 21 1 )()( 0 )( 实例一实例一 F1F2F m10.69280.30650.0007 m20.80000.10000.1000 m30.90000.05000.0500 m2(F1)m2(F2)m2(F) m1(F1)F1(0.5542)(0.0693F1(0.0693) m1(F2)(0.2452)F2(0.0307)F2(0.0307) m1(F)F1(0.0006)F2(0.0001)F(0.0001) K1=(0.245

29、2+0.0693)=0.3145 m12（F1）（0.55420.00060.0693）/(1-K1)=0.9103 m12（F2）（0.03070.00010.0307）/(1-K1)=0.0896 m12（F）0.0001/(1-K1)=0.0001 m123（F1）（0.81930.00010.0455）/(1-K2)=0.9897 m123（F2）0.0103，m123（F）0 m2(F1)m2(F2)m2(F) m1(F1)F1(0.5542)(0.0693F1(0.0693) m1(F2)(0.2452)F2(0.0307)F2(0.0307) m1(F)F1(0.0006)F2(

30、0.0001)F(0.0001) 实例二 表6.4中第8组故障诊断实例中，因样本取自启动 电流信号，样本本身已经失去了匝间短路的主要 特征，从而导致RBF网络的输出结果（m1）与 实际不符。如果有电压Park矢量轨迹的比较结果 （m2）和绕组温度异常的结果（m3），通过证 据组合，可纠正RBF网络的错误诊断结果。 m1F1，F4，F0.9000，0.0800，0.0200 m2F1，F4，F0，0.99，0.01 m3F1，F4，F0.05，0.9，0.05 m123F1，F4，F0.0095，0.9904，0.0001 v纠正了先前的错误诊断结论！ 实例二实例二 实例三 表6.2中第6组故障模式矢量的BP网络输出为 0.1121，0.9336，0，0，初步诊断结果为转子 断条。增加融合电流信号的DWT分解结果，和 启动电流信号的连续复值小波分解结果，进行 决策层融合诊断。 m1F1，F2，F0.1072，0.8928，0 m2F1，F2，F0.1000，0.8000，0.1000 m3F1，F2，F0.0010，0.9000，0.0990 根据证据理论，进行证据组合，最终结果为： m123F1，F2，F0.0001，0.9878，0.0121 实例四 选取转子有2根断条的故障电机空载运行时的 三相电流，