1 引言
异步电动机以其结构简单、使用寿命长,维护工作方便而在传动领域占有极其重要的地位。对异步电动机进行在线状态监测及时发现异步电机的早期异常,避免电机失效和高价维修,防止产量下降及其带来的经济损失,具有重要的意义。异步电动机转子断条故障,占电动机故障的10%左右[1],对异步电机转子故障监测以便实施可靠诊断,有着重要的研究价值。常用的转子故障检测方法有多种,根据使用的信号不同有振动监测、电流监测、磁通监测、局部放电监测等[2]。由于定子电流信号监测可做成非侵入式,因而有广泛的应用前景。异步电动机转子断条时,定子电流将出现特征频率分量(1±2ks)f0,(f0为基波频率,k为整数,s为转差率),通过对定子电流频谱分析,可以实现故障的非接触检测。但电机稳态运行时,转差率很小,使得最强的故障分量频率(1±2ks)f0与基波频率很接近,且相对基波而言,故障分量幅度值较小,易被基波分量的泄漏及环境噪声所淹没,使检测的准确性降低,因此长期以来一直是电机故障检测的一个难点和热点。文献[3]提出了利用样条小波抵消工频信号分量影响,并取得了一定的效果,但使用小波进行频谱分析时的频率分辨率仍是一个待研究的课题。本文提出了一种基于Park矢量模平方函数的转子故障检测方法,将此方法结合高分辨率的MUSIC谱估计算法应用于电机转子断条故障检测,仿真及实验结果表明,取得了满意的结果。
2 基于Park矢量模平方函数的故障检测算法
Park变换的基本思想是:将定子三相电流从(A,B,C )三维坐标转换到(D,Q)二维坐标,即
当电机出现转子断条故障时,在电机定子电流谱中会产生频率为(1±2ks)f0的边瓣成分。其中k=1时的特征频率最强,在仅考虑k=1的条件下,主特征谐波频率为(1±2s)f0,此时电机定子电流的表达式如下
式中 Im为定子电流基频分量的最大值(A);ω=2πf0为基波角频率;Il为电流低边瓣分量((1-2s)f0)的最大值(A);Ih为电流高边瓣分量((1+2s)f0)的最大值(A);α为基频分量的初始相角(rad);β为低边瓣分量的初始相角(rad);γ为高边瓣分量的初始相角(rad)。
定义:电流Park矢量为I(t),有I(t)=iD+jiQ,定子电流Park矢量的模平方函数为Is(t)。由式(6)、式(7)可得:
由上式可知,在Is(t)的频谱中,仅含有直流分量、2sf0及4sf0特征频率分量,且频率间隔为2sf0,不含有基频分量,其最高频率分量4sf0比定子电流信号的最高频率成分(1+2s)f0低,在满足最低采样频率的条件下,其相对频率间隔增加,有利于频谱分析时频率分辨率的提高,因而可以提高特征频率检测的准确性。但用传统的FFT技术作频谱分析时的频率分辨率与采样数据长度密切相关,要获得较高的分辨率,应增加分析数据的长度,但其代价是噪声影响的增强和计算量的增大,因此,对短数据具有高分辨率,同时对噪声不灵敏的高分辨率频谱分析问题,一直成为频谱分析方法的 “瓶颈”。MUSIC(Multiple Signal Classification)方法[4]是一种基于数据自相关矩阵特征值分解的频率估计技术,它以有限个正弦函数和为信号模型,对短数据具有较高分辨率,同时又能抑制噪声的影响。因此本文采用MUSIC算法对Is(t)进行特征频率估计。假设输入数据为定子电流Park矢量的模平方函数Is(t),它由L个正弦信号与白噪声组成,即
式中 d(n)为n时刻数据;e(n)是均值为0方差为σ2的复白噪声;Ak、fk及θk分别为第k个正弦谐波的幅度、频率和相位。
理论上,当f=fk时,D(f)将在fk(1≤k≤L)处趋近于无穷大值,搜索D(f)的最大峰值点即可获得d(n)中的频率估计。由于MUSIC谱分析方法在低频段有较高的频率分辨率,且对噪声不敏感,应用于电流Park矢量模平方函数的特征谱估计,可准确检测电机转子断条故障。
3 计算机仿真研究
设iA、iB、iC为异步电动机三相定子电流信号,分别为正弦信号、故障信号及噪声的叠加,基频f0=50Hz,电机在稳态运转时转差率s=2.33%,采样频率fs=1kHz,取△t=0.2s,采样数据长度N=200,进行仿真研究分析,其仿真结果如图1、图2所示。
图1为应用上述算法的仿真结果,可以看出,采用该方法,可准确检测到转子断条时在定子电流中所产生的特征频率成分(2.3Hz,4.6Hz)。图2为应用传统的FFT技术的频谱分析结果。信号的频率分辨率而边瓣频率(1+2s)f0与电流信号的基频f0之间的频率间距△f=2.3Hz,因此无法分辨出特征频率成分;图2清楚的显示出基频成分(f0=50Hz),但无法分辨出边瓣成分(47.7Hz,52.3Hz),因此应用FFT分析技术,很难在短数据的情况下将故障特征频率成分检测出来。由仿真结果可知,采用本文提出的基于Park矢量模平方函数的高分辨率谱分析方法,减弱了定子电流基频信号的影响,可准确检测到定子电流信号中的特征频率分量,有利于转子断条故障的实时准确检测。
4 实验及结果
4.1 转子断条故障检测系统
为了验证上述转子断条故障检测算法的有效性,实验中采用如图3所示的故障检测方案。电机选用Y132M-4型异步电动机,电动机带动交流发电机及电阻负载,在转子断裂1根导条的情况下进行试验,实验时低通滤波器通带截止频率fp为100Hz,A/D数据采集频率fs为1kHz。
4.2 实验结果及分析
根据上述实验条件,在轻负载情况下,录取电机定子三相电流波形,取△t=0.2s的采样数据,应用测速计测得电机转速为np=1464r/min,电机稳态运行时转差率为
数,根据所选电机,p=2;实测电流信号基频f0=50.1Hz;据式(12),可计算得s=0.024。应用上述故障检测算法,结果如图4所示。
上一篇:高压变频器共模电压仿真研究