交流異步電動機故障綜合診斷方法研究

孫彬

摘要：交流異步電動機在一些大型電氣設備中使用廣泛。由于交流異步電機自身構成結構比較復雜，因此故障產生后也體現出多元化特征。當前針對交流異步電動機所采用的故障診斷方法比較單一。本文就交流異步電動機故障綜合診斷方法展開探討。

關鍵詞：交流異步電動機;故障診斷;診斷技術

引言

電動機是當今工農業生產的常用電器設備，它對我國工農業生產有著推動作用，給人們生活帶來了巨大便利。=異步電動機作為人們生活、生產中接觸最多的電動機，有著結構簡單、啟動方便、體積小和工作可靠的優勢，但任何一個設備經過長期運行都難免會出現一些故障問題。

1定子電流分析技術

1.1定子信號采集

交流異步電動機故障診斷中，定子電流分析技術可幫助快速了解交流異步電動機使用中電流傳的情況。定子信號采集使用二次回路方法，在交流異步電機的輸入端設置動力二次回路，輸入端與輸出端共同構成完整的信號采集系統。在三相定子交流信號采集中，根據電流傳輸波動所采集到的電子信號也會因此產生變化，所以電動機使用的信號波形顯示方法控制在頻率4000HZ范圍內，這種電動機最常應用在水泵中。

1.2基于電流頻譜分析技術的特征提取

（1）診斷轉子斷條故障。隨著轉子斷條數目的增加，f0（1-2s）處的幅值增大，若幅值為分貝（dB）形式，則斷條數目n為

式中 R———轉子導條數; p———極數; N———供電頻率f0與f0（1-2s）頻率的分貝幅值之差。（2）診斷電磁氣隙偏心故障。對電動機定子電流信號作頻譜分析，通過檢測頻譜圖中是否存在相關頻率分量判斷氣隙是否偏心。如果存在氣隙偏心，電動機定子電流中將出現頻率的附加分量

式中 k———整數，k=1，2，3，…。（3）診斷絕緣故障。通過對電動機定子電流信號頻譜中的特征頻率進行分析，可判斷定子繞組的絕緣狀況。如果絕緣不良，電動機定子電流中將出現頻率的附加分量

當定子繞組絕緣良好時，fdll的幅值不明顯;若fdll的幅值明顯增加，說明繞組絕緣不良;若fdll的幅值超過一定閾值，表明繞組發生絕緣故障。

2振動頻譜分析技術

2.1振動信號采集

振蕩信號經過采集整理后構建成為集合，同樣可以反映出交流異步電動機故障產生區域，以及故障的嚴重程度。利用該項技術是通過交流異步電動機電磁加速部分，進行振蕩信號采集，采集點數設置為50×1048。根據所采集到的數據樣本構建出電動機使用過程中輸入端原始電流波形，常規使用狀態下異步交流電動機的振蕩波形具有固定特征，一旦發生故障，原有特征將會被打破，通過電子信號采集所生成的諧波振蕩頻譜也會因此產生變化。技術人員在對交流異步電動機進行故障排查檢修時，也可以參照諧波振蕩頻譜確定檢修方案。振動信號采集中，由于交流異步電動機在使用期間需要同時處理大量參數信息變化，信號采集難度也因此增大。對此，在故障綜合診斷中可以首先確定信號采集范圍，采用模糊處理技術來對信號是否有用做出初步判斷，在此基礎上進行信號振蕩分析，可以避免在無用信號范圍中浪費大量時間。

2.2基于振動分析技術的特征提取

振動信號的頻譜分析也是診斷和監測交流異步電動機的有效方法。該方法的核心原理為

利用小波技術分解振動信號，得到不同帶寬的信號，計算分解后的特征頻率及其幅值作為特征參量。此技術可提高診斷準確性。小波變換的定義為

圖1為對原始信號進行小波變換前后的頻域圖形。小波變換尺度為1。在各種運行情況下，通過對電動機進行試驗，采集大量信號并做相應的處理與分析，總結得到各種故障引起的振動特征頻率見表1。

表1中z為滾珠或滾柱數目;n為電動機轉速;d為滾珠直徑;D為滾珠分布直徑;β為軸承壓力角;f1為定子外加電源頻率;fr為轉子旋轉頻率;k=6，7，…，12;s為轉差率;靜態偏心時，nd=0;動態偏心時，nd=1;nw=2，4，6，…。

3智能綜合診斷系統構建技術

3.1硬件數據采集系統

智能綜合診斷系統在交流異步電動機故障檢修中應用比較頻繁。智能綜合診斷技術采用一種自動化控制方法，可以根據交流異步電動機在使用過程中出現的數據異常自動調控，使其恢復安全使用狀態，這種方法不需要投入大量人力資源，僅僅通過計算機控制系統便能完成故障檢修。由于交流異步電動機使用中可能會出現硬件故障，僅僅通過智能綜合控制系統不能幫助其恢復功能，此時在硬件數據采集系統幫助下，可以將這部分異常情況反映在診斷系統內，并通過報警來通知技術人員。由此可見，智能綜合診斷技術是將軟件維護與硬件檢修相結合。軟件系統故障恢復與硬件損壞維護同時進行，可更高效地防止交流異步電動機實用風險的產生。

3.2軟件故障診斷系統

各部分的功能如下：（1）數據采集系統驅動診斷儀主機，對電動機進行信號采集，并存儲在計算機中;（2）信號分析與處理系統包含10余種信號處理方法，可對電動機的采集信號進行處理、分析，并提取出相應的故障特征;（3）故障診斷庫包含電動機常見的電氣類與機械類故障及其主要特征，并可進行添加、刪除、修改、查詢等各項操作;（4）自動分析與處理系統可對數據進行自動處理、分析，并自動與設備故障庫進行比較，診斷出可能的故障。該故障診斷軟件與國內外同類系統相比，其最大特點有以下幾點：（1）具有自動處理數據的功能，極大地減輕診斷人員的數據分析工作量;（2）具有自動建立診斷庫的功能，簡化診斷檔案的建立工作，便于長期積累數據;（3）數據分析與處理功能強大，涵蓋30余種傳統與現代的故障診斷模型與方法;（4）具有數據的自適應處理功能，無須分析人員過多的設置、選擇;（5）輸出結果功能強大，可適應不同分析場合的需要。

結語

針對電動機故障的診斷方法有很多，但幾乎所有的方法診斷對象均單一，只是針對電動機某一類故障進行診斷，而沒有可以同時對電氣類和機械類故障進行診斷的綜合方法，并且有些診斷方法的理論研究和實際應用尚不完善。因此，將電流分析與振動分析相結合，開發出合理、實用且能有效地解決電動機電氣類及機械類故障的綜合診斷方法已經迫在眉睫，未來技術發展也需要從這一層面重點強化。

參考文獻

[1]馬紅雷.基于HHT變換與RBF神經網絡相融合的異步電動機故障診斷技術研究[J].現代制造技術與裝備，2017（4）：31-32.

[2]朱明飛.基于OMAP-L138的三相交流異步電動機轉子故障檢測系統的研究[D].北京：華北電力大學，2017.