淺述振動信號在電動機電氣故障診斷中的應用

湖南工業大學 湖南 株洲 412000

引言

油漿泵機組是運用于化工生產的大型生產設備，其電氣故障的識別防范極為重要。一旦出現電氣故障不僅影響工廠生產進程，還可能造成嚴重的損失。滾動軸承是電機內部最容易發生故障的組成，對滾動軸承的狀態進行檢測，及時對軸承進行維護，有利于保障電機的使用壽命。滾動軸承的振動信號中包含著大量的狀態信息，通過對振動信號的分析，能夠判斷軸承是否發生故障以及故障的類型。因此使用振動信號分析技術來快速判斷定位故障，成為診斷其電動機電氣故障的主流方法。目前，我國的故障診斷技術和狀態監測技術與發達國家的差距已經大大縮小，而且這一技術已經可以適應生產設備的日益大型化的發展趨勢，通過對設備狀態進行實時監測和故障檢測，能夠保障機器設備的有效使用。

油漿泵機組電機的滾動軸承包括了外圈、內圈、保持架與滾動體這四個部分。其中轉軸帶動內圈在生產過程中持續轉動。正常工作狀態下，振動信號具有規律性與平穩性，而在滾動軸承發生故障時，由于軸承元件損傷部位會產生高頻振動，其振動信號也會具有非平穩性，與正常工作狀態下有顯著的不同，并令整個軸承振動系統的固有頻率和振動波形特點都發生改變。此時振動信號受到故障部位沖擊影響，可能會規律或者不規律地出現沖擊成分。滾動軸承不同的故障類型會在振動信號中有不同的體現，因此就可以根據振動信號特征對故障類型、故障部位進行反推診斷。

1 時域分析對電機故障的診斷

該方法是基于振動信號來判斷電機故障最常用的方法，具有直觀、高效的特點。該方法對特定的時間域滾動軸承的振動信號按照時間歷程進行繪制，再對繪制出的結果進行濾波、放大有效特征并進行計算分析處理，從而達到提高振動信號的信噪比，并根據振動信號特征對應的故障類型列表，最終提取和判斷出軸承故障類型、部位等。其運用到的指標包括方差、均值、峰值及峭度等，這些指標均易于計算和分析[1]。

2 包絡解調技術對電機故障的診斷

該技術在當前也常用于對軸承早期故障進行診斷。首先提取確定存在故障的軸承的振動信號，經過包絡檢波及濾波處理，再進行調解、分離及載波。其診斷軸承故障類型、部位的依據就是獲得的包絡譜中的對應特征頻率。其核心原理是由于軸承不同故障類型必然在包絡譜中體現出不同的特征頻率，因此可以基于高頻信號參數，計算加速度包絡值gE標準，結合對電機的實際運行狀態和其他運行參數的觀察以判定故障所在[2]。

3 頻譜分析對電機故障的診斷

由于電動機自身同時具備了機械與電氣兩方面的特性，因此電動機軸承發生故障并產生相應的振動信號，既可能是機械故障也可能是電源自身結構導致的故障。如果是后者，在診斷中就需要運用到頻譜分析技術來分析其振動信號。首先采集軸承的振動信號，并與軸承正常工作狀態下的既往特征記錄進行對比，從而初步判斷其是否存在故障。根據實踐檢測經驗而言，電機在發生電氣故障時主要會在振動信號的二倍頻上有明顯的體現，或者產生邊頻帶。邊頻帶是對電機故障類型、原因進行分析判斷的重要依據，但有時候邊頻幅值過小而不足以支撐對電機故障的區別判定，此時還需要應用到頻譜細化技術來對邊頻帶進行深入分析以完成故障診斷。

以上診斷方法屬于傳統常用方法，其復雜程度相對較高。當前一種逐漸普及應用的頻譜分析方法就是對定子電流信號進行采集分析，因為很多故障類型的振動信號特征也會反映在定子電流信號上。這種方法精確度及實施效率均較高，能夠使用檢測設備或部件自動完成定子電流信號的快速采集分析、實時監測等。因此該技術被視為是振動信號分析技術發展的重要趨勢。定子電流頻率可以按照以下公式進行計算。

fcf=|f1±kfb|,k=1,2,3…

根據上述公式可以看出，定子電流頻率會受到電機工作參數、軸承結構外形以及電流基波頻率的影響[3]。

4 振動信號發生的兩大問題

電機軸承異常振動信號有一半左右發生的原因都是軸承元件表面損傷。但如果振動信號在電流方面具有其他異常特征，以及加速度包絡gE值過高，就必須要停機并拆機檢查電動機。電動機發生異常振動信號的常見原因一是電蝕，二是微振磨損。

（1）電蝕。電機實際工作環境中會有持續存在的磁場、電場。因此其軸承部位在工作中就會始終受外界磁場、電場的影響，令其內圈與外圈產生電位差，繼而產生微電流，在其作用下極易令滾動軸承由于波紋狀損傷及電蝕而失效。電蝕的具體表現為繞組與電動機殼之間存在由于漏電產生的異常電流，以及電動機磁路不平衡出現異常抖動等。電動機如果接地回路不暢，也會發生電蝕現象。為了消除電蝕現象，就必須首先消除工作環境中的電場、磁場，并對接地回路進行實時檢測。

（2）微振磨損。電機軸承由于潤滑油不足、潤滑油品質不高或者在工作中存在極小幅度的搖擺，都有可能導致機械接觸面發生微振磨損現象。微振磨損可能導致軸承滾動體與滾動面之間的接觸位置出現磨損粉末及微小形變等，繼而會導致軸承出現異常振動信號。根據實際檢修經驗，電蝕與微振磨損導致的軸承故障從外觀以及粗略信號分析很難區分開來，唯有通過深入的信號特征提取變換分析才能準確探明其故障原因所在，繼而進行有針對性的排障。

5 結束語

電動機本身具有機械與電氣兩方面的特性，在其發生異常振動時就需要及時地排障，否則隨著電機運轉故障可能進一步擴大。僅僅簡單地憑外部觀察和粗略的信號分析是不能診斷和排除故障的，且工廠生產作業時并不能隨時快速停機，因此就

需要對振動信號運用各種提取、變換和分析技術來進行深入區分。對振動信號進行分析從而判定電動機是否存在故障以及故障類型、原因等，其優勢就是可以在工廠作業不停機的情況下即進行快速的分析判斷。且振動信號的采集、分析都可以實現高度自動化，在節省人力物力的同時，也保證了故障分析判斷的精準性。