永磁同步電機故障診斷研究綜述

吳國沛，余銀犬，涂文兵

（華東交通大學機電與車輛工程學院，江西南昌 330000）

永磁同步電機（permanent magnet synchronous motor，PMSM）具有結構簡單、運行穩定、效率高和外形多樣等顯著優點。隨著永磁同步電機的應用越來越廣泛，人們對它的運行安全性和穩定性越來越關注[1]。與電勵磁電機相比，永磁同步電機最大的不足在于其內部的永磁體可能會退磁，從而導致電機的效率降低或驅動模塊損壞，嚴重時可能會造成電機報廢[2]。這一問題極大地限制了永磁同步電機的應用[3-4]。同時，永磁同步電機還可能出現電路故障和轉子偏心故障。此外，同其他旋轉機械一樣，在長期工作后，永磁同步電機的軸承可能會出現故障甚至卡死，進而導致整個電機損壞。因此，對永磁同步電機的各類故障進行預測和診斷具有重要價值和意義。

1 永磁同步電機的結構和工作原理

1.1 永磁同步電機的結構

永磁同步電機主要由定子（含繞組）、轉子和永磁體三部分組成。其中：定子為在電機工作過程中固定不動的部分；轉子由導磁軛和轉軸組成。根據永磁體在轉子上的分布，可將永磁同步電機分為表貼式（表面凸出式和表面插入式）、內嵌式和內置式（徑向式、切向式和混合式），其內部結構分別如圖1至圖3所示；根據勵磁方向，可將永磁同步電機分為徑向勵磁式和軸向勵磁式。表貼式永磁同步電機的磁力線分布和磁感應強度分布分別如圖4和圖5所示。

圖1 表貼式永磁同步電機內部結構Fig.1 Internal structure of surface mounted PMSM

圖2 內嵌式永磁同步電機內部結構Fig.2 Internal structure of embedded PMSM

圖4 表貼式永磁同步電機的磁力線分布Fig.4 Magnetic field line distribution of surface mounted PMSM

圖5 表貼式永磁同步電機的磁感應強度分布Fig.5 Magnetic induction intensity distribution of surface mounted PMSM

1.2 永磁同步電機的工作原理

在同步旋轉坐標系下，永磁同步電機的電壓方程和磁鏈方程分別為：

式中：ud、uq，id、iq，Ld、Lq，ψd、ψq分別為永磁同步電機直軸和交軸（即d軸和q軸）的電壓、電流、電感和磁鏈；Rs為定子的電阻；ωe為電角度；ψf為永磁體的磁鏈。

永磁同步電機的電磁轉矩Te為：

式中：p為永磁體的極對數。

永磁同步電機的工作原理為：當定子繞組的A相、B相和C相分別通入三相交流電后，定子繞組周圍會產生空間磁場，該磁場與永磁體產生的磁場相互影響，從而產生電磁轉矩；當輸出的電磁轉矩超過轉子的摩擦轉矩、永磁體的阻尼轉矩和電機的負載轉矩之和時，電機開始轉動，其轉速n=60f/p，其中f為永磁同步電機的電流頻率。

2 永磁同步電機故障診斷方法總結

如圖6所示，永磁同步電機的故障主要分為5類，分別為退磁故障、電路故障、轉子偏心故障、軸承故障和其他故障。

圖6 永磁同步電機故障分類Fig.6 Fault classification of PMSM

2.1 退磁故障診斷方法

永磁同步電機的退磁故障可分為均勻退磁故障和不均勻退磁故障，前者指所有永磁體均發生退磁故障，后者指部分永磁體發生退磁故障。永磁體的磁滯回線如圖7所示。由圖7可知，隨著磁場強度H的增大，永磁體的磁感應強度逐漸增大至最大值Bm，此時對應的磁場強度為Hm；當磁場強度減小為0 A/m時，永磁體的磁感應強度為Br，稱作剩余磁感應強度；當磁場強度反向增大至對應的磁感應強度為0 T時，此時磁場強度為-Hc，其中Hc稱作矯頑力。

圖7 永磁體的磁滯回線Fig.7 Hysteresis loop of permanent magnet

由永磁體的磁滯回線可得，永磁體的磁性強弱主要取決于磁感應強度B，其表達式為：

式中：μ0為真空磁導率，μ0=4π×10-7H/m。

永磁同步電機的永磁體在高頻振動或高溫等惡劣環境下易退磁。引發永磁體退磁的原因主要有由定子匝間或相間短路引起的高溫、電樞反應（包含過流）和機械振動。當永磁同步電機發生退磁故障后，其特征信號會發生變化。目前，常用于退磁故障診斷的特征信號包括徑向磁感應強度[5]、反電動勢[6]、定子電流[7]和電磁轉矩[8]。當永磁同步電機的永磁體發生不同程度的均勻退磁故障時，其徑向磁感應強度、定子電流和電磁轉矩的變化情況分別如圖8至圖10所示。

圖8 不同程度均勻退磁故障下永磁同步電機的徑向磁感應強度Fig.8 Radial magnetic induction of PMSM under different degrees of uniform demagnetization fault

圖9 不同程度均勻退磁故障下永磁同步電機的定子電流Fig.9 Stator current of PMSM under different degrees of uniform demagnetization fault

圖10 不同程度均勻退磁故障下永磁同步電機的脈動轉矩Fig.10 Torque ripple of PMSM under different degrees of uniform demagnetization fault

目前，針對永磁同步電機退磁故障的診斷方法主要有以下幾種：通過建立永磁同步電機退磁故障模型獲取特征信號后直接診斷的方法[5-8]；基于退磁故障特征信號直接利用算法進行診斷的方法[9-10]；對退磁故障特征信號進行處理后直接診斷的方法[11-13]；對退磁故障特征信號處理后利用算法進行診斷的方法[14-18]。

分析圖7至圖9可知，當永磁同步電機發生均勻退磁故障時，其徑向磁感應強度的幅值變小，定子電流和電磁轉矩（穩定運行過程）的幅值變大，該規律可作為永磁同步電機退磁故障診斷的依據。張文敏等[5]分析了永磁同步電機發生退磁故障后，其徑向磁感應強度和電磁轉矩的變化。Gritli等[6]通過評估永磁同步電機定子電壓經傅里葉變換（Fourier transformm，FFT）后的5次和7次諧波來獲取永磁體的退磁故障指數，以判斷永磁體磁鋼的狀態，并利用有限元仿真分析、數學解析模型和實驗驗證了該方法的有效性。何靜等[7]以磁場同步旋轉坐標系下永磁同步電機的定子電流為狀態變量，搭建了退磁故障數學模型，并以該數學模型為基礎編寫了基于狀態觀測器的退磁故障實時診斷方法，該方法簡潔明了，穩定性好且結果準確。張志艷等[8]研究了永磁同步電機的電磁轉矩和電磁力與退磁故障的關系。Chang等[9]利用自動編碼器和K均值聚類算法對永磁同步電機的退磁故障進行診斷，并通過實驗驗證了該方法的準確率高達96%，但未研究永磁體不均勻退磁的情況。文傳博等[10]提出了一種基于卡爾曼濾波算法和小波變換的永磁同步電機磁鏈信息在線監測算法，既能實現電機退磁障礙的在線監測，又提高了診斷速度和準確率。Barmpatza等[11]利用快速傅里葉變換（fast Fourier transformm，FFT）對永磁同步電機的反電動勢進行了處理，并通過觀察反電動勢的諧波幅值變化來判斷電機是否發生退磁故障。Gritli等[12]提出了一種基于小波變換的永磁同步電機反電動勢分析方法，經實驗驗證該方法能有效地診斷電機的退磁故障。Gherabi等[13]對永磁同步電機的定子電流進行了傅里葉變換，并通過觀察電流頻譜的實部和虛部來診斷電機的退磁故障。張丹等[14]對發生退磁故障的永磁同步電機的磁感應強度進行重構，并結合概率神經網絡（probabilistic neural network，PNN）算法實現了對永磁體局部退磁故障的診斷，準確率高達99.4%。Ullah等[15]利用可視化幾何組（visual geometry group，VGG）網絡對永磁同步電機的振動信號和定子電流進行處理，并將特征信號轉換成圖像，該方法的診斷準確率高達 96.65%。 Song等[16]提出了一種融合S變換（S-transform，ST）和粒子群優化-最小二乘支持向量機（particle swarm optimization-least square support vector machine，PSO-LSSVM）的永磁同步電機局部退磁故障識別系統，該系統對故障特征具有較高的敏感度且能有效地提取故障特征信號，可準確識別退磁故障，識別準確率為100%。Song等[17]利用小波變換和包絡分析對永磁同步電機的磁信號進行處理，并通過漢寧窗優化來增強故障特征，結果表明該方法在不同噪聲環境下均具有較強的魯棒性和有效性。Krichen等[18]通過研究發現，不均勻退磁會引入特定的諧波，均勻退磁會使給定轉矩下的定子電流幅值增大，并提出了基于快速傅里葉變換的永磁同步電機退磁故障診斷方法。

綜上所述，對于永磁同步電機退磁故障的診斷，相比于直接利用算法進行診斷的方法或對故障特征信號進行處理后直接診斷的方法，對故障特征信號處理后利用算法進行診斷的方法的診斷速度更快，適用范圍更廣且準確率更高。

2.2 電路故障診斷方法

永磁同步電機的電路故障分為3類：1）電流傳感器故障；2）定子匝間短路故障；3）定子相間短路故障。

2.2.1 電流傳感器故障

提高電機的容錯能力可以提升電機的效率，而提高容錯能力的前提是能快速且準確地診斷電流傳感器故障。目前，用于永磁同步電機電流傳感器故障診斷的方法主要分為融合算法和容錯控制以及基于狀態觀測器的方法。

Azzoug等[19]提出了一種基于矢量控制和電流估計的異步電動機電流傳感器容錯控制方法，該方法實現了傳感器故障的診斷、故障傳感器的隔離以及通過適當的電流估計來重構控制系統。El-khil等[20]基于對永磁同步電機定子電流的分析，提出了一種用于三相永磁同步電機驅動器中電流傳感器故障診斷的新方法，與類似的診斷方法相比，該方法可以區分開路和電流傳感器故障，具有很高的魯棒性。Li等[21]提出了一種用于診斷永磁同步電機電流傳感器嚴重故障的混合容錯策略。林京京等[22]提出了一種能提高系統容錯率的方案，其可用于永磁同步電機電流傳感器故障的診斷。應黎明等[23]提出了一種能在線檢測電信號且能實現故障前后無縫銜接的永磁同步電機傳感器故障診斷方案。Gao等[24]提出一種了基于狀態觀測器的電流傳感器故障診斷方法。在文獻[24]的基礎上，Lee等[25]提出了一種新的診斷方法，其不僅可以診斷電流傳感器故障，還能直接應用于容錯電機驅動。Yu等[26]提出的3種并行自適應觀測器能夠對電流傳感器故障進行診斷和定位。楊海濤等[27]提出了基于參數間隔孿生支持向量機的增量學習算法，但其適用范圍小，僅限于電流滯環所控制的永磁同步電機。孫艷歌等[28]提出了一種基于信息熵的數據流自適應集成分類算法，該算法具有很高的容錯率和抗干擾性，且在保證較高的電流傳感器故障診斷準確率的前提下提高了診斷速度。

綜上所述，對于永磁同步電機電流傳感器的診斷，融合算法和容錯控制的診斷方法具有診斷范圍廣的優點；基于狀態觀測器的診斷方法具有診斷迅速且準確的優點。

2.2.2 定子匝間短路故障

定子匝間短路故障是永磁同步電機較為常見的故障，其產生原因較為復雜，可簡單歸結為以下4點：

1）在電機起動過程中，定子匝間絕緣體承受暫態過電壓；

2）電機定子繞組溫度過高導致定子匝間絕緣體失效；

3）電機振動導致定子繞組線圈相互接觸、擠壓、摩擦和損壞；

4）電機長期在潮濕、高溫等惡劣環境下工作。

在永磁同步電機的實際應用中，各種過載電壓是導致定子匝間絕緣體損傷的主要原因。當發生定子匝間短路時，短路線圈產生的反電動勢與正常線圈的相反，故短路線圈產生的磁場的方向與原磁場方向相反，使得永磁同步電機內部溫度升高，進而導致其永磁體發生退磁故障。圖11所示為三相永磁同步電機定子匝間短路（A相短路）示意圖。圖中：u、i分別為電壓、電流；R、L和V分別表示電阻、電感和電壓表，其中Rf表示短路支路的電阻；a、b、c分別對應A、B、C相。圖12所示為永磁同步電機定子匝間短路實物圖。

圖11 永磁同步電機定子匝間短路示意圖Fig.11 Schematic diagram of stator inter-turn short circuit of PMSM

圖12 永磁同步電機定子匝間短路實物圖Fig.12 Physical drawing of stator inter-turn short circuit of PMSM

針對永磁同步電機定子匝間短路故障的診斷，陳勇等[29]以融合的定子齒尖振動信號和定子電流為特征信號，并結合改進小波包變換算法和快速傅里葉變換來診斷永磁同步電機的定子匝間短路故障，該方法的診斷準確率和速度比采用單一特征為故障判斷依據的方法均要高。王小強等[30]通過對比故障電機的數學模型來診斷永磁同步電機的定子匝間短路故障。王棟悅等[31]以融合的機械振動信號的二倍頻分量和定子電流為新的故障特征信號，用于診斷永磁同步電機的定子匝間短路故障，結果表明該方法的診斷準確率明顯高于傳統方法，且適用于精度要求較高的場合。丁石川等[32]通過直流分量和二倍頻諧波分量的幅值來判斷永磁同步電機是否發生定子匝間短路故障，該方法的診斷準確率相比于傳統的基于定子電流的診斷方法高，且診斷簡單及成本低。李永剛等[33]基于多個融合信號實現了永磁同步電機定子匝間短路故障的診斷，該方法解決了基于單一故障特征的方法診斷精度低的弊端，提高了故障診斷的準確率。陳慧麗等[34]結合在線檢測和離線檢測兩種方法，對永磁同步電機定子匝間短路故障進行診斷，使得診斷速度大幅提高。相比于文獻[34]的綜合診斷方法，彭偉等[35]提出的永磁同步電機定子匝間短路故障在線檢測方法在對故障特征信號進行快速傅里葉變換時引入了布萊克曼窗，實現了故障特征信號的快速獲取，但該方法的適用范圍較小，不適合用于輕微故障的診斷。趙洪森等[36]通過提取負序電流作為故障特征信號來診斷同步發電機的定子匝間短路故障。

綜上所述，針對永磁同步電機定子匝間短路故障的診斷方法大多為基于信號處理的方法，且融合多個故障特征信號以及對故障特征信號進行預處理均能提高故障診斷的準確率。

2.2.3 定子相間短路故障

在實際應用中，定子相間短路故障對永磁同步電機的影響比定子匝間短路故障更大[37]。然而，目前對定子匝間短路故障的研究比較多，而針對定子相間短路故障的研究相對匱乏且不夠深入。圖13所示為永磁同步電機定子相間短路實物圖。

圖13 永磁同步電機定子相間短路實物圖Fig.13 Physical diagram of stator inter-phase short circuit of PMSM

針對永磁同步電機定子相間短路故障的診斷，齊歌等[38]研究了雙三相永磁同步電機的一相短路故障，但未研究相間短路故障。陳麗[39]只對永磁同步電機定子相間短路故障進行了仿真分析，但未進行實驗驗證，可靠性不強且適用范圍較小。田代宗等[40]建立了發生相間短路故障的十二相可控整流永磁同步電機的數學模型，并通過比較電機內部電氣量的分布情況來診斷其是否發生相間短路故障，該方法的適用性較強。

2.3 轉子偏心故障診斷方法

永磁同步電機的轉子偏心故障主要分為轉子靜偏心和轉子動偏心兩種情況，其他類型的轉子偏心故障（如轉子斜偏心和轉子軸向偏心）的研究還比較少。轉子靜偏心是指轉子的旋轉中心與定子圓心不重合，但轉子的旋轉中心不變，由電機安裝偏差造成，如圖14所示；轉子動偏心是指轉子旋轉中心與定子圓心不重合，且轉子繞著定子圓心旋轉，由電機長期劇烈振動造成，如圖15所示。針對永磁同步電機轉子偏心故障的診斷，Park等[41]利用模擬霍爾傳感器對永磁同步電機的轉子故障進行了診斷和分類，通過對電機在偏心、局部退磁和負載不平衡條件下進行實驗測試發現，該方法可以在較低的附加成本下提高故障診斷的可靠性和靈敏度。此外，Park等[42]還利用模擬霍爾效應場傳感器來診斷永磁同步電機的轉子偏心故障和永磁體局部退磁故障，結果表明，利用霍爾效應場傳感器可以直接測量因轉子磁場不對稱而引起的電機內部磁通量的變化，該方法可靈敏、可靠地診斷動態的轉子混合偏心和永磁體局部退磁故障。Cira等[43]通過觀察永磁同步電機的振動信號來診斷其轉子的靜、動偏心故障，結果表明，靜偏心改變了振動信號的階數，而動偏心同時改變了振動信號的階數和頻率，并通過有限元分析和實驗驗證了上述結果。Liu等[44]建立了永磁同步電機轉子偏心的數學模型，通過分析d、q軸的電感來診斷其轉子偏心故障，并通過實驗驗證了所提出的故障診斷方法的有效性。基于文獻[44]，李全峰等[45]對表貼式永磁同步電機的轉子偏心故障進行了有限元仿真分析，結果表明，當轉子發生靜偏心時，電機的徑向電磁力波幅值增大；當轉子發生動偏心時，電機的徑向電磁力波出現倍頻數為分數的諧波分量，導致電機的振動變大，因此可通過這些故障特征信號來診斷電機的轉子偏心故障。楊存祥等[46]建立了轉子偏心程度不同的永磁同步電機的模型，先對定子電流進行預處理，再對處理后的定子電流進行頻域分析，以分析轉子的動偏心程度與故障特征頻率之間的關系。仇志堅等[47]搭建了表貼式永磁同步電機轉子的靜偏心解析模型，通過磁感應強度和不平衡磁拉力的解析結果來診斷轉子靜偏心故障。

圖14 永磁同步電機轉子靜偏心示意Fig.14 Schematic diagram of rotor static eccentricity of PMSM

圖15 永磁同步電機轉子動偏心示意Fig.15 Schematic diagram of rotor dynamic eccentricity of PMSM

綜上所述，永磁同步電機轉子偏心故障的診斷主要是先通過建立仿真模型或解析模型來獲取轉子偏心故障特征信號，再直接利用故障特征信號或利用處理后的故障特征信號進行診斷。其中，常用的轉子偏心故障特征信號為振動信號、定子電流和磁感應強度等。

2.4 永磁同步電機軸承故障診斷方法

永磁同步電機的軸承故障是較常見的故障類型。永磁同步電機中軸承的結構及其徑向載荷分布如圖16所示[48]。正常的軸承在工作時會因自身結構特點、安裝誤差等而產生振動，而軸承發生故障時也會產生振動，但這2種振動的特征是不一樣的。

圖16 軸承的結構及載荷分布Fig.16 Structure and load distribution of bearing

當軸承的不同部件發生故障時，其振動頻率不同。不同故障下軸承的振動頻率如下[48]。

式中：Nb為滾動體個數；fr為電機實際的旋轉頻率；Db為滾動體直徑；Dc為軸承節圓直徑；α為滾動體與軌道的接觸角，當滾動體不承受徑向載荷時，α=0°。

針對永磁同步電機軸承故障的診斷，宮文峰等[48]提出了一種改進的卷積神經網絡-支持向量機（convolutional neural networks-support vector machine，CNNs-SVM）方法，可以快速且準確地診斷永磁同步電機軸承的輕微故障。Lee等[49]提出了縮放快速傅立葉變換（zoom fast Fourier transform，ZFFT）方法，該方法無須額外安裝傳感器，且在實現最小化計算成本的同時提高了永磁同步電機軸承故障診斷的準確率。Li等[50]提出了一種基于離散小波變換（discrete wavelet transform，DWT）和長短時記憶（long-short term memory，LSTM）神經網絡的移動機器人永磁同步電機軸承故障類型識別與分類方法，即先利用離散小波變換分解采集的振動信號以得到分類率較高的特征，再將特征向量作為長短時記憶神經網絡的輸入，實驗結果表明，該方法可在不同轉速下準確識別電機軸承故障的類型。陳健等[51]推導了永磁同步電機空氣動力噪聲頻率的表達式，發現可通過檢測電機端蓋處的振動信號來診斷電機軸承是否損壞。在文獻[51]的基礎上，王春雷等[52]結合神經網絡算法，先將振動信號轉換成二維時頻圖輸入來訓練卷積神經網絡（convolutional neural networks，CNN），再利用卷積神經網絡的自學習優勢來分析軸承故障類型與故障特征之間的關系，從而提高了電機軸承故障的診斷速度和準確率。袁建虎等[53]搭建了基于小波時頻和卷積神經網絡的分類器模型，該模型利用連續小波變換（continuous wavelet transform，CWT）對滾動軸承的振動信號進行處理，能準確識別各類軸承故障。許愛華等[54]提出了改進的變分模態分解（variational mode decomposition，VMD）方法，可對原始信號進行去噪處理并提取微小的故障特征信號，相比于常用的經驗模態分解（empirical mode decomposition，EMD）方法和變分模態分解方法，其診斷速度更快且準確率更高。王麗華等[55]使用短時傅里葉變換（short-time Fourier transform，STFT）將異步電機的振動信號轉換成時頻譜圖，再將處理后的故障特征信號作為卷積神經網絡的輸入，以進行電機軸承故障診斷。楊春潔[56]在處理故障特征信號前，先利用LabVIEW軟件對機車牽引電機軸承的振動信號進行小波包去噪處理，而后融合Hilbert包絡分析對電機軸承進行故障診斷。

綜上所述，永磁同步電機軸承故障的診斷方法也大多為結合模型搭建和信號處理的方法，即先搭建故障模型以提取故障軸承的振動信號，再對振動信號進行處理，最后利用算法進行故障診斷。

3 結論

本文總結了永磁同步電機的退磁故障、電路故障、轉子偏心故障和軸承故障的診斷方法，得出的結論以下。

1）對于永磁同步電機的退磁故障，直接利用故障特征信號進行診斷的方法耗時少且簡單；對故障特征信號處理后利用算法進行診斷的方法的診斷速度更快，適用范圍更廣且準確率更高。

2）對于永磁同步電機的電路故障，大多是通過建立故障模型（數學模型或有限元模型）來獲取特征信號，并直接利用特征信號或利用處理后的特征信號進行診斷，其中聯合信號處理的診斷方法的準確率較高。

3）對于永磁同步電機的轉子偏心故障，大多是通過對比由解析法獲得的電機轉子未偏心時的特征信號與由有限元仿真獲得的電機轉子偏心后的特征信號（或處理后的特征信號）來診斷的。

4）對于永磁同步電機的軸承故障，大多是通過檢測電機的振動信號來診斷的，該方法具有較高的可行性和準確性，且預先對振動信號進行去噪處理可提高診斷準確率。