異步電動機轉(zhuǎn)子斷條失效診斷研究與發(fā)展概況

王澤宇,陳建國,王景明,盛志偉,宋雨

(哈爾濱電氣動力裝備有限公司,黑龍江哈爾濱 150040)

0 引言

異步電動機的使用比任何其他形式的電機都要廣泛,尤其是具有更高功率和電壓的大型異步電動機被廣泛應(yīng)用于工業(yè)環(huán)境中,如水利、礦山、石化及核電,以為其主機提供動力。然而,有許多故障會阻礙異步電動機的順利運行,并且任何故障都是從正常運行的一個小偏差開始的。如果在早期階段沒有檢測到故障并進行處理,可能會導(dǎo)致災(zāi)難性事故。因此,電動機“狀態(tài)監(jiān)測”越來越受到用戶和制造商的重視。狀態(tài)監(jiān)測是檢測和診斷與故障相關(guān)的基本電機量變化的過程,從而可以安排適當?shù)木S護,防止故障擴大,這優(yōu)化了運維性能并強化了運維質(zhì)量控制。

轉(zhuǎn)子斷條,是異步電動機產(chǎn)品常見的故障,無論是設(shè)計制造或者是長期運行環(huán)節(jié)的不足或者不當,均有可能逐步引發(fā)轉(zhuǎn)子的導(dǎo)條開裂或斷裂現(xiàn)象,從而直接對電動機運行安全產(chǎn)生不利影響。因此,更好地實現(xiàn)斷條故障在不同驅(qū)動系統(tǒng)、不同負載水平、不同速度下等條件下的準確在線檢測和診斷,成為制造商和用戶的迫切需求和完美目標。

需要注意的是,不同類型的電機電源在故障診斷過程中有著不同的作用。直接在線模式下,向電動機施加純正弦電源電壓,而在逆變器供電模式下,電源電壓包含各種諧波。在第一種情況下,電機變量直接取決于負載水平,但在逆變器供電模式下,電氣和機械變量是可控的。由此,故障診斷過程中的有效因素數(shù)量顯著增加,故障檢測因而更加復(fù)雜。主要影響因素因子包括高頻開關(guān)電源電壓,它導(dǎo)致了氣隙磁通密度的更多失真。

本文介紹和總結(jié)分析了當前較為主流及較準確較易實施的轉(zhuǎn)子斷條狀態(tài)監(jiān)測原理及方法和例證。當然,所有診斷方法和指標都無法涵蓋工業(yè)環(huán)境中遇到的所有實際情況。例如,使用傅立葉變換(FFT),作為斷條故障的直接結(jié)果的幅度不能在輕負載水平下返回真實的故障特征。這說明,盡管故障一發(fā)生,電機量中確實存在與故障相對應(yīng)的量,但它們在某些特定條件下可能無法檢測到。因此,有人提出分析電動機電流以外的信號,例如對故障反饋比電動機電流更敏感的磁通密度。然而,測量磁通密度需要一個場的檢測過程,從而導(dǎo)致更復(fù)雜的診斷方案。那么,影響故障檢測過程的因素很多,而選擇適當?shù)姆椒?以便在負載和速度水平等各種影響量的變化時準確檢測、確定和診斷故障程度,十分必要。

1 電機電流特征分析(MCSA)

此處首先討論直接在線運行異步電動機,則有電源電壓和電流有公式如下

V=Vmsin(ωst)

(1)

Is=Imsin(ωst+α)

(2)

然而,電源電壓是固定的,不會隨著故障而變化。因此,電機電流信號被重新表述如下

Is=Asin(ωst)+Bcos(ωst)

(3)

根據(jù)式(3),斷條故障反映為時域中電機電流包絡(luò)的周期性振蕩。振蕩的頻率等于2ksfs,這意味著在電機電流中檢測到不僅具有最大振幅的一階邊帶分量,同時對更高階分量也有影響。通常情況下,邊帶分量的幅值隨著一個位置的故障水平的增加而增加。

圖1展示了一個正常的電機,圖2展示了有一根斷條的電機。在圖2中可以清楚地觀察到電流包絡(luò)的周期性振蕩。由于2ksfs是電機滑差的函數(shù),如果電機負載增加,則振蕩頻率會更高。也可以看到,在固定電源頻率下增大負載會導(dǎo)致故障特征的明顯增大。

圖1 正常異步電動機定子電流圖

圖2 異步電動機斷條后定子電流圖

在時域或頻域中研究電機電流(MCSA),被稱為故障診斷程序中最好的技術(shù)之一,但并不一定是最準確的技術(shù)。該技術(shù)被廣泛使用的原因之一是相應(yīng)測量的容易性。此外,如果使用可靠的屏蔽電纜,監(jiān)控單元可以遠離電機位置,在測量電機電流信號的同時,可以使用調(diào)諧良好的無線傳輸設(shè)備傳輸故障量相關(guān)數(shù)據(jù),從而可能實現(xiàn)無線監(jiān)控。

MCSA同樣適用于逆變器供電的應(yīng)用,無論逆變器的類型和控制策略如何,參見圖3、圖4(電壓源)。圖中顯示了逆變器供電電機在兩種不同速度下以及不同故障水平下電流包絡(luò)的時域變化。

圖3 逆變器供電的電機定子電流包絡(luò)圖(1500rpm)

圖4 逆變器供電的電機定子電流包絡(luò)圖(700rpm)

2 振蕩

由于感應(yīng)電動機模型通常忽略不計了其固有不對稱性,因此使用電流的分布在某種程度上不能診斷由固有邊帶分量引起的隨時間變化的振蕩。這時,它可以通過一種稱為“持續(xù)振蕩”的新故障指數(shù)來體現(xiàn),該指數(shù)定義為電壓和電流空間矢量之間的相移,由式(7)得到作為斷條數(shù)量函數(shù)的相應(yīng)變化示例的圖5。

圖5 PWM電機的持續(xù)振蕩檢測應(yīng)用

α2(ic-ia)]

(4)

(5)

(6)

(7)

持續(xù)振蕩要使用低通濾波器進行測量,從而消除高頻開關(guān)現(xiàn)象引起的可能會影響正確測量過程的波動,且電壓和電流信號都需要通過低通濾波器采樣到處理器中。擺動振蕩既適用于直接在線運行電機,也適用于逆變器供電電動機。

這里,振蕩的振幅隨著故障和負載水平的增加而增加。值得注意的是,正常電動機的擺動振幅不為零,這也證明了邊帶分量存在的概念。

需要注意,對于此種精確診斷和狀態(tài)監(jiān)測工具,除了斷條故障之外產(chǎn)生的不同因素,例如氣隙中產(chǎn)生反向磁場,可能會引入相同的特征,而導(dǎo)致錯誤的判斷。因而這種因素需要事先得到排除。這里我們介紹的是一個時域指標,使得能夠在不同的故障和負載水平下診斷斷條故障,并且該技術(shù)的準確實施可以用于各種供電模式,包括在線運行以及開環(huán)和閉環(huán)策略。因此,它可以被認為是在時域中應(yīng)用的最有用的診斷技術(shù)之一。當然,該指標檢測故障位置的能力尚未得到進一步研究。

3 速度波動

多數(shù)情況下,感應(yīng)電動機的故障發(fā)生在電機運行過程中,因此,存在從正常狀態(tài)到故障狀態(tài)的轉(zhuǎn)變,導(dǎo)致某種不希望的瞬態(tài)波動,這些波動在幾個循環(huán)后穩(wěn)定下來,直到穩(wěn)態(tài)操作。那么,在最初情況下的故障的診斷非常重要,尤其是當電機在啟動-停止操作過程中,因為電機速度的突然變化導(dǎo)致的機械瞬態(tài)增加了故障發(fā)生的概率。由于斷條故障給電動機速度引入了非常明顯的2sfs諧波分量,以及相應(yīng)的故障級別與顯示效果的對應(yīng)關(guān)系,使得電機速度波動檢測成為一種檢測早期斷條故障很有發(fā)展的技術(shù)。圖6顯示了在線啟動感應(yīng)電機在三種不同故障水平下的速度波動,包括1、2個斷條以及正常的情況進行結(jié)果的比較。早期斷條故障清楚地顯示了不希望的速度波動,其幅度隨著故障等級的增加而變大。在t=0.3s處發(fā)生的信號的瞬態(tài)部分具有很大的振幅,使得電機承受了額外的機械應(yīng)力,而這反過來又是導(dǎo)致其他電機部件故障的一個因素。隨著時間的變化,信號的瞬態(tài)部分逐步消失,這與正常的電機起動明顯不同。

圖6 直接在線電動機轉(zhuǎn)子斷條引起的起始速度波動

圖7顯示直接轉(zhuǎn)矩控制(DTC)和電壓頻率比(CV/F)控制模式的速度波動,圖中為兩根斷條故障和正常運行。該圖清晰地表明,各種控制模式可以極大地影響診斷過程。DTC控制策略的電動機的波動幅度大約等于零,這是由于DTC驅(qū)動器中存在速度閉環(huán),因此相應(yīng)的機械速度總是由PI控制器的帶寬調(diào)節(jié);如果帶寬很小,振蕩的幅度可能會減小到零;而CV/F控制策略相關(guān)的波動幅度相對較大。

圖7 逆變器供電電動機轉(zhuǎn)子斷條引起的速度波動

4 小波變換在斷條故障診斷中的應(yīng)用

小波變換(WT)通常被應(yīng)用于電動機瞬態(tài)信號,以便在瞬態(tài)操作過程提取故障信息。其中一個重要的應(yīng)用方式是將WT應(yīng)用于電機電流,該電機電流的基頻通過從電機瞬態(tài)電流中減去正弦信號而被濾除。由此,這里考量的是從濾波電流中提取的小波系數(shù)。

考慮到由正弦曲線和未知頻率組成的附加信號的組成,如式(8)表示

u(t)=Asin(ωt+δ)+n(t)

(8)

式中,n(t)—附加信號的總和;A、ω—正弦波潛在的時變振幅和頻率;δ—正弦曲線的恒定相位。

正弦波的總相位為φ=ωt+δ。如果時間變化足夠慢,參數(shù)A、ω和φ被認為在很短時間間隔內(nèi)是恒定值,它們就是時間的函數(shù)。

這里使用梯度下降方法來最小化輸入信號u(t)和嵌入其中的正弦信號Asin(ωt+δ)之間的最小二乘誤差。結(jié)果是以下一組非線性微分方程來呈現(xiàn)信號動態(tài)算法,該算法旨在提取嵌入u(t)中潛在的正弦信號,而不需要對附加信號的組成進行任何假設(shè)。

(9)

(10)

(11)

頂部的點(·)表示相對于時間的差異。誤差信號e(t)表示輸入信號和提取的正弦曲線之間的差,即

e(t)=u(t)-Asinφ

(12)

圖8顯示了該算法在檢測擾動方面的能力。一旦算法提取出基本分量(虛線),就會檢測到疊加分量(點線)。該算法在跟蹤輸入信號特性(如基本分量的振幅、相位和頻率)的時間變化方面具有完全自適應(yīng)性。最重要的是,該算法在追蹤頻率隨時間變化方面表現(xiàn)出非常好的性能。

圖8 施加在正弦信號上的擾動的檢測圖示

在實現(xiàn)基本提取算法之前,將線電流轉(zhuǎn)換為單個旋轉(zhuǎn)電流矢量,然后將該矢量轉(zhuǎn)換到時域中,并用作提取算法的輸入。該算法提取非平穩(wěn)基波的瞬時頻率、幅值和相位,同時,該算法需要幾個周期才能收斂,因此,當從原始波形中減去估計的基波時,應(yīng)該丟棄0到0.2s之間的算法輸出,以允許算法收斂。然后使用離散小波變換和Daubechies 8小波對剩余電流進行分解。通常,在分解等級7～10,會看到斷條電動機與正常電動機樣本后段相比的小波系數(shù)存在明顯差異。

5 Hilbert-Huang變換(HHT)在斷條故障診斷中的應(yīng)用

HHT方法應(yīng)用是基于電機電流,而MCSA無疑是最可靠的診斷方法,因此這是一種很有前途的斷條故障診斷工具。它的基本概念公式為

(13)

(14)

式中,m—表示輸入信號被分解成的能級的數(shù)量;a—特定時間t的信號幅度和瞬時頻率ω。對于不同的頻率分量,從輸入信號的HT獲得a和ω?？梢奌HT是基于對一種時間變化現(xiàn)象的計算以及對其在不同頻帶上的變化的表示。

圖9和圖10顯示了正常電機以及典型斷條故障電流的IMF。IMF1包括信號的最高頻帶,其他頻帶的頻率限制按IMF的順序減小。這意味著IMF3的分量存在于較低的頻率。殘差是輸入信號和IMF之和之間的差。如圖10所示,當故障發(fā)生時,可在IMF2中觀察到單頻波動。

圖9 正常負載下電機電流IMFs

圖10 1根斷條情況電機電流IMFs

6 結(jié)語

本文總結(jié)分析了異步電動機斷條故障時主流穩(wěn)態(tài)和瞬態(tài)的信號處理和檢測方法,可以看到,實現(xiàn)精確的異步電動機斷條故障診斷,首先需要首先選擇合適的信號并經(jīng)過處理,信號處理技術(shù)以及最終提取故障敏感特征是診斷過程的關(guān)鍵,亦即選擇適當?shù)挠?時間、頻率、時間-頻率)、合適的信號、應(yīng)用適當?shù)男盘柼幚砑夹g(shù)等。值得注意的點是,大多數(shù)提出的技術(shù)都是和正常條件相關(guān)的,這意味著有必要在正常條件下建立指標庫,以便在故障情況時進行比較,從而更加清晰地對轉(zhuǎn)子斷條故障進行準確判斷。