电流异步转换故障分析

开篇：润墨网以专业的文秘视角，为您筛选了一篇电流异步转换故障分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

本文作者：许允之 曹海洋 董新伟 马草原 单位：中国矿业大学信息与电气工程学院

异步电动机的故障通常会导致电机定子、转子中气隙空间谐波分布的改变，从而引起电流谐波频谱的变化。基于快速傅里叶变化（FFT）的电流信号分析方法用于检测信号的谐波频率变化是实现电机故障诊断的重要分析手段，但其对转子故障的识别效果却不理想，主要原因是转子故障在定子电流中存在特征分量f1＝（1±2ks）f，式中s为电机的转差率，f为电源频率；f1为转子故障特征频率。该频率分量在频谱中的反映存在2个困难：一是故障特征分量小；二是电机运行时的转差率s一般很小，f1分量非常接近f分量，加上噪声的影响，转子故障特征分量容易被湮没，以致在电机故障诊断时不能在电流频谱中准确判断是否存在转子特征分量，易造成对电机状态的误诊断［1－2］。如何从电流信号中提取转子故障频率分量是近年来电机故障诊断中的研究重点，并取得了一定的效果。随着小波理论在工程应用中的不断深入，其良好的时频分析功能使得它在转子故障特征提取方面取得了较多的应用。本文利用小波变换时频局部化的优良特性，对启动电流进行小波变换，分析故障［3－4］。

1傅里叶变换与小波变换傅里叶变化的表达式为F（ω）称为函数f（t）的傅里叶变换

从时间域上看，就是把原始信号分解为各个频率的正弦波的叠加。小波变换的表达式为式中，a为伸缩尺度，b为平移因子。小波变换也是不同尺度和位移的小波的叠加。不同于傅里叶变换的一点是，小波变换有尺度和位移2个参数，这是因为正弦波是定义在整个实轴上的，而小波一般具有紧支集，只在一定范围内不为0（或逼近0）。由于这个特点，所以小波变换只能在成比例的尺度和位移之间有效地利用以前的计算结果，所以大部分的计算是通过穷举法完成的。随着小波函数形状的变化，小波变换对信号分析的精细程度也随之变化，即实现了多分辨率分析；随着伸缩尺度a的值增加，小波函数的中心频率向低频方向移动，其时域波形展宽，频域波形变窄，从而提高了频域分辨能力；随着a的值减小，小波函数的中心频率向高频方向移动，其时域波形变窄，频域波形展宽，从而提高了时域分辨能力。也就是说，小波变换在时域和频域同时具有良好的局部化性质。总体上看，Wf（a，b）反映了信号当中在尺度a所对应的频带上的分量（频率成分），平移因子b所对应的时域区间上的比重关系。

2小波变换在异步电机转子故障诊断中的应用

当电机启动时，转子转速由0逐渐升高到稳定转速，转差率则从1逐渐下降到很小值，通常为百分之几。如果电机转子发生断条故障，那么断条特征频率由0逐渐逼近工频。如果能够利用电机在启动过程中，断条特征频率逐渐逼近工频这一特点，就能够准确地诊断出转子断条故障，而小波变换的时频局部化特性，恰好为准确提取频率逐渐变换的断条故障信号提供一种有效的手段。当小波变换分解电机启动电流信号时，只要伸缩尺度a的变化范围选择合适，就可以获得小波函数频窗中心从50Hz到几赫兹，甚至零点几赫兹的多个低频带分解信号。根据不同尺度对应的低频带分解信号的变化，就可以判断出有没有频率逐渐变化的信号成分，进而诊断出有无断条故障［5－6］。图1是实验得到的带有转子断条的异步电机瞬时启动时的A、B、C三相实验数据波形。在Matlab中读入三相电流采样数据。本文仅以其中的A相电流为例进行分析。首先进行傅里叶变换，得到图2所示的波形与频谱。傅里叶变换缺乏对信号局部特征的描述能力，即缺乏空间（时间）局部性，并不能从中看出断条特征频率由0逐渐逼近工频的特征，因而无法有效地判断出故障。对A相电流采样数据进行小波变换分析：在Matlab中打开小波工具箱，选择一维连续小波变换，导入A相电流采样数据，选择Matlab提供的morl小波，进行信号分解，不仅能获得分解信号的幅值，而且能同时获得分解信号的相位，因而对电机启动电流进行分解，就可获得不同伸缩尺度下的分解信号幅值与时间的变化关系曲线［7］。图3为a＝300（对应频窗中心13．542Hz）的分解信号变化曲线。通过对以往数据的分析，可知无断条故障的电机启动电流信号的低频分解信号随时间很快衰减消失，即使有幅值也很小。分析图1中的3幅图可以看出，对于有断条故障的电机启动电流信号，在启动时间段内，其低频分解信号均有一定幅值。可见，应用连续morl小波，对电机进行分解，可有效地提取出信号中的频率逐渐变化的信号成分，进而能准确诊断电机转子断条故障，而且该方法从根本上消除了负载变化和电源谐波带来的不利影响；而且只要出现断条就能检测到，因为启动电流相对较大，断条特征频率成分会得到充分显现，小波分解信号对此能反映得非常精细，具有非常高的灵敏性［8－9］。

3故障电机启动电流特征提取

为了从故障信号中提取明显的转子断条故障特征，本文采取小波包分析方法［10］。分析步骤：本文选Coif5为小波包基，对启动信号进行4层分解；重构小波分解后的信号，并对其进行FFT变换。通过上述步骤对采集到的断条与偏心定子起动电流信号进行4层Coif5小波包分解后重构结点（4，1）的信号，然后进行FFT变换，结果分别如图4与图5所示。电机启动时转子转速n由0逐渐升到稳定转速；转差率s从1逐渐降至很小。如果有断条故障就必然会出现特征频率（1±2s）f，则启动时断条故障的特征频率由0与3f逐渐逼近f。同时，启动瞬间转子断条受到的磁拉力很大，其特征更易于凸显［11－12］。图4为断条电机启动电流信号经过小波包分解重构，再FFT变换后的波形，图4（b）中断条电机150Hz处及3f处特征较为明显，证明对断条电机启动电流进行小波包分解，选择适当的结点，重构后再FFT变换的方法来诊断电机断条故障是可行的。对气隙偏心故障，电流信号中的特征频率成分可简化为f±sfr，其中fr＝（1－s）f／p。当转差率s为1时，故障特征频率f±fr最为明显。一般情况下，不论极对数p的数值，fr（fr为故障特征频率）与电源频率f的分离度都是比较大的，偏心故障特征频率容易与电源基频f分离。因此，可采用常规的单相电流频谱分析方法，简单易行并便于和基频比较。图5为偏心电机电流小波包分解后再对结点（4，1）FFT变换。从图5可发现，偏心电机产生5次谐波，与图4相比在150Hz处波动不大。为计算启动电流信号小波包分解后的频带能量，选db3为小波包基，对启动信号进行4层分解，分解结果见表1［13－14］。由于偏心故障特征频率与电源基频f1相距较远，而断条故障特征频率与电源基频很接近，所以在结点（4，0），对应的频率为0～156Hz断条故障的频带能量大于偏心故障；结点（4，1）对应的频率为157～312Hz，为电流三、五次谐波所在频段，断条电机的频带能量大于偏心电机；除结点（4，0）和（4，1）外，在较高频段上偏心电机与断条电机也有较大区别，如结点（4，7）、（4，8）、（4，9）和（4，10），偏心故障的频带能量高于断条故障。

4结束语

本文对笼形异步电机转子断条仿真信号分别用以Symlets2和Coif5对小波包基进行小波包分解。通过对仿真信号的分析表明，以Symlets2和Coif5分别为小波包基进行小波包分解可看出正常电机与转子断条电机有明显区别。对实测的正常电机定子电流信号与转子断条定子电流信号进行频谱分析和小波包分解得出：频谱分析并不能够准确体现出故障特征信号，但对电机定子电流信号进行小波包分解后，区别是比较明显的。再对断条与负载波动的定子电流信号进行仿真，经过小波包分解区分两者频率的特征分量。通过以上分析结果说明，用小波包分析方法判断电机是否发生断条故障是准确可行的［15］。