[发明专利]一种基于模型的异步电动机故障监测诊断方法

说明书

技术领域

本发明属于电动机故障检测技术领域，涉及一种步电动机故障监测诊断方法，尤其是一种基于模型的异步电动机故障监测诊断方法。

背景技术

异步电动机具有结构简单、运行可靠的特点，是工农业生产中应用最广泛的驱动装置。但是电动机一旦发生故障会导致生产过程的中断，造成严重的经济损失，甚至威胁到现场操作人员的生命安全。

目前，电动机故障诊断是主要是通过对定子电流信号直接进行频谱分析实现的。当电动机发生故障时，在定子电流信号的频谱中会出现如下所示的特征频率成分（k=1,2,…；n=1,3,5，…）：

转子断条特征频率：f_r＝(1±2ks)f₁ (1)

定子匝间短路特征频率：

动态偏心特征频率：f_de＝N_rf_rm±kf₁±f_rm(3)

静态偏心特征频率：f_se＝N_rf_rm±kf₁(4)

轴承外圈故障特征频率：f_bo＝f₁±kf_O (5)

轴承内圈故障特征频率：f_bi＝f₁±f_rm±kf_I(6)

滚动体故障特征频率：f_bb＝f₁±f_C±kf_B (7)

其中，f₁为电源基频，s为转差率，f_rm为电机转频，N_r为转字条数目，p为电机极对数，f_O、f_I、f_B、f_C分别为轴承外圈故障固有频率、内圈故障固有频率、滚动体故障固有频率和保持架故障固有频率。

但是，异步电动机的早期故障表现出的区别于电机正常状态的故障特征通常是很微弱的，并且电机输入电压信号中存在着大量的谐波成分，会在电流频谱中产生很多附加的干扰频率，影响对电机故障的诊断，影响电机故障监测的灵敏度和故障诊断的可靠性。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种基于模型的异步电动机故障监测诊断方法，该方法能够有效提高异步电动机故障监测的灵敏度和故障诊断的可靠性。

本发明的目的是通过以下技术方案来实现的：

这种基于模型的异步电动机故障监测诊断方法，包括以下步骤：

1）首先采集新的能够正常运行的异步电动机稳定运行时的三相输入电压信号和三相输出电流信号，利用基于极限学习机算法的神经网络系统辨识方法建立起该异步电动机的数学模型，并把该数学模型作为该异步电动机的无故障模型；

2）将该异步电动机的无故障模型和该电机在相同的输入电压u驱动下并行运行，得到二者的输出电流信号之差，即残差信号d；

3）对残差信号d进行时域分析，根据3σ原则确定异步电动机残差信号有效值的阈值η，通过监测异步电动机稳定运行时残差有效值d_RMS是否超过阈值η来判断故障是否发生；

4）对残差信号d进行频域分析，根据残差频谱中出现的故障特征频率分量f_F来确定故障类型。

进一步的，以上步骤1）中，异步电动机的无故障模型通过采用基于极限学习机的神经网络系统辨识方法获得，包括以下步骤：

（a）采集得到异步电动机稳定运行时的三相输入电压信号u_A、u_B、u_C和三相定子电流信号i_A、i_B、i_C，并按照比例分为训练样本和检验样本两部分，训练样本用于学习得到异步电动机的无故障数学模型，检验样本用来对模型的效果进行验证；

（b）神经网络模型采用“串-并”辨识结构，神经网络的输入层节点数目选为15，包括三相电压信号的当前值、三相电压的延时信号、三相电流的延迟信号，神经网络的输入向量表示为：