[发明专利]基于完全自适应矩阵束的电机转子偏心故障诊断方法

说明书

技术领域

本发明属于电机转子故障诊断领域，具体涉及一种完全自适应陷波矩阵束的电机转子偏心故障诊断方法。

背景技术

电机几乎存在于所有的工业场合，绝大部分的设备运转由电机驱动。电机，尤其大型电机，是社会正常运转的关键。因为电机的大量使用，不可避免地会出现故障；特别在一些应用环境恶劣，负载冲击性大的场合，电机故障率较高。在复杂的生产线上，如果关键的电机出现故障却不能被及时发现和维护，那么整个生产线的产品质量会受到影响；严重的电机故障可以造成工业事故和经济损失。在载人的电机应用场合，电机的状态检测和故障诊断技术的重要性不言而喻。

电机转子偏心故障包含静态偏心、动态偏心和混合偏心，实际常见的偏心故障是混合偏心故障。矩阵束作为一种参数辨识方法，可以被用于分析含有噪声的电机电流信号，从而检测电机偏心故障。传统矩阵束内部存在奇异值分解和截断过程，而它的存在使得矩阵束算法具有很强的消除噪声的特性。但在电机转子故障诊断方面，传统矩阵束存在两个问题。其一，奇异值截断过程需要人为给定合适的阈值，这个阈值事先未知，只能通过反复尝试校验得到。阈值与电机运行转速和负载密切相关。不恰当的阈值设定会导致矩阵束算法失效。其二，相比于电流基波分量，电流中的转子偏心特征谐波属于微弱特征信号，而传统和其它改进的矩阵束算法无法消除基波分量对微弱特征信号辨识精度的影响。

发明内容

本发明的目的是，针对传统矩阵束算法在电机转子偏心故障诊断上的不足，提供一种完全自适应矩阵束的电机转子偏心故障诊断方法，包括自适应截断阈值和自适应基波陷波。其特点是，通过计算奇异值矩阵的最大似然估计，能够根据电机所处的不同工况，自适应调节矩阵束的奇异值截断阈值，从而使得本发明提供的转子偏心故障诊断方法不会在任何转速以及负载下失效；同时，针对电机转子偏心故障特征微弱，辨识精度难以保证的问题，本发明利用矩阵束内部的奇异值矩阵，通过若干步的操作，能够实现完全自适应地陷波基波电流分量，不需要指定陷波频率等常规陷波滤波器参数，具有理想的自适应陷波功能，从而凸显故障特征，提高转子偏心故障特征的辨识精度，降低误判可能性。

本发明所述的，基于完全自适应陷波矩阵束的电机转子偏心故障诊断方法，适用于电机稳态运行或渐进稳态运行过程，包括以下步骤：

1)通过电流信号采集设备获得电机任意一相电流(时长不需要超过1秒)，并对这些连续采样点做预处理后，得到记为x[n]的长度为N的数据序列；

2)用序列x[n]构造出(N-L)×(L+1)维的Hankel矩阵X；

3)对矩阵X做奇异值分解，得到奇异值矩阵Σ；

4)计算奇异值矩阵Σ的似然估计曲线，并求其最大似然估计，得出奇异值矩阵Σ截断需要的自适应阈值；

5)对矩阵束相关矩阵进行改造，实现基波自适应陷波滤波效果；

6)完成传统矩阵束算法的剩余步骤，包括奇异值截断、求解矩阵束的广义特征根，以及求解超定方程；提取辨识出的低频段全部谐波的频率和幅值信息；

7)以频率作为横轴，幅值为纵轴，对全部谐波幅值标幺化后，绘制低频段所有谐波的杆状图，根据图谱特征诊断电机转子是否存在偏心故障。

进一步的，所述步骤1)中的数据预处理措施为：保证N需要覆盖至少p个基波电流周期，p是电机的极对数；而且第一个采样点必须是过零点。

进一步的，所述步骤2)中的Hankel矩阵X形式为：

其中L被称为束参数，

进一步的，所述步骤3)中的奇异值分解的方法为：X＝UΣV^T；其中左奇异矩阵U＝(u₁,u₂…u_(L+1))，右奇异矩阵V＝(v₁,v₂…v_(L+1))，U的各列是矩阵X的左奇异标幺化特征向量，V的各列是矩阵X的右奇异标幺化特征向量；矩阵Σ是对角矩阵，对角线上的元素是矩阵X的奇异值，且降序排列；Σ的具体形式为：

进一步的，所述步骤4)中的计算最大似然估计曲线的方法为：

设{X_i|i＝1～L+1}是来自总体的样本，σ₁～σ_L+1分别对应这(L+1)个样本的样本数，总样本数目为