永磁同步电机故障诊断方法研究综述

永磁同步电机故障诊断方法研究综述

1郑苗苗2王哲

1身份证号码：411329198704013129   2身份证号码：411381198805122039

摘要：永磁同步电机（permanentmagnetsynchronousmotor，PMSM）具有宽速度范围、高输出扭矩、快速速度调节响应以及小巧轻便的特点，在生产制造领域得到广泛应用。由于PMSM本身的制造缺陷以及运行过程中的磨损、变形和腐蚀等影响，PMSM的性能会随着部件性能的恶化而逐渐恶化，引发安全隐患（匝间短路、均匀和局部退磁、轴承故障等），在严重情况下，甚至可能引发停机事故，给经济造成严重损失。PMSM在工作中不断受到速度变化和负载波动等复杂工况的影响，负载的瞬态工况会加快PMSM的老化和损坏，因此及时准确地诊断PMSM故障非常重要。目前，PMSM故障诊断研究主要基于稳态工作条件，对于变速和变载工况下的故障诊断研究较为有限，而适用于稳态条件的电机故障诊断方法未必适用于频繁启动。

关键词：永磁同步电机（PMSM）；轴承故障；故障诊断

引言

PMSM是一个较为复杂的机电耦合系统，引发系统故障的原因多种多样。此外，电机的故障诊断技术涉及到力学、热学和信号处理等多个领域知识的结合。目前，大型电机的诊断技术相对成熟，大型电机的诊断系统使用多个传感器来监测电机故障，包括电信号、温度信号、噪音和振动等。在中小功率领域，受成本因素的限制，更常应用单一传感器的诊断系统，单一信号的局限性在一定程度上影响诊断准确性。

1电机常见故障介绍

中性点不接地系统，因此出现接地后无法及时判断哪个回路有接地，只能通过常规的拉路法测试排除，耗时较久。很多情况下还没有找到故障点，故障回路就发展成相间短路，造成电气事故，影响设备的安全运行，对电网也造成扰动。（1）机械故障。机械故障有扫膛、振动、轴承损坏等，如异步电动机定、转子之间气隙很小，容易导致定、转子之间碰撞。由于轴承严重超差、端盖内孔磨损或端盖止口变形，使机座、端盖、转子三者不同轴心引起扫膛等。（2）电气故障。电气故障有绕组接地、绕组短路、绕组断路、缺相运行或电压不正常等。

2电机轴承故障诊断流程

基于混合域特征优选的滚动轴承故障诊断方法具体实现过程如下：(1)利用CEEMDAN算法对轴承振动信号进行分解，提取前4个IMF分量的能量熵、模糊熵和奇异谱熵作为熵特征集;基于加权峭度指标选取合适的IMF分量进行重构得到重构信号，提取重构信号的时域和频域特征集。(2)将步骤(1)得到的特征集融合成26维的混合域特征集，利用mRMR-RF算法对混合域特征集进行特征重要性排序。(3)根据特征重要性排序结果，依次选取前h(h=1，2，…，N)项特征作为特征子集输入采用GWO算法选取最优超参数的XGBoost模型进行故障诊断，并根据实验结果选出最优特征子集。

3电机故障诊断方法

3.1轴承故障诊断方法

针对电机轴承故障，通常采用的特征信号包括振动信号、电流信号、声学信号和热信号等。大多数研究人员倾向于利用振动信号进行分析，以识别轴承故障的特征。在嘈杂的环境下工作良好，并且在工作负载发生变化时表现良好。通过频域的方法分析振动信号，可以挖掘频域维度的故障信息，通过快速傅里叶变换（fast              Fourier              transform，FFT）提取轴承的故障频率，从而实现对轴承故障的检测，但是需要稳态条件，对负载和转速也不具有鲁棒性。FFT需要具有高分辨率，从而能够区分轴承故障的频率与定子电流的频率。采用缩放FFT算法来降低计算成本，提高分辨率。对于振动信号的时频域处理方法主要有连续小波变换（continuous wavelet transform，CWT）、希尔伯特变换（Hilbert transform，HT）等。采用CWT模型对振动信号进行预处理和裁剪，提取故障特征后，应用多层感知机作为分类模型来识别不同类型的故障，但是需要一定的计算时间。电流信号具有非侵入式测量的特点，因此部分研究人员选择利用电流信号进行轴承故障诊断。除了噪声以外，温度也是轴承故障诊断研究者关注的方向。使用二维离散小波变换对热图像进行预处理和滤波，采用主成分分析方法消除不相关的特征，通过马氏距离法按照相关性顺序对选定的特征进行排名，并将这些选定的特征传递给多种分类器进行学习和诊断，虽然这种方案不会破坏电机的内部结构，但是热成像仪的使用会大大增加诊断成本。

3.2气隙偏心故障诊断方法

针对电机偏心故障，通常采用的特征信号有温度信号、电流信号和空载反电动势等。通过振动信号频域分析故障特征，结合仿真模型分析了啮合力和振动加速度有效值随偏心距离的变化情况，为偏心故障的诊断提供理论依据。分析了静态和动态偏心下电磁力的空间顺序和时间频率的变化规律，比较了不同偏心下静态和动态偏心对电机电磁振动的影响差异。

3.3退磁故障诊断方法

PMSM的工况复杂多变，过载、短路或其他工况可能导致永磁体温度过高，进而引发退磁故障，导致电机性能严重下降甚至损坏。因此，在早期阶段对退磁故障进行表征和诊断至关重要。对于退磁故障，通常采用的特征信号包括振动信号、电流信号和电感信号等。采用二维FFT来提取主导振动的重要谐波阶数，仿真和实验结果表明，在退磁故障条件下会出现特定的低模态阶数和相应的频率分量。部分研究者使用安装在每个定子齿上的探测线圈来诊断故障位置，该方法在侵入性、实施成本和安装方面受到限制。

结束语

文中对当前PMSM的多种故障诊断方法的研究进展进行了综述，详细讨论了这些诊断方法的优势和限制，并指出了故障监测与诊断研究存在的问题，得出未来电机故障诊断技术发展主要有以下几个方向：（1）多信号融合技术。多模态数据的融合可以提供更全面的故障信息。未来的研究可以探索如何有效地整合来自振动、电流、温度等多个传感器的数据，以提高故障诊断的准确性和可靠性。（2）简化高效的模型。发展更简化、高效、通用的电机故障诊断模型是一个重要方向。这可能涉及到深度学习、机器学习等技术的应用，以建立更精确的模型，并确保其在不同类型的电机和工况下都具有良好的通用性。（3）集成化与智能化系统。未来的电机故障诊断系统可能会趋向于更集成、高精度、智能化和网络化。这包括了在设备内部集成故障监测系统，实时处理大量数据，并通过网络传输结果。智能算法和自适应系统可能在这方面发挥关键作用。（4）实时监测与预测。未来的研究可以集中于实时监测和预测电机的健康状况。通过结合实时数据和先进的分析技术，可以预测潜在的故障，从而实现预防性维护，减少停机时间。（5）大数据与云计算。利用大数据和云计算技术，可以更有效地存储、管理和分析来自多个电机的数据。这有助于建立更强大的模型，提高故障诊断的准确性，并为系统性能提供反馈。（4）深度学习的进一步应用。深度学习技术在故障诊断中取得了显著的成就。未来的研究可以进一步探索深度学习在电机故障诊断中的应用，以提高模型的自适应性和智能化水平。

参考文献

[1]龙丹，唐润忠，吴公平，等．考虑参数失配的PMSM鲁棒无差拍预测电流控制[J].电力科学与技术学报，2023，38（4）：113-122，168.

[2]周立，尚治博，周越鹏，等．永磁同步电机低复杂度双矢量预测电流控制[J].电力系统保护与控制，2023，51（6）：63-72.

[3]曾小莉，王维庆，王海云．基于新型电压控制律的永磁同步电机滑模补偿控制[J].电力系统保护与控制，2023，51（10）：153-162.