基于LabVIEW的异步电机转子断条检测

    笼式异步电动机转子断条故障将会导致电机的运行性能恶化，对生产发展造成一定的损失，而且转子断条故障的发生概率高达10％，因此需要在故障发展初期进行早期检测并及时告警，进行维修。经研究表明笼式电动机发生断条故障后，在其定子电流中将会出现(1±2S)f0的附加电流分量(S为转差率、f0为电源频率)，此电流分量称为边频分量，可作为转子断条故障的特征频率。早期广泛的采用对电流进行频谱分析来检测转子断条故障，然而在电机稳定运行时转差率很小，使得边频分量(1+2S)f0非常接近基波频率，同时边频分量的幅值只有基波频率的1％～3％，极容易被基波泄漏或噪声说覆盖，影响检测的灵敏性。而且直接对定子电流载波动。
    为了解决这些不足文献采用了贝叶斯最小误差分类器的模拟识别技术来辨别电机的故障状况。文献则采用了希尔伯特变换和数字滤波判断转子断条和负载波动。
    与文献相同，本文针对基波淹没边频分量以及负载波动的影响，以保证其高灵敏度于高可靠性的原则，提出了将数字滤波、zoom-FFT频谱细化、快速傅里叶变换、定子电流齿槽谐波分量的转差率估计相结合的转子断条的检测方法。仿真和实验数据表明该方法是可行有效的。

1 理论基础
1．1 数字滤波
    由于采集到的电流信号中含有基波信号，而且前已提及由于边频分量和基波信号频率很接近，基波信号的泄露可能掩盖掉边频信号。就转子断条故障检测来说，基波信号就是噪声，应该将其滤除。为了在滤除噪声时尽可能的减小衰减边频分量，本文设计了一个带阻滤波器。因为电源频率约为50 Hz，故设计的数字滤波器低截止频率和高截止频率分别为49．8 Hz和50．2 Hz。这个滤波器适用的条件为S≤0．0002，基本满足市场上的所有电机的要求。
1．2 zoom-FFT频谱细化
    由于电机的转差率很小，在满载运行下通常也只有0．02～0．08，对于大型铜条转子异步电动机起转差率约为0．005。转子断条边频分量(1+2S)f0，通常相隔很近，为了避免频谱混叠，也为了精确地找到齿槽谐波分量必须要求提高分辨率的频谱图的分辨率。本文采用的是zoom-FFT频谱细化的方法。
1．3 频谱定子电流齿槽谐波分量的转差率估计
    我们知道由于实际电机本身所固有的非对称性、气隙偏心、转子不对称、小波波动等因素也会导致边频分量的出现，产生误判。但是如果知道转差率S的话，就可以排除这些因素的干扰。根据参考文献，可以得到电机转差率：
   
    式(1)中极对数P和转子齿槽数z2可以直接由电机参数得到且对于同型号电机来说为常数。因此只要能够精确得到一阶槽谐波分量fr1以及电源频率fr0，就可以较高精度地求得转差率。
    首先估计一阶槽谐波分量的频率可能存在的区间。这里可以假设电机空载时电机转差率S=0，此时由式(1)可得频率搜索的上限值，因为fr10=(z2／p-1)f0。电机正常运行时功率不因超过额定值，进而实际转差率也不会超过额定值，且假设电机只运行在电动机状态，则该取间的宽度为：
   
    式中，fs(RATED)为电机额定转差频率，S(RATED)为额定转差率。因此搜索区间可确定为[fr10-△fr，fr10]。
    这里必须注意在实际操作中必须注意电源谐波分量(nf0)的干扰，如果搜索区间内出现了电源谐波分量，因先排除以后再寻找一阶槽谐波分量。[page]

2 转子断条的检测方法
    在上述理论的基础上，本文提出了一种基于数字滤波、频谱细化分析和定子电流齿槽谐波分量的转差率估计的在线检测电机转子断条的方法，其基本思路为：通过硬件系统采集定子电流信号；并对电流信号进行带阻数字滤波，滤除基波信号，避免基波淹没边频分量；对滤除基波的信号做局部频谱细化分析，提高信号频谱的分辨率；频谱定子电流齿槽谐波分量的转差率估计精确算出转差率S，由S得到边频分量(1 ±2S)f0的值，避免实际电机本身所固有的非对称性、气隙偏心、转子不对称、小波波动等因素的对边频分量的影响；在设定的频率范围内做峰值检测，并与得到的边频分量进行对比，判断检测到的峰值中是否存在一对分量频率同边频分量频率相一致，且幅度相当。若存在，则电机故障，反之亦然。软件系统结构框图如图1所示。

3 仿真与实验结果
    为了验证该方法的有效性，进行了一系列的数字仿真和实验。实验室采用一台型号为J02-11-4的三相异步电动机(0．6 W，380 V，50 Hz，1380 r／min)。实验过程中分别对正常情况下，1根2根3根转子断条在空载的情况下进行仿真。
    对于基波信号会覆盖边频信号和避免频谱混叠，我们采用了数字滤波和频谱细化分析，图2为直接对电流做频谱分析，图3为频谱细化后进行频谱分析。由图1可以看到不对定子电流进行细化分析会产生频谱混叠，影响故障信号，而如果只做频谱细化的话，边频分量又会被基波所覆盖。图4、5、6、7分别为0、1、2、3根转子断条经过数字滤波和频谱细化分析后的频谱。由图可以看到通过数字滤波和频谱细化分析可以很好的解决这个问题。同时我们可以发现，随着段子断条故障的严重程度的增加，边频分量的幅值也随着增大，因此可以通过设定阈值来预警。

[page]

    我们知道由于实际电机本身所固有的非对称性、气隙偏心、转子不对称、小波波动等也会产生边频分量，由式(2)我们知道，只要能够知道一阶齿槽谐波分量，我们就可以准确知道转差率的大小，并算出故障频率，以排除干扰。图8为确定区间内的频谱图，由频谱图可知494 Hz为所要确定的一阶齿槽谐波分量fr1。由于实验电机的极对数P=2和转子齿槽数z2=22，因此可以确切的算出边频分量(1±2S)f0的大小49.5 Hz和50．5 Hz。这结果同图7频谱图上的结果是一致的。因此可以准确地确定边频分量，检测电机转子断条故障。

4 结论
    针对故障信号可能被基波分量泄漏或噪声所淹没和实际电机本身所固有的非对称性、气隙偏心、转子不对称、小波波动等因素也会导致边频分量的出现，产生误判，本文给出的LabVIEW平台下基于数字滤波、频谱细化分析和定子电流齿槽谐波分量的转差率估计的三相异步电动转子断条的故障在线检测方法，能够准确的找到故障信号。仿真和实验结果表明该方法能够大幅提高转子断条故障分析的准确性和可靠性。