课 程 设 计 报
学 院： 自动化学院
专业名称： 电气工程及其自动化
学生姓名： 邬岑颖
指导教师： 付朝阳
时 间： 2014.9.1——2014.9.14
告
课程设计任务书
题目：电机故障诊断方法研究概述
对电机故障诊断方法进行研究，包括国内外的主要研究现状，主要研究方法等。要求不少于10篇国外期刊文献（中国电机工程学报、电工技术学报等同于国外期刊）
一、设计内容
1、了解电机故障的原理
2、搜集相关方向期刊文献，进行挑选并阅读
3、总结所读论文，完成概述论文
二、进度要求
1、了解设计内容
2、挑选论文
3、阅读论文
4、进行仿真 2天 1天 4天 2天
2天
2天
1天
指导教师 5、结果分析 6、撰写设计报告 7、汇报 学 生
目 录
摘 要 ............................................................................................................................... 3
引言 ................................................................................................................................... 4
1 故障检测与诊断简介 ................................................................................................... 4
2 电机故障诊断研究概况以及发展方向 ....................................................................... 5
3 电机故障的分类以及其诊断方法 ............................................................................... 6
4 典型电机定子绕组故障的诊断方法的分析 ............................................................... 8
5 基于MATLAB的电机转子断条故障仿真 ................................................................. 9
6 结论 ............................................................................................................................. 15
7. 参考文献 .................................................................................................................... 15
8 课程设计心得 ............................................................................................................. 16
9 致谢 ............................................................................................................................. 16
摘 要
电机作为一种重要的动力源，广泛应用于工业、生活等各个领域，其故障的检测和诊断是应用过程中值得关注的问题。电机的结构和运行特性，导致了其发生故障后不能被直观地检测和诊断，只能对运行电机进行参数监测，再对参数进行处理、分析，从而判断故障类型，找到解决办法。
本文从常见的三种电机故障，即定子绕组故障，转子绕组故障和轴承故障入手，阅读了国内外多篇相关文献，概括介绍了众多学者的研究成果，并对应用广泛的小波分析法进行了初步地探究。
小波分析法是通过连续小波变换将电流信号中的各特征频率分量转换到时频分布空间，对该时频空间进行奇异值分解，将各特征频率分量分解到不同的正交特征子空间中，对特征子空间的选择重构可以有效地滤除电源频率分量而提取出转子故障特征分量，从而进行故障诊断的方法[1]。本文运用MATLAB软件对电机运行进行仿真，并尝试用小波分析法进行故障诊断和检测，仿真结果证明了小波分析法应用于电机故障诊断的正确性。
关键词：电机故障概述；信号分析；MATLAB仿真
电机故障诊断方法研究
引言
电机是各种用电器及机械的动力源，是现代社会生产中应用最广泛的一种动力设备，随着工业技术的进步，电机也随之飞快的发展。然而，电机故障却是实时存在的，如何准确、快速地找到电机故障所在，尤其是能够随着电机运行，进行故障诊断，是当今电机学领域研究的一个热点。
多年来，国内外众多学者对电机故障及其诊断进行了大量研究，主要发现了定子绕组故障，转子绕组故障以及轴承故障等三大类故障，并找到了多种解决办法，如针对定子绕组故障的时域分析法、电流的负序分量法、负序阻抗法、瞬时功率分解法、坐标变换法和负序分量融合方法等；针对转子绕组故障的失电残余电压诊断法、经验模态分解和支持向量机法、Hilbert模量频谱分析法和瞬时功率信号频谱分析法等；针对轴承部分的经验模态分解和超球多类支持向量机法、时变参数自回归模型和支持向量机法以及信号共振稀疏分解与能量算子解调法等。此外，还有适用于多种故障诊断的逻辑诊断方法和小波分析法。
笔者阅读了国内外多篇重要文献，对上述多种电机故障诊断方法进行概述，并使用小波分析法对转子断条故障进行仿真，证明了这一方法应用于电机故障诊断的正确性。
1 故障检测与诊断简介
设备诊断技术是根据设备运行时产生的各种信息，在设备运行时或基本不拆卸的情况下，通过对运行时的各种状态参数进行分析，进行故障诊断，并对未来故障进行预测的技术。这项技术分为以数学模型为基础和以观测数据为基础两类，发展至今已经经历了三个阶段：
第一阶段：诊断结果多取决于专家的感官和经验，对诊断信息只做简单的数据处理；
第二阶段：以信号处理和建模处理为基础，以传感器技术以及动态测试技术为手段的现代化诊断技术，在工程中得到广泛应用；
第三阶段：随着计算机人工智能的发展，诊断技术进入以知识处理为核心，信号处理、建模处理、知识处理相融合的智能诊断技术阶段[2]。
2 电机故障诊断研究概况以及发展方向
2.1研究概况
电机故障诊断是电气领域的一个重要的研究课题，主要涉及的知识领域有：电机理论、电磁测量、信号处理、计算机技术、热力学、绝缘技术和人工智能等。早在二十世纪初，各国科学家就对电机故障诊断进行了探究，发现电机故障必然导致电机电流变化，从而引起电机磁场分布变化。到了二十世纪七八十年代，已经发现了定子电流法、转速波动法和振动分析法来检测电机故障，1998年提出有限元分析法和快速傅里叶变换的方法来对相应参数进行分析，2001年，基于小波包分解和人工神经网络的方法也被应用于这一领域。
我国对于电机故障诊断的探究开始于二十世纪九十年代初。1990年，温仲元提出了通过分析电机电流对感应电机故障进行诊断；1997年，邱阿瑞提出通过对电机定子电流信号做希尔伯特变换解调处理，提取故障特征分量，结果表明此法适用于负荷波动较大的转子故障诊断；同年，叶昊提出一种基于小波分析的动态系统故障诊断方法，具有灵敏度高，克服噪声能力强的特点；2003年，蒋斌、颜钢锋针对谐波小波所存在的时域特性差的缺点，提出了一种改进的具有良好的时频域特性的谐波小波，并由此提出了一种电机故障诊断的新方法；2004年刘振兴、尹项根提出了以平均瞬时功率为监测量的监测方法，能够有效地将复合故障分离；同年，许伯强首次将连续细化傅里叶变换、自适应滤波、转子齿槽谐波转差率估计、检测阈值自整定技术有机结合，形成电机故障诊断新方法。
目前对电机故障诊断的研究大部分仍然采用监测定子电流的方法，通过各种方法对信号进行分析，找到相应的特征频率，根据特征频率下幅值的变化，判断电机故障类型[2]。
2.2发展方向
随着诊断技术的发展，诊断系统也需要进步，目前趋向便携型、智能型、经济型发展。便携型和智能型都是为了便于使用和操作，经济型是为了更好地占有市场，是未来十分重要的发展方向[2]。
3 电机故障的分类以及其诊断方法
3.1定子绕组故障诊断方法
运行实践表明，定子绕组匝间、相间短路故障是最常见的和最危险的故障。这种故障的最明显的标志是绕组出现局部过热，相电流的对称性破坏，转矩降低，蜂鸣和振动加剧。这些故障的发生和继续，不仅导致电机损坏，而且可能导致损坏生产线中的其他设备，造成长时间的停产并产生昂贵的维修费用。
因此，工业生产过程迫切需要开展对电机迅速有效的状态监测及故障诊断。特别是对那些大型电机，需要运用在线监测技术，及时评估电机的运行状态，对故障实行早期预报，从而避免恶性事故和不必要的停机造成的经济损失[3]。
多年来，学者们针对电机定子绕组故障提出了多种诊断方法，主要有：
1、时域分析：以电流分析法为主，采用多种特征参量对定子绕组故障进行诊断。此法直接选取定子电流作为特征信号，可方便地实现定子绕组故障的在线监测[3]；
2、逻辑诊断方法：通过讨论故障对电机电磁振动和声学性能的影响，建立包括直接故障及其条件故障在内的电机故障模型，利用逻辑诊断方法，借助布尔矩阵确定最小诊断试验集及相应的监测参数，通过对绕组电压和电流中三次谐波的监测能够在故障初期和在运行条件下确定故障类型[4]；
3、基于定子电流的负序分量法：利用故障造成的三相不对称所产生的负序电流分量进行故障检测[5]；
4、负序阻抗法：通过检测负序阻抗的变化对定子故障做出诊断[5]；
5、瞬时功率分解法：通过对电机瞬时功率的分解，可以排除电机固有因素和环境因素所产生的负序电流，从而得到仅由定子故障引起的负序电流，有较高的准确度[5]；
6、坐标变换法：将信号变换到不同的坐标系下进行分分析，对故障特征量提取的效果较好[5]；
7、负序分量融合方法：应用多源信息融合理论将交流电机定子电压、电流负序分量通过李萨如方法进行融合，形成负序李萨如图形，提取负序李萨如图形倾角作为故障特征分量进行电机定子绕组匝间短路故障诊断[5]。
3.2转子绕组故障诊断方法
转子绕组故障是另一种比较常见的故障，若不能及时发现而让其继续“带病”运行，时间过长可能造成设备损坏，产量下降，维护费用增大等不良后果。
学者们对此进行了大量卓有成效的研究，并取得了不少成果，主要有：
1、失电残余电压诊断：利用完好电机和转子绕组故障电机定子失电残余电压谐波成分的差异，进行故障诊断[6]；
2、经验模态分解和支持向量机法：对转子系统的振动信号进行经验模态分解，将其分解为若干个固有模态函数；对每一个IMF分量建立AR模型，取模型的自回归参数和残差的方差作为故障特征向量，并以此作为输入来建立支持向量机分类器，判断转子系统的工作状态和故障类型[7]；
3、Hilbert模量频谱分析：将 Hilbert 模量定义为原始信号与其共轭信号的平方和，对定子电流进行Hilbert 模量频谱分析，可以有效地诊断鼠笼式异步电动机的转子故障[8]；
4、瞬时功率信号频谱分析：采集定子某两个端子之间的线电压和对应的线电流，由二者的乘积即可构成瞬时功率信号，使用瞬时功率信号能避免基波电流对故障特征成分的影响，更好地突出故障特征，分离复合故障。这些都有益于对故障程度的量化和诊断规则的建立[9]；
5、逻辑诊断方法：同定子绕组一样，转子绕组故障也可以采用逻辑诊断方法，且做法类似[4]；
6、小波分析法：通过连续小波变换将电流信号中的各特征频率分量转换到时频分布空间，对该时频空间进行奇异值分解，将各特征频率分量分解到不同的正交特征子空间中，对特征子空间的选择重构可以有效地滤除电源频率分量而提取出转子故障特征分量，从而进行故障诊断[1]。
3.3轴承故障诊断方法
由于电机是一种旋转机械，内部的轴承是电机的重要组成部分，因此探究旋转机械轴承故障诊断方法，对于电机故障诊断是十分重要的。
滚动轴承是旋转机械中应用最为广泛的机械零件，其运行状态是否正常直接影响机械设备的工作性能与运行寿命。当滚动轴承出现故障时，在滚动体相对滚道的旋转过程中，常会产生有规律的冲击脉冲，能量较大时，激励起外环固有频率，形成以外环固有频率为载波频率，以轴承通过频率为调制频率的固有频率调制振动现象，影响整台机器的精度、可靠性及寿命[10、11]。
针对轴承故障诊断，相关学者做了大量研究，主要结论有：
1、经验模态分解和超球多类支持向量机法：对各状态振动信号进行经验模态分解，得到一系列固有模态函数和一个残余分量。经验模态分解方法具有分解自适应性和分解唯一性。对每个固有模态函数建立自回归模型，分别采用Yule-Walker和Ulrych-Clayton两种方法求得模型参数和残差方差，并以此作为各类状态信号的特征矩阵，输入到改进的超球多类支持向量机分类器，判断滚动轴承故障位置及性能退化程度。可以同时实现滚动轴承故障位置及性能退化程度的智能诊断[10]；
2、时变参数自回归模型和支持向量机法：首先通过对振动信号建立TVAR模型，提取模型系数及残差的方差作为信号特征，然后利用SVM对信号进行分类，继而实现故障自动识别，此法能在较少样本的情况下获得较好的诊断结果[12]；
3、信号共振稀疏分解与能量算子解调法：采用信号共振稀疏分解将冲击脉冲从滚动轴承振动信号中分离出来，然后采用能量算子解调方法对其进行包络解调，计算出瞬时幅值后对瞬时幅值的频谱进行分析，获取冲击脉冲出现的周期，进而对滚动轴承故障进行诊断[11]。
4 典型电机定子绕组故障的诊断方法的分析
为了更加深入地探究电机故障诊断问题，我们选取比较常见的定子绕组故障中用到的两种方法，即电流分析法和逻辑诊断法进行对比分析。
4.1电流分析法
当定子绕组发生短路故障时，绕组的自感、互感将发生变化，引起气隙磁
场分布不均，高次谐波的作用大大加强，从而引起三相电流相位差的改变，所以我们提取相位差这一特征参量进行分析，通过互相关分析法来测量定子电流间的相位差，将绕组匝间短路前和短路的相位差进行对比，就可以诊断出电机定子间绕组故障[3]。
4.2逻辑诊断方法
逻辑诊断方法同样是考虑三相电流的不对称，不过这种方法关注的是由不对称引起的振动和噪声参数的变化，通过对振动幅度速度、加速度噪声进行监测，得到多组特征向量，建立布尔矩阵，通过其建立最小诊断实验集，找到最小列集合，使得每一行中至少有一列为“1”，从而得出诊断结论[4]。
4.3对比分析
通过以上分析，我们发现电流分析法信号来源较少，适用于简单的故障诊断，而逻辑诊断法信号丰富，更适于复杂故障诊断；但是由于信号是存在噪声的，所以电流分析法精度要高于逻辑诊断法；另外电流分析法操作简单，传感器较少，成本较低，但是适用范围小，而逻辑诊断法的监测途径较多，成本较高，但几乎适用于所有电机。
5 基于MATLAB的电机转子断条故障仿真
由于MATLAB强大的仿真功能和完善的模型以及易用性，我们选用MATLAB进行电机断条故障的仿真。MATLAB/SIMULINK提供了一个三相异步绕线式电动机模型，故可以通过此模型对电机转子的内部缺陷进行仿真。根据多回路模型理论，当异步电动机的转子出现断条故障时，只是改变了一个转子回路磁通的大小和分布形式，这就完全可以用转子的某相绕组的电阻变化来模拟。
5.1电机转子断条故障模型
电机转子断条的仿真电路如图1，
图1 电机转子断条仿真电路图
由绕线式异步电机模块，外接三个电阻（R1，R2和R3），三相电源和测量模块等构成。通过更改某一相的外接电阻阻值来模拟电机不同程度的笼条断裂故障。
绕线式电机仿真的模块参数设置为：
正常情况，即三个外接电阻都为0.1Ω的情况下，仿真所得到的转子和定子电
流波形：
图2 正常情况仿真电流波形（左图转子，右图定子）
在电机断条的情况，即两个个外接电阻都为0.1Ω，其他一个电阻（R2）为0.5Ω的情况下，仿真所得到的转子和定子电流波形：
图3 R2为0.5Ω，其余参数不变仿真电流波形（左图转子，右图定子）
在电机断条的情况，即两个个外接电阻都为0.1Ω，R2为1.0Ω的情况下，仿真所得到的转子和定子电流波形：
图4 R2为1.0Ω，其余参数不变仿真电流波形（左图转子，右图定子）
在电机断条的情况，即两个个外接电阻都为0.1Ω，R2为1.5Ω的情况下，仿
真所得到的转子和定子电流波形
图5 R2为1.5Ω，其余参数不变仿真电流波形（左图转子，右图定子）
在电机断条的情况，即两个个外接电阻都为0.1Ω，R2为2.0Ω的情况下，仿真所得到的转子和定子电流：
图6 R2为2.0Ω，其余参数不变仿真电流波形（左图转子，右图定子）
5.2基于小波分析的信号处理
由于小波分析在电机故障的应用日趋成熟，而且其在信号分析方面优于傅里叶变换，故我们进行了小波分析的处理。
正常情况，即三个外接电阻都为0.1Ω的情况下，对仿真所得到的定子电流进行小波分析，
结果如图
7
图7 正常情况小波分析图
在电机断条的情况，即两个外接电阻都为0.1Ω，其他一个电阻分别为0.5Ω、1.0Ω、1.5Ω、2.0Ω的情况下，仿真所得到的定子电流进行小波分析，结果如下：
图8 R2为0.5Ω，其余参数不变小波分析结果
图9 R2为1.0Ω，其余参数不变小波分析结果
图10 R2为1.5Ω，其余参数不变小波分析结果
图11 R2为2.0Ω，其余参数不变小波分析结果
比较发现，正常情况的转子电流图像是近似正弦曲线，相较于其他故障的图像更平滑。由此便证明了小波分析法应用于电机故障诊断的正确性。
但是我们仍然存在一些问题有待解决，比如由于仿真中电机模型的建立忽略了其他可能影响的内外部因素，致使得到的效果不是很明显，还有待后续完善。
6 结论
本文通过查阅国内外多篇相关文献，对电机故障及其诊断进行了探究，总结出了定子绕组故障、转子绕组故障及轴承故障等三大电机故障类型，并对每一种故障提取了若干种诊断办法，对比了定子绕组故障中的电流分析法和逻辑诊断法，用MATLAB软件对转子断条故障的小波分析诊断方法进行了仿真，证实了小波分析法应用于电机故障诊断领域的正确性。
7 课程设计心得
两周的时间，我们小组查阅了国内外大量相关文献，对电机故障诊断有了整
体上的认识，并选取了个别典型方法进行深入探究和仿真验证，了解到电机故障诊断是电气工程研究领域一个重要的课题，需要我们今后更加深入地学习并努力完善。此次课程设计使得我们对所学专业有了更加深刻的理解，同时提高了对本专业的兴趣，也为今后的读研和工作积累了一定的经验，感谢各位老师的悉心指导以及其他小组同学的热心帮助！
8 致谢
在课程设计过程中，感谢学校给了我学习的机会，在学习中，付老师从选题指导、论文框架到细节修改，都给予了细致的指导，提出了很多宝贵的意见与建议。在课程设计期间，付老师严格要求我们，并认真检查，多次询问设计进程，热忱鼓励。付老师以其严谨求实的治学态度、高度的敬业精神、兢兢业业、孜孜以求的工作作风和大胆创新的进取精神对我产生重要影响。在付老师身上，我不仅学到的是知识，更有日后工作、生活中的道理和人生态度。这篇论文是在付老师的精心指导和大力支持下才完成的。
特此致谢！
9 参考文献
[1]梁霖，徐光华，刘弹，等.小波一奇异值分解在异步电机转子故障特征提取中的应用[J].中国电机工程学报，2005,25(19):111～115
[2]刘蕾蕾. 基于小波分析的电机故障信号诊断研究[D][D]. 哈尔滨理工大学, 2007.
[3] 董建园，段志善，熊万里.异步电机定子绕组故障分析及其诊断方法[J].中国电机工程学报，1999(3):26～30
[4] 王立欣，王明彦，齐明.电机故障的逻辑诊断方法[J].中国电机工程学报，2003，23(3):112～115
[5] 刘沛津，谷立臣.异步电机负序分量融合方法及其在定子匝间短路故障诊断中的应用[J].中国电机工程学报，2013，33(15):119～123
[6] 马宏忠，李训铭，方瑞明，等.利用失电残余电压诊断异步电机转子绕组故障
[J].中国电机工程学报，2004,24(7):183～187
[7] 于德介，陈淼峰，程军圣，等.一种基于经验模式分解与支持向量机的转子故障诊断方法[J].中国电机工程学报，2006,26(16):162～167
[8] 刘振兴，尹项根，张哲.基于Hilbert模量频谱分析的异步电动机转子故障在线监测与诊断方法[J].中国电机工程学报，2003，23(7):158～161
[9] 刘振兴，尹项根，张哲，等.基于瞬时功率信号频谱分析的鼠笼式异步电动机转子故障在线诊断方法[J].中国电机工程学报，2003，23(10):148～152 [10] 康守强，王玉静，杨广学，等.基于经验模态分解和超球多类支持向量机的 滚动轴承故障诊断方法[J].中国电机工程学报，2011,31(14)：96～102 [11] 张文义，于德介，陈向民.基于信号共振稀疏分解与能量算子解调的轴承故障诊断方法[J].中国电机工程学报，2013,33(20):111～118
[12] 张龙，熊冒良，柳和生，等.基于时变自回归模型与支持向量机的旋转机械故障诊断方法[J].中国电机工程学报，2007,27(9):99～103
[13]潘晓晟,郝世勇. MATLAB 电机仿真精华 50 例[M]. 电子工业出版社, 2007.
课程设计成绩评定表
课 程 设 计 报
学 院： 自动化学院
专业名称： 电气工程及其自动化
学生姓名： 邬岑颖
指导教师： 付朝阳
时 间： 2014.9.1——2014.9.14
告
课程设计任务书
题目：电机故障诊断方法研究概述
对电机故障诊断方法进行研究，包括国内外的主要研究现状，主要研究方法等。要求不少于10篇国外期刊文献（中国电机工程学报、电工技术学报等同于国外期刊）
一、设计内容
1、了解电机故障的原理
2、搜集相关方向期刊文献，进行挑选并阅读
3、总结所读论文，完成概述论文
二、进度要求
1、了解设计内容
2、挑选论文
3、阅读论文
4、进行仿真 2天 1天 4天 2天
2天
2天
1天
指导教师 5、结果分析 6、撰写设计报告 7、汇报 学 生
目 录
摘 要 ............................................................................................................................... 3
引言 ................................................................................................................................... 4
1 故障检测与诊断简介 ................................................................................................... 4
2 电机故障诊断研究概况以及发展方向 ....................................................................... 5
3 电机故障的分类以及其诊断方法 ............................................................................... 6
4 典型电机定子绕组故障的诊断方法的分析 ............................................................... 8
5 基于MATLAB的电机转子断条故障仿真 ................................................................. 9
6 结论 ............................................................................................................................. 15
7. 参考文献 .................................................................................................................... 15
8 课程设计心得 ............................................................................................................. 16
9 致谢 ............................................................................................................................. 16
摘 要
电机作为一种重要的动力源，广泛应用于工业、生活等各个领域，其故障的检测和诊断是应用过程中值得关注的问题。电机的结构和运行特性，导致了其发生故障后不能被直观地检测和诊断，只能对运行电机进行参数监测，再对参数进行处理、分析，从而判断故障类型，找到解决办法。
本文从常见的三种电机故障，即定子绕组故障，转子绕组故障和轴承故障入手，阅读了国内外多篇相关文献，概括介绍了众多学者的研究成果，并对应用广泛的小波分析法进行了初步地探究。
小波分析法是通过连续小波变换将电流信号中的各特征频率分量转换到时频分布空间，对该时频空间进行奇异值分解，将各特征频率分量分解到不同的正交特征子空间中，对特征子空间的选择重构可以有效地滤除电源频率分量而提取出转子故障特征分量，从而进行故障诊断的方法[1]。本文运用MATLAB软件对电机运行进行仿真，并尝试用小波分析法进行故障诊断和检测，仿真结果证明了小波分析法应用于电机故障诊断的正确性。
关键词：电机故障概述；信号分析；MATLAB仿真
电机故障诊断方法研究
引言
电机是各种用电器及机械的动力源，是现代社会生产中应用最广泛的一种动力设备，随着工业技术的进步，电机也随之飞快的发展。然而，电机故障却是实时存在的，如何准确、快速地找到电机故障所在，尤其是能够随着电机运行，进行故障诊断，是当今电机学领域研究的一个热点。
多年来，国内外众多学者对电机故障及其诊断进行了大量研究，主要发现了定子绕组故障，转子绕组故障以及轴承故障等三大类故障，并找到了多种解决办法，如针对定子绕组故障的时域分析法、电流的负序分量法、负序阻抗法、瞬时功率分解法、坐标变换法和负序分量融合方法等；针对转子绕组故障的失电残余电压诊断法、经验模态分解和支持向量机法、Hilbert模量频谱分析法和瞬时功率信号频谱分析法等；针对轴承部分的经验模态分解和超球多类支持向量机法、时变参数自回归模型和支持向量机法以及信号共振稀疏分解与能量算子解调法等。此外，还有适用于多种故障诊断的逻辑诊断方法和小波分析法。
笔者阅读了国内外多篇重要文献，对上述多种电机故障诊断方法进行概述，并使用小波分析法对转子断条故障进行仿真，证明了这一方法应用于电机故障诊断的正确性。
1 故障检测与诊断简介
设备诊断技术是根据设备运行时产生的各种信息，在设备运行时或基本不拆卸的情况下，通过对运行时的各种状态参数进行分析，进行故障诊断，并对未来故障进行预测的技术。这项技术分为以数学模型为基础和以观测数据为基础两类，发展至今已经经历了三个阶段：
第一阶段：诊断结果多取决于专家的感官和经验，对诊断信息只做简单的数据处理；
第二阶段：以信号处理和建模处理为基础，以传感器技术以及动态测试技术为手段的现代化诊断技术，在工程中得到广泛应用；
第三阶段：随着计算机人工智能的发展，诊断技术进入以知识处理为核心，信号处理、建模处理、知识处理相融合的智能诊断技术阶段[2]。
2 电机故障诊断研究概况以及发展方向
2.1研究概况
电机故障诊断是电气领域的一个重要的研究课题，主要涉及的知识领域有：电机理论、电磁测量、信号处理、计算机技术、热力学、绝缘技术和人工智能等。早在二十世纪初，各国科学家就对电机故障诊断进行了探究，发现电机故障必然导致电机电流变化，从而引起电机磁场分布变化。到了二十世纪七八十年代，已经发现了定子电流法、转速波动法和振动分析法来检测电机故障，1998年提出有限元分析法和快速傅里叶变换的方法来对相应参数进行分析，2001年，基于小波包分解和人工神经网络的方法也被应用于这一领域。
我国对于电机故障诊断的探究开始于二十世纪九十年代初。1990年，温仲元提出了通过分析电机电流对感应电机故障进行诊断；1997年，邱阿瑞提出通过对电机定子电流信号做希尔伯特变换解调处理，提取故障特征分量，结果表明此法适用于负荷波动较大的转子故障诊断；同年，叶昊提出一种基于小波分析的动态系统故障诊断方法，具有灵敏度高，克服噪声能力强的特点；2003年，蒋斌、颜钢锋针对谐波小波所存在的时域特性差的缺点，提出了一种改进的具有良好的时频域特性的谐波小波，并由此提出了一种电机故障诊断的新方法；2004年刘振兴、尹项根提出了以平均瞬时功率为监测量的监测方法，能够有效地将复合故障分离；同年，许伯强首次将连续细化傅里叶变换、自适应滤波、转子齿槽谐波转差率估计、检测阈值自整定技术有机结合，形成电机故障诊断新方法。
目前对电机故障诊断的研究大部分仍然采用监测定子电流的方法，通过各种方法对信号进行分析，找到相应的特征频率，根据特征频率下幅值的变化，判断电机故障类型[2]。
2.2发展方向
随着诊断技术的发展，诊断系统也需要进步，目前趋向便携型、智能型、经济型发展。便携型和智能型都是为了便于使用和操作，经济型是为了更好地占有市场，是未来十分重要的发展方向[2]。
3 电机故障的分类以及其诊断方法
3.1定子绕组故障诊断方法
运行实践表明，定子绕组匝间、相间短路故障是最常见的和最危险的故障。这种故障的最明显的标志是绕组出现局部过热，相电流的对称性破坏，转矩降低，蜂鸣和振动加剧。这些故障的发生和继续，不仅导致电机损坏，而且可能导致损坏生产线中的其他设备，造成长时间的停产并产生昂贵的维修费用。
因此，工业生产过程迫切需要开展对电机迅速有效的状态监测及故障诊断。特别是对那些大型电机，需要运用在线监测技术，及时评估电机的运行状态，对故障实行早期预报，从而避免恶性事故和不必要的停机造成的经济损失[3]。
多年来，学者们针对电机定子绕组故障提出了多种诊断方法，主要有：
1、时域分析：以电流分析法为主，采用多种特征参量对定子绕组故障进行诊断。此法直接选取定子电流作为特征信号，可方便地实现定子绕组故障的在线监测[3]；
2、逻辑诊断方法：通过讨论故障对电机电磁振动和声学性能的影响，建立包括直接故障及其条件故障在内的电机故障模型，利用逻辑诊断方法，借助布尔矩阵确定最小诊断试验集及相应的监测参数，通过对绕组电压和电流中三次谐波的监测能够在故障初期和在运行条件下确定故障类型[4]；
3、基于定子电流的负序分量法：利用故障造成的三相不对称所产生的负序电流分量进行故障检测[5]；
4、负序阻抗法：通过检测负序阻抗的变化对定子故障做出诊断[5]；
5、瞬时功率分解法：通过对电机瞬时功率的分解，可以排除电机固有因素和环境因素所产生的负序电流，从而得到仅由定子故障引起的负序电流，有较高的准确度[5]；
6、坐标变换法：将信号变换到不同的坐标系下进行分分析，对故障特征量提取的效果较好[5]；
7、负序分量融合方法：应用多源信息融合理论将交流电机定子电压、电流负序分量通过李萨如方法进行融合，形成负序李萨如图形，提取负序李萨如图形倾角作为故障特征分量进行电机定子绕组匝间短路故障诊断[5]。
3.2转子绕组故障诊断方法
转子绕组故障是另一种比较常见的故障，若不能及时发现而让其继续“带病”运行，时间过长可能造成设备损坏，产量下降，维护费用增大等不良后果。
学者们对此进行了大量卓有成效的研究，并取得了不少成果，主要有：
1、失电残余电压诊断：利用完好电机和转子绕组故障电机定子失电残余电压谐波成分的差异，进行故障诊断[6]；
2、经验模态分解和支持向量机法：对转子系统的振动信号进行经验模态分解，将其分解为若干个固有模态函数；对每一个IMF分量建立AR模型，取模型的自回归参数和残差的方差作为故障特征向量，并以此作为输入来建立支持向量机分类器，判断转子系统的工作状态和故障类型[7]；
3、Hilbert模量频谱分析：将 Hilbert 模量定义为原始信号与其共轭信号的平方和，对定子电流进行Hilbert 模量频谱分析，可以有效地诊断鼠笼式异步电动机的转子故障[8]；
4、瞬时功率信号频谱分析：采集定子某两个端子之间的线电压和对应的线电流，由二者的乘积即可构成瞬时功率信号，使用瞬时功率信号能避免基波电流对故障特征成分的影响，更好地突出故障特征，分离复合故障。这些都有益于对故障程度的量化和诊断规则的建立[9]；
5、逻辑诊断方法：同定子绕组一样，转子绕组故障也可以采用逻辑诊断方法，且做法类似[4]；
6、小波分析法：通过连续小波变换将电流信号中的各特征频率分量转换到时频分布空间，对该时频空间进行奇异值分解，将各特征频率分量分解到不同的正交特征子空间中，对特征子空间的选择重构可以有效地滤除电源频率分量而提取出转子故障特征分量，从而进行故障诊断[1]。
3.3轴承故障诊断方法
由于电机是一种旋转机械，内部的轴承是电机的重要组成部分，因此探究旋转机械轴承故障诊断方法，对于电机故障诊断是十分重要的。
滚动轴承是旋转机械中应用最为广泛的机械零件，其运行状态是否正常直接影响机械设备的工作性能与运行寿命。当滚动轴承出现故障时，在滚动体相对滚道的旋转过程中，常会产生有规律的冲击脉冲，能量较大时，激励起外环固有频率，形成以外环固有频率为载波频率，以轴承通过频率为调制频率的固有频率调制振动现象，影响整台机器的精度、可靠性及寿命[10、11]。
针对轴承故障诊断，相关学者做了大量研究，主要结论有：
1、经验模态分解和超球多类支持向量机法：对各状态振动信号进行经验模态分解，得到一系列固有模态函数和一个残余分量。经验模态分解方法具有分解自适应性和分解唯一性。对每个固有模态函数建立自回归模型，分别采用Yule-Walker和Ulrych-Clayton两种方法求得模型参数和残差方差，并以此作为各类状态信号的特征矩阵，输入到改进的超球多类支持向量机分类器，判断滚动轴承故障位置及性能退化程度。可以同时实现滚动轴承故障位置及性能退化程度的智能诊断[10]；
2、时变参数自回归模型和支持向量机法：首先通过对振动信号建立TVAR模型，提取模型系数及残差的方差作为信号特征，然后利用SVM对信号进行分类，继而实现故障自动识别，此法能在较少样本的情况下获得较好的诊断结果[12]；
3、信号共振稀疏分解与能量算子解调法：采用信号共振稀疏分解将冲击脉冲从滚动轴承振动信号中分离出来，然后采用能量算子解调方法对其进行包络解调，计算出瞬时幅值后对瞬时幅值的频谱进行分析，获取冲击脉冲出现的周期，进而对滚动轴承故障进行诊断[11]。
4 典型电机定子绕组故障的诊断方法的分析
为了更加深入地探究电机故障诊断问题，我们选取比较常见的定子绕组故障中用到的两种方法，即电流分析法和逻辑诊断法进行对比分析。
4.1电流分析法
当定子绕组发生短路故障时，绕组的自感、互感将发生变化，引起气隙磁
场分布不均，高次谐波的作用大大加强，从而引起三相电流相位差的改变，所以我们提取相位差这一特征参量进行分析，通过互相关分析法来测量定子电流间的相位差，将绕组匝间短路前和短路的相位差进行对比，就可以诊断出电机定子间绕组故障[3]。
4.2逻辑诊断方法
逻辑诊断方法同样是考虑三相电流的不对称，不过这种方法关注的是由不对称引起的振动和噪声参数的变化，通过对振动幅度速度、加速度噪声进行监测，得到多组特征向量，建立布尔矩阵，通过其建立最小诊断实验集，找到最小列集合，使得每一行中至少有一列为“1”，从而得出诊断结论[4]。
4.3对比分析
通过以上分析，我们发现电流分析法信号来源较少，适用于简单的故障诊断，而逻辑诊断法信号丰富，更适于复杂故障诊断；但是由于信号是存在噪声的，所以电流分析法精度要高于逻辑诊断法；另外电流分析法操作简单，传感器较少，成本较低，但是适用范围小，而逻辑诊断法的监测途径较多，成本较高，但几乎适用于所有电机。
5 基于MATLAB的电机转子断条故障仿真
由于MATLAB强大的仿真功能和完善的模型以及易用性，我们选用MATLAB进行电机断条故障的仿真。MATLAB/SIMULINK提供了一个三相异步绕线式电动机模型，故可以通过此模型对电机转子的内部缺陷进行仿真。根据多回路模型理论，当异步电动机的转子出现断条故障时，只是改变了一个转子回路磁通的大小和分布形式，这就完全可以用转子的某相绕组的电阻变化来模拟。
5.1电机转子断条故障模型
电机转子断条的仿真电路如图1，
图1 电机转子断条仿真电路图
由绕线式异步电机模块，外接三个电阻（R1，R2和R3），三相电源和测量模块等构成。通过更改某一相的外接电阻阻值来模拟电机不同程度的笼条断裂故障。
绕线式电机仿真的模块参数设置为：
正常情况，即三个外接电阻都为0.1Ω的情况下，仿真所得到的转子和定子电
流波形：
图2 正常情况仿真电流波形（左图转子，右图定子）
在电机断条的情况，即两个个外接电阻都为0.1Ω，其他一个电阻（R2）为0.5Ω的情况下，仿真所得到的转子和定子电流波形：
图3 R2为0.5Ω，其余参数不变仿真电流波形（左图转子，右图定子）
在电机断条的情况，即两个个外接电阻都为0.1Ω，R2为1.0Ω的情况下，仿真所得到的转子和定子电流波形：
图4 R2为1.0Ω，其余参数不变仿真电流波形（左图转子，右图定子）
在电机断条的情况，即两个个外接电阻都为0.1Ω，R2为1.5Ω的情况下，仿
真所得到的转子和定子电流波形
图5 R2为1.5Ω，其余参数不变仿真电流波形（左图转子，右图定子）
在电机断条的情况，即两个个外接电阻都为0.1Ω，R2为2.0Ω的情况下，仿真所得到的转子和定子电流：
图6 R2为2.0Ω，其余参数不变仿真电流波形（左图转子，右图定子）
5.2基于小波分析的信号处理
由于小波分析在电机故障的应用日趋成熟，而且其在信号分析方面优于傅里叶变换，故我们进行了小波分析的处理。
正常情况，即三个外接电阻都为0.1Ω的情况下，对仿真所得到的定子电流进行小波分析，
结果如图
7
图7 正常情况小波分析图
在电机断条的情况，即两个外接电阻都为0.1Ω，其他一个电阻分别为0.5Ω、1.0Ω、1.5Ω、2.0Ω的情况下，仿真所得到的定子电流进行小波分析，结果如下：
图8 R2为0.5Ω，其余参数不变小波分析结果
图9 R2为1.0Ω，其余参数不变小波分析结果
图10 R2为1.5Ω，其余参数不变小波分析结果
图11 R2为2.0Ω，其余参数不变小波分析结果
比较发现，正常情况的转子电流图像是近似正弦曲线，相较于其他故障的图像更平滑。由此便证明了小波分析法应用于电机故障诊断的正确性。
但是我们仍然存在一些问题有待解决，比如由于仿真中电机模型的建立忽略了其他可能影响的内外部因素，致使得到的效果不是很明显，还有待后续完善。
6 结论
本文通过查阅国内外多篇相关文献，对电机故障及其诊断进行了探究，总结出了定子绕组故障、转子绕组故障及轴承故障等三大电机故障类型，并对每一种故障提取了若干种诊断办法，对比了定子绕组故障中的电流分析法和逻辑诊断法，用MATLAB软件对转子断条故障的小波分析诊断方法进行了仿真，证实了小波分析法应用于电机故障诊断领域的正确性。
7 课程设计心得
两周的时间，我们小组查阅了国内外大量相关文献，对电机故障诊断有了整
体上的认识，并选取了个别典型方法进行深入探究和仿真验证，了解到电机故障诊断是电气工程研究领域一个重要的课题，需要我们今后更加深入地学习并努力完善。此次课程设计使得我们对所学专业有了更加深刻的理解，同时提高了对本专业的兴趣，也为今后的读研和工作积累了一定的经验，感谢各位老师的悉心指导以及其他小组同学的热心帮助！
8 致谢
在课程设计过程中，感谢学校给了我学习的机会，在学习中，付老师从选题指导、论文框架到细节修改，都给予了细致的指导，提出了很多宝贵的意见与建议。在课程设计期间，付老师严格要求我们，并认真检查，多次询问设计进程，热忱鼓励。付老师以其严谨求实的治学态度、高度的敬业精神、兢兢业业、孜孜以求的工作作风和大胆创新的进取精神对我产生重要影响。在付老师身上，我不仅学到的是知识，更有日后工作、生活中的道理和人生态度。这篇论文是在付老师的精心指导和大力支持下才完成的。
特此致谢！
9 参考文献
[1]梁霖，徐光华，刘弹，等.小波一奇异值分解在异步电机转子故障特征提取中的应用[J].中国电机工程学报，2005,25(19):111～115
[2]刘蕾蕾. 基于小波分析的电机故障信号诊断研究[D][D]. 哈尔滨理工大学, 2007.
[3] 董建园，段志善，熊万里.异步电机定子绕组故障分析及其诊断方法[J].中国电机工程学报，1999(3):26～30
[4] 王立欣，王明彦，齐明.电机故障的逻辑诊断方法[J].中国电机工程学报，2003，23(3):112～115
[5] 刘沛津，谷立臣.异步电机负序分量融合方法及其在定子匝间短路故障诊断中的应用[J].中国电机工程学报，2013，33(15):119～123
[6] 马宏忠，李训铭，方瑞明，等.利用失电残余电压诊断异步电机转子绕组故障
[J].中国电机工程学报，2004,24(7):183～187
[7] 于德介，陈淼峰，程军圣，等.一种基于经验模式分解与支持向量机的转子故障诊断方法[J].中国电机工程学报，2006,26(16):162～167
[8] 刘振兴，尹项根，张哲.基于Hilbert模量频谱分析的异步电动机转子故障在线监测与诊断方法[J].中国电机工程学报，2003，23(7):158～161
[9] 刘振兴，尹项根，张哲，等.基于瞬时功率信号频谱分析的鼠笼式异步电动机转子故障在线诊断方法[J].中国电机工程学报，2003，23(10):148～152 [10] 康守强，王玉静，杨广学，等.基于经验模态分解和超球多类支持向量机的 滚动轴承故障诊断方法[J].中国电机工程学报，2011,31(14)：96～102 [11] 张文义，于德介，陈向民.基于信号共振稀疏分解与能量算子解调的轴承故障诊断方法[J].中国电机工程学报，2013,33(20):111～118
[12] 张龙，熊冒良，柳和生，等.基于时变自回归模型与支持向量机的旋转机械故障诊断方法[J].中国电机工程学报，2007,27(9):99～103
[13]潘晓晟,郝世勇. MATLAB 电机仿真精华 50 例[M]. 电子工业出版社, 2007.
课程设计成绩评定表