故障电机论文_电动机故障分析论文

故障电机论文由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“电动机故障分析论文”。

电气设备故障诊断综合实验设计

姓名： 学号：

专业与班级:电气工程及其自动化2011-6班

设计题目：利用小波包分析并结合FFT变换

来诊断电机故障

时间：2013 ～ 2014学年第（2）学期

成 绩： 日 期：

利用小波包分析并结合FFT变换来诊断电机故障

摘要：根据电机发生不同故障时，电流频谱中会出现不同程度、不同形式的特征分量的特点，利用MATLAB软件对所测得的电流数据进行FFT变换后得到频谱图，分析并判断故障类型。

关键字：特征分量、MATLAB、故障检测、FFT、小波变换

引言：三相鼠笼式异步电动机因其结构简单、使用方便、成本较低等优点在工业生产中得到广泛的应用。但是由于工作环境恶劣，或者频繁起动等原因，异步电机有很大一部分故障属于转子故障，其中，最容易发生的故障主要是转子气隙偏心、笼条断裂、端环开裂和绕组过热等。而过热故障直接导致过热部位的绝缘老化加剧，最终形成匝间短路，会造成更加严重的后果。因此，如何防止电机严重故障的发生，改变现有的电机维修检修制度，降低维护成本，已经成为工程上具有安全和经济两方面重大意义的事情。

1、不同故障下电机一相电流波形比较

好电机一相电流波形图1.510.50-0.5-1-1.500.10.20.30.40.50.60.70.80.91

一根断条满载时一相电流波形图2.521.510.50-0.5-1-1.5-200.10.20.30.40.50.60.70.80.91一根断条空载时一相电流波形图1.510.50-0.5-1-1.500.10.20.30.40.50.60.70.80.91三根断条时一相电流波形图1.510.50-0.5-1-1.500.10.20.30.40.50.60.70.80.91气隙偏心时一相电流波形图0.250.20.150.10.050-0.05-0.100.10.20.30.40.50.60.70.80.91

分析及结论：由图可知好电机的一相电流波形与发 5000HZ)生一根断条、三根断条故障时的电流波形几乎没有差异，因此，通过简单的观察电机定子电流波形不能准确地分辨出电机是否故障和故障类型。

2、基于电流频谱图来判断电机故障

2.1 转子故障特征分量

理想的异步电动机定子电流的频率是单一的，即电源频率。但是当转子回路出现故障时，定子电流频谱上，在与电源频率相差两倍转差频率（2sf1）的位置上将各出现一个边频带，并且，变频带分量随负载增加和故障严重程度加重而增大。实际上还可能出现两倍转差频率（2sf1）的其他整数倍变频分量，这样转子断条故障的特征频率可表示为：fbb(12ks)f1。所以可以根据有无这一特征频率判 断电机是否故障。电机转子断条数目可由式：N2Z2/(I1/I22P)来估计，其中，I1和I2分别表示f和(12s)f频谱幅值，Z2表示转子铁心槽数，P表示电机极对数，N表示转子断条数目。

2.2 FFT变换和SFFT变换

计算离散傅里叶变换的一种快速算法，简称FFT。快速傅里叶变换是1965年由J.W.库利和T.W.图基提出的采用这种算法能使计算机计算离散傅里叶变换所需要的乘法次数大为减少，特别是被变换的抽样点数N越多，FFT算法计算量的节省越明显。

传统的基于傅立叶变换的FFT频谱分析对平稳随机信号分析和处理很有效，而在工程实践中（包括故障诊断），信号的局部或突变特征是关注的重点，这时，FFT就表现出明显的不足：缺乏对信号局部特征的描述能力，即缺乏空间（时间）局部性，换言之，变换F()在任何有限频段上的信息都不足以确定任意小范围的函数f(t)。后来采用加窗FFT也就是STFT(短时FFT)。它的基本思想是把信号分成很多段，每段近似为平稳信号。但是STFT是单分辨率的分析方法，适用于分析具有固定不变带宽的突变信号，无法对非平稳信号进行完全的分析。

2.3 分析各个故障状态下的频谱图

利用MATLAB中现有的fft函数对采样得到的离散电流值进行FFT变换得到电流频谱图，并根据故障特征频率的有无和该频率下的幅值大小判断电机是否故障和故障的严重程度。（采样频率为

好电机*********708090100一根断条满载*********708090100三根断条*********708090100分析及结论：比较上述三幅图知，当电机正常时，曲线只在电源频率50HZ处出现峰值；而当电机出现一根断条和三根断条故障时，不仅50HZ处出现

对节点（12,104）重构系数进行快速傅里叶变换。

峰值，50HZ左右两侧分别都出现了小峰值。因此，可以通过对不同电机或不同状态下电机的电流频谱图比较，判断在电机供电频率左右是否存在故障特征频率，从而断定电机是否故障，并且特征频率下的幅值越大，故障越严重。

3、小波包分析转子断条故障信号 3.1 直接频谱分析的不足对于转子断条故障，可以对稳定的定子电流信号直接进行频谱分析，根据频谱中是否存在(12s)f频率分量来判断转子有无断条。由于转子轻微断条时，(12s)f频率分量的幅值相对于f频率分量的幅值非常小（二者之比约为0.02-0.05），同时异步电动机运行时转差率s很小，(12s)f与f这两个频率非常接近，因而用快速傅里叶变换直接作频谱分析时，f频率分量的泄露会淹没(12s)f频率分量，从而使检测(12s)f频率分量是否存在变得非常困难。而近几年提出的小波包和小波分析法可以克服这一困难。3.2 小波包分析

小波理论是在傅里叶变换和短时傅里叶变换的基础上发展起来的，它具有多分辨分析的特点，在时域和频域上都具有表征信号局部特征的能力，是信号时频分析的优良工具。小波变换的基函数随着尺度的减小，其时域窗口的宽度也减小，而相应的频域窗口宽度增大。但是在实际中，许多问题我们只对某些特定的时间段或频域段的信号感兴趣，只需提取这些特定时间及频率上的点的信息而已，所以我们希望在感兴趣的频率点上最大可能的提高频域分辨率，在感兴趣的时间点上最大可能的提高时间分辨率。在这种场合下正交小波变换的这种时频窗口的固定分布却不是一种最优选择。而小波包分析是小波分析的延伸，可以利用它找到最适于待分析信号的时频窗口或最优基。下面我就利用小波包分析提取故障电机特征频率，判断电机故障。3.3 小波包结合FFT分析断条电流信号

采用一种小波包分解分析结合快速傅里叶变换的方法对定子电流仿真信号进行分析，步骤如下： 1)以sym8为小波包基对电流信号进行12层分解，提取能体现故障特征的节点（12,104）的小波包分解系数； 2)重构（12,104）小波包分解系数；

好电机*********708090100一根断条*********708090100三根断条*********708090100参考文献

[1]张建文.电气设备故障诊断技术.中国水利水电出版社，2006 [2]方荣惠.电机原理及拖动基础.中国矿业大学，2012 [3]刘蕾蕾.基于小波分析的电机故障诊断研究.硕士学位论文,2007 [4]许允之等，基于启动电流的异步电机转子故障小波分析.实验技术与管理，2012 [5]姜建国等，用自适应方法提取鼠笼异步电机转子断条特征分量.电工技术学报，1996 [6]杨国安，电动机故障诊断实用技术.中国石化出版社,2012 [7]沈标正.电机故障诊断技术[M].北京:机械工业出版社,2001.附录（程序)：

1、画不同故障下电机一相电流波形图 Fs=5000;y1 = xlsread('C:MATLAB7work三根断条.xls','A13:A5012');t=1/5000:1/5000:1;plot(t,y1)title('三根断条时一相电流波形图');

2、画不同故障下的电流频谱图 Fs=5000;y1 = xlsread('C:MATLAB7work三根断条.xls','A13:A20068');N=length(y1);Fy1=abs(fft(y1,N));%傅里叶变换 figure(2)%打开一个新窗口

plot((1:N)*Fs/N,Fy1(1:N))%画出频谱图形 axis([0 100 0 1000]);%选定坐标范围 title('三根断条')

3、画不同故障下经小波包分析处理后的电流频谱图

x = xlsread('C:MATLAB7work一根断条满载.xls','A1:A20056');x1 = xlsread('C:MATLAB7work

好

电

%用全局阈值进行信号的去噪

Data_Used1=wpdencmp(x1,sorh,3,'sym8',ct,thr,keep);

wpt=wpdec(Data_Used,12,'sym8');wpt1=wpdec(Data_Used1,12,'sym8');s1=wprcoef(wpt,[12,106]);s2=wprcoef(wpt1,[12,106]);Fs=5000;

N=length(Data_Used);

Fs1=abs(fft(s1,N));%傅里叶变换 figure(2)%打开一个新窗口

plot((1:N)*Fs/N,Fs1(1:N))%画出频谱图形 axis([0 100 0 1000]);%选定坐标范围 Fs2=abs(fft(s2,N));%傅里叶变换 figure(3)%打开一个新窗口

plot((1:N)*Fs/N,Fs2(1:N))%画出频谱图形 axis([0 100 0 1000]);%选定坐标范围 机.xls','A1:A20056');

[thr,sorh,keep,ct]=ddencmp('den','wp',x);%用全局阈值进行信号的去噪

Data_Used=wpdencmp(x,sorh,3,'sym8',ct,thr,keep);

[thr,sorh,keep,ct]=ddencmp('den','wp',x1);