MCSA在異步電機拖動設備故障診斷中的應用.pdf

1、隨著技術手段和分析方法的不斷進步，故障診斷技術越來越成為企業(yè)設備管理的有效工具。電機及其拖動設備是工業(yè)生產中廣泛應用的典型設備，現場運行中常常會有故障產生并具有不同的故障形式，獲取其有用的狀態(tài)信息并從中提取特征是提高電機及其拖動設備狀態(tài)監(jiān)測和故障診斷水平的關鍵之一。本文以交流異步電機拖動設備為對象，研究從其電流信號中獲取拖動設備狀態(tài)信息的原理和方法，并通過實驗研究和現場實踐，取得了相應的研究成果。 電流信號分析方法(簡稱MCSA

2、，Motor Current Signal Analysis)過去主要應用于電機本體的故障診斷。對其拖動設備而言，盡管扭矩敏感性的故障信息反映在電流信號中，但由于自身信號十分微弱而電流信號中電網工頻信號非常強大，使得故障信息的提取非常困難。此外，由于電流信號能集中反映電機及其拖動設備的狀態(tài)，而且其故障特征在電流信號中表現為對電網工頻的調制，信息構成非常復雜，加大了特征信息提取的難度。因此本文重點在有效地剔除電網工頻信號，提高分析的信噪比

3、，分離故障信息等方面進行研究，解決電流法進行電機拖動設備故障診斷的核心問題，實現對于某些特定環(huán)境及振動檢測難以實施設備的有效診斷，具有重要的學術和實際應用價值。 本文重點進行基于電流法的異步電機拖動設備故障診斷理論研究、仿真分析和實驗驗證的工作，闡明了故障特征在電流信號中的表現特點，各種頻率成分的調制規(guī)律，從理論到應用全方位驗證了電流法應用于異步電機拖動設備診斷的可行性和有效性。 為了剔除電網工頻分量提取微弱故障信息，運

4、用奇異值分解(簡稱SVD，singular value decomposition)的數學方法，提出了改進的奇異值分解算法，使精度得以提高，實現了電流信號中電網工頻成分的剔除；同時，為了實現在線監(jiān)測，提出了一種硬件實現方法，并研制了相應的剔除電流信號中電網工頻成分的硬件裝置，減小電網電壓的影響，提高信號分析的實時性。 針對電網工頻周圍頻率成分過于密集不易識別的問題，采用循環(huán)平穩(wěn)方法(cyclostationary)對電流信號進行

5、處理，獲取各種故障調制頻率在循環(huán)頻率域不同循環(huán)頻率上的表現，提出了基于循環(huán)頻率切片的故障特征提取方法，實現各種特征信息的有效分離，并通過實驗和現場實例得到驗證。 為了驗證理論方法的有效性，構建了交流電機驅動的齒輪實驗裝置，進行了振動和電流診斷的比較研究，說明了電流分析方法與振動分析方法各自的特點和適應性，以及對不同故障的敏感性。在方法層面上，明確了兩種方法不能互相替代而只能互相補充。通過在特定工況條件和特殊環(huán)境下三個有代表性的現

6、場實際案例，說明電流分析方法有其獨特的優(yōu)勢，也驗證了本文理論方法的有效性。研究中還開發(fā)了一個基于MCSA的交流電機拖動設備監(jiān)測診斷系統(tǒng)，集信號采集、數據管理和分析診斷于一體，并將本文研究的成果轉化為模塊式軟件工具。該系統(tǒng)同時可輸入振動和電流信號，使用方便、性能可靠，便于擴展，成為本文工作的有力工具，也是一個現場實用的系統(tǒng)。 本文工作緊密結合現場設備診斷工作的需求，做了大量的實際工作，包括診斷系統(tǒng)的開發(fā)、移相裝置的研制、實驗臺的構