一种基于ESPRIT与PSA的笼型异步电动机转子断条故障检测方法

摘要

一种基于ESPRIT与PSA的笼型异步电动机转子断条故障检测方法，它首先对按一定频率采集的定子电流瞬时信号应用旋转不变技术，得到其基波分量与边频分量的准确的频率值以及粗糙的幅值、粗糙的初相角；再应用模式搜索算法估计定子电流瞬时信号基波分量与边频分量的准确的幅值、初相角；进而求得当前边频分量与基波分量幅值的比值并把它作为故障特征；然后求出该比值与检测阈值之比确定故障指数；最后依故障指数判断是否存在转子断条故障。本发明利用很少的定子电流信号采样点数即可高灵敏度、高可靠性地在线检测异步电动机转子断条故障，有效克服了负荷波动、噪声等不利因素的影响，非常适用于异步电动机低转差率运行情况。

主权项

1.一种基于ESPRIT与PSA的笼型异步电动机转子断条故障检测方法，其特征是，它首先对按一定频率采集的定子电流瞬时信号应用旋转不变技术，得到其基波分量与边频分量的准确的频率值以及粗糙的幅值、粗糙的初相角；再应用模式搜索算法估计定子电流瞬时信号基波分量与边频分量的准确的幅值、初相角；进而求得当前边频分量与基波分量幅值的比值并把它作为故障特征；然后求出该比值与检测阈值之比确定故障指数；最后依故障指数判断是否存在转子断条故障；具体步骤如下：a. 测取一相定子电流瞬时信号：对于高压电机，采用一只电流钳在电流互感器CT二次侧测取一相定子电流瞬时信号；对于低压电机，采用一只电流钳直接在电机接线端子处测取一相定子电流瞬时信号；b. 采用单工频周期滑动窗方法计算定子电流瞬时信号的有效值，通过分析有效值的变化趋势，提取其最平稳亦即波动最小的一段数据，记为；c. 对提取的定子电流瞬时信号应用旋转不变技术，确定其基波分量与边频分量的准确的频率值以及粗糙的幅值、初相角：提取的定子电流瞬时信号可以表示为一系列余弦谐波分量之组合：，其中，表示采样周期；表示采样点数；表示谐波个数；、、分别表示第个谐波的幅值、频率、初相角，则基波分量与边频分量的准确的频率值以及粗糙的幅值、初相角按下列步骤求得：(a) 、定义，引入以下阶矩阵（保证）：；；构造的自相关矩阵为：；而和的互相关矩阵为：；其中，表示数学期望，表示共轭转置；(b) 、对进行特征值分解，确定其最小特征值；(c) 、计算，表示阶单位阵；(d) 、计算，为一阶阵，（此处，表示阶单位阵）；(e) 、对进行奇异值分解，此处，（由个主奇异值组成），；(f) 、计算矩阵；(g) 、对进行广义特征值分解，确定个广义特征值（其余个广义特征值恒等于0）；(h) 、根据广义特征值，确定采样信号各个分量的频率，、分别表示特征值的虚部、实部；(i) 、计算矩阵；(j) 、计算矩阵，此处为一列向量，而为列向量；(k) 确定采样信号各个分量的幅值与初相角、，；d. 应用模式搜索算法估计提取的定子电流瞬时信号基波分量与边频分量的准确的幅值、初相角：首先构造目标函数：提取的定子电流瞬时信号可以表示为：，生成矩阵、，具体如下：，，令状态，其中、分别为：；；构造如下目标函数：；此处，为列向量,为使取最小值的待定状态；之后，按如下步骤估计提取的定子电流瞬时信号基波分量与边频分量的准确的幅值、初相角：(a’)、 根据旋转不变技术的计算结果设定初始状态，并给定轴向方向，，…，步长，减缩率，终止参数，令；(b’)、探索移动， 对（）依次进行如下轴向搜索：令，若，则令；否则，令，若，则令；(c’)、模式移动，若，则令，以为新的初始状态，转(b’)，得到新的迭代点——若，则令；否则，令；(d’)、 若，则停止；否则，转(b’)；最终获得的可使取最小值，实际上就是确定了采样信号各个分量准确的幅值与初相角、，；e. 确定提取的定子电流瞬时信号的边频分量与基频分量幅值之比+，其中，是边频分量与基频分量幅值之比，是边频分量与基频分量幅值之比；f. 确定故障指数：根据常规经验设置检测阈值2% ，+与检测阈值的比值即为故障指数；g. 根据故障指数判断故障存在与否：故障指数数值<1，表示电机处于健康状态，且其数值愈小，健康状态愈明确；故障指数数值>1，表示电机处于故障状态，且其数值愈大，故障状态愈严重。