1.引言
当发生转子断条故障时,在其定子电流中将会出现 和 频率的附加电流分量(s为转差率, 为供电频率)。但是 分量的绝对幅值很小,若直接作傅里叶频谱分析时,由于栅栏效应 分量的泄漏有可能淹没 频率分量。自适应滤波和希尔伯特变换法这两种方法可以有效的解决检测 频率分量困难的问题,是目前最具代表性的异步电动机转子断条在线检测方法。但是这两种方法只适用于电动机拖动平稳负荷的运行工况。当负荷波动较大时无法取得令人满意的结果,对故障诊断的准确性产生一定影响。小波包分析不仅对信号的低频部分进行分解,同时也对高频部分进行分解,自适应的确定信号在不同频段的分辨率,在故障诊断中比小波分析更精细。本文尝试用小波包分析研究电机转子断条故障诊断问题。
2.实验数据采集
下面针对正常、转子断条的三相鼠笼式异步电动机两台电机的电流信号进行采集和分析研究。三相异步鼠笼电动机额定功率3KW,额定转速1430转/分。
在转差率s=5.6%,采样频率为 =1000Hz,采样点数 的情况下采用虚拟仪器对电流信号进行采集。图1为异步电动机正常运行时定子电流信号及其频谱,图2为异步电动机鼠笼断条一根的情况下定子电流信号及频谱图。
从图1、2中可知,在相同负载情况下,很难从频谱图上判断电机断条故障特征,仅仅能看见微小的变化。
从表1中可以看出,故障状态和正常状态下,数值没有明显的变化,因此,很难从这些特征参数提取故障信息。
3.实验分析
下面采用小波包变换对电机电流信号进行分析,并在最优小波包基下提取各节点的小波包分解系数。分析对比各节点小波包分解系数的变化。
根据小波包分解频带划分特性,根据转子故障特征频率(44.4HZ,55.6HZ),可将电流信号进行5层小波包分解,小波基函数选择sym4。
在图3所示的最优小波包基下每个节点均对应一个小波包分解系数,而适当的节点的小波包分解系数可以体现信号的特征。由图4和图5可知在不考虑边缘效应的影响下正常信号和故障信号的节点(5,4)、(5,5)及(5,6)的小波包分解系数存在明显的差异。据此可以得出以下结论:
(1) 可以根据小波包分解系数来对电机的状态进行简单判别。
(2) 电机正常时,节点(5,4)、(5,5)及(5,6)等小波包分解系数近似为零,且平稳。
(3) 电机断条时,节点(5,4)、(5,5)及(5,6)等小波包分解系数存在着一定的幅度振荡。
下面对最优小波包基下的节点进行重构,然后根据重构后信号的波形分析一下正常和故障情况下的区别。
从图6和图7可知,重构信号在近似部分区别很小,而在细节部分存在着明显的区别,特别是在节点(5,4),(5,6)处的差别最大。从而可以得出一个结论:从小波包分解系数和重构波形可以简单判断出电机是否发生转子断条。
4.结论
本文通过对电机正常时和转子断条时的电流信号的小波包分解,并提取和重构各节点小波包分解系数,从小波包系数的变化可以判断出电机是否发生故障。
联系客服