流數據挖掘與電機無損檢測

馬 俊

（中海油服鉆井研究院，燕郊，065201）

0 前言

海上平臺在工作過程中，會使用大量的電機提供各種機械需要的動力，一旦發生電機故障，小則影響生產，大者甚至影響平臺安全。提供無損失通用電機健康狀態在線檢測，具有重大經濟效益和安全效益。而流數據分析是近幾年在數據分析領域和數據挖掘領域興起的技術，本文結合海上平臺的電機監測數據處理系統，簡要闡述流數據挖掘系統的構成和典型應用架構和基礎算法，尤其是對于屬于回轉機械的電機監測系統中的快速傅里葉變換和小波變換的應用進行剖析。

1 流數據挖掘

流數據挖掘（Stream Data Mining）在現在數字化的世界中越來越顯得重要，它尤其適合處理包含傳感網絡數據在內的各種大量、不間斷的數據進行規律性挖掘和模式的識別。

流數據和我們常規的數據流有很大的區別。首先，它是不確定的，數據的到達時間、長度不確定，甚至數據的性質都不確定，比如外星探測的衛星數據。其次，其數據的管理一般不采用裸數據管理，也就是不進行原始數據存儲管理，因為其時效性和重復性都較其他常規數據要求更高，一般采用就地處理方式。比如，對網絡應用流量的分類處理中，就不可能對所有網絡數據包的原始報文進行存儲，也沒有必要。再次，流數據挖掘中無法保證原始數據的全部完整性，因此，遺漏在所難免，分析也只能是近似的，很難保證其精確性。

在實際工業傳感數據中，尤其是在各種設備健康監測系統中，越來越多出現系統數據流，需要進行數據模式識別和挖掘才能完成系統的狀態辨識。

一般而言，各種流數據挖掘系統都采用以下技術手段實現系統的分析任務。

首先，大量的數據需要進行提煉處理，數據的提煉過程一般有以下手段。

1.1 抽樣。通過抽樣方法獲得部分數據。有均勻抽樣和偏重抽樣之分。

1.2 速描。通過將數據進行快速結構層次提升，通過變換來直接處理原始數據，提供系統的概要性特征。這種方法中，就包括在本文中的電機在線監測系統中使用的快速傅里葉變換和小波變換的算法。

1.3 負載丟棄。在內存容量與處理速度跟不上的時候，直接放棄一部分數據。這會影響系統的敏感度。

1.4 聚合。即通過數據的統計平均處理和方差處理獲得精煉的數據。然后，再進行數據挖掘，其常用手段包括：

1.5 近似算法。由于數據流的數據通常都是一次性的，所以使用快速近似算法，獲得近似結果是常見的數據分析方法。

1.6 滑動窗口。在數據時效性很強的時候，如股票市場等，只有近期的數據對分析挖掘起作用。則通過設置數據有效的窗口大小，獲得數據的有效性和分析的敏感性的作用。本文的電機在線監測系統，就是用了滑動窗口的方式，進行小波變換。

通過上述流數據挖掘，可以有效解決本文中電機在線監測系統所需要的流數據挖掘問題。

2 電機無損檢測

電機健康監測和一般的結構健康監測不一樣的地方是，它屬于回轉機械監測。因此，大量的健康監測都可以通過其電流，電壓，功率信號的周期性變化來進行診斷。定子電流監測方法因可以做成非侵入式而得到最為廣泛的應用。

其基本理論基礎如下：

7.定子電流頻率故障表現

（1）當定子出現繞組匝間短路時，會在定子電流中產生頻率為：

（2）轉子出現斷條、端環斷裂等故障時，會在定子電流中產生頻率為：

（3）當電動機轉子出現偏心，軸承、氣隙不均勻故障時，定子電流中會產生頻率為：

式（1）、（2）、（3）中：為外加電壓頻率；為轉子旋轉頻率,；為轉差率；為電機極對數；=1,2,3…；=1,3,5…。

8.視在阻抗及故障表現

2.1 轉子導條斷裂時的瞬時功率表達式

轉子斷條故障主要原因有：設計不合理、頻繁起停、交變負載使導條和端環冷熱循環而疲勞斷裂、電壓波動易造成電流過大而過熱等。輕微的故障難以觀察到，當故障嚴重時會引起振動及噪聲增大、電流波動。出現導條斷裂故障時，轉子電路結構上的對稱性被破壞。當定子外加三相對稱電壓時，定子三相基波電流會產生圓形旋轉磁勢。該磁勢建立的旋轉磁場將在轉子繞組中感應頻率為sf 的交流電勢及同頻率的電流。由于轉子已不再對稱，轉子繞組產生的磁勢為橢圓型，同樣可以分解成相對于轉子的正轉分量和反轉分量，反轉分量會在定子繞組中感應出頻率為(1-2s)f 的電勢和電流。

當轉子出現導條斷裂時，會在定子電流中產生頻率為的故障特征頻率成分。

圖1 Matlab 仿真的導條斷裂時的頻譜曲線

2.2 定子繞組匝間短路時的瞬時功率表達式

當定子繞組存在匝間短路時，定子繞組的對稱性遭到破壞。由定子繞組產生的氣隙磁勢變為橢圓型，該橢圓型磁勢可以分解為正轉分量和反轉分量，二者轉速相同、轉向相反。反轉分量在定子繞組中同樣感應出頻率為f 的交流電勢，但是相序相反，從而在定子三相電流中產生出負序分量，這就是主要的故障特征建立的旋轉磁場在轉子繞組中感應出頻率為（2-S）f 電勢和電流，同時會導致振動加劇。

此時的視在阻抗為：

2.3 氣隙偏心故障特征機理分析

偏心的故障征兆有氣隙磁通畸變，振動及噪聲增大、電流波動。出現偏心故障會在定子繞組中感應出頻率為f±fr 的特征頻率成分。如果考慮到這些頻率的電流進一步和氣隙磁場作用產生轉矩和轉速的波動，可以導出f±mfr（m 為正整數）故障特征頻率成分的存在。

氣隙長度分布不均勻后，主氣隙磁路的磁阻對稱性發生改變，導致定子產生的主氣隙磁通改變，因此可等效于產生主磁通的定子繞組不對稱，從故障特征來看偏心故障特征和定子匝間短路故障的信號特征也是十分接近的。

2.4 系統設計

3 應用系統

這個電機在線監測系統所獲得的大量原始數據，需要進行分析挖掘，方能得到實際應用的分析結論。其實時性和大量連續數據的特性，使得該系統屬于典型的流數據分析系統。

在系統數據處理過程設計圖如下：

圖3 數據分析流程圖

在系統參數模塊中，與數據分析相關聯的有數據過濾參數設置，模式識別分析算法參數設置，以及數據分析滑動窗口大小設置，以及系統報警分析的安全系數大小設置。

在數據采集模塊中，主要是接受傳感器的原始數據，并將原始數據計入數據庫存檔，以便今后進行分析自動回演和人工分析。

在數據過濾模塊中，主要是進行數據的平滑處理，指定平滑處理的窗口大小，以及記錄噪聲數據的次數，以此作為傳感器工作可靠性的重要參考依據。保證系統不受偶發的噪聲數據的影響經常發生誤報，同時保證系統的敏感性。

在得到故障模式的情況下，再根據該模式下的數據超限情況以及系統安全設定情況進行報警分析處理。并將各種報警信息進行入庫處理，以便時候追蹤和回演。

4 結論

通過上述分析后的應用系統，通過在平臺電機在線檢測中的應用，該系統操作簡單，一次連接（不動電機本體）即可檢測診斷電機轉子的斷條與接觸不良、氣隙偏心、三相平衡及由軸承等造成的機械特性健康狀態，如下圖所示。

圖4 現場測試報告

系統中快速傅里葉變換，小波變換等算法，對象模型以及專家系統規則，均在系統數據分析引擎中實現?？蓪崿F電機帶負載條件下的動態檢測，檢測數據直接進入數據庫，因而可對電機狀態進行長期跟蹤分析，定性電機劣化趨勢方向。同時系統可快速生成整體報告，直觀紅、黃、綠顯示電機的“健康狀況”，展現給用戶的就是直觀，可靠的操作和指南，表明電機無損檢測技術有很好的應用前景。

[1]金澈清，錢衛寧，周傲英.流數據分析與管理綜述,軟件學報,2004,Vol.15,NO.8.

[2]肖蕙蕙，李川，李山，李文杰，小波分析在異步電機故障診斷中的應用，重慶工學院學報，2006，Vol.20,NO.8.