Morlet小波解調(diào)制方法診斷鼠籠電機(jī)轉(zhuǎn)子斷條故障

祝洪宇， 胡靜濤， 高雷， 黃昊

(1.中國科學(xué)院沈陽自動化研究所，遼寧 沈陽 110016;2.中國科學(xué)院大學(xué)，北京 100049;3.中國科學(xué)院網(wǎng)絡(luò)化控制系統(tǒng)重點(diǎn)實驗室，遼寧沈陽 110016;4.遼寧科技大學(xué)電子與信息工程學(xué)院，遼寧鞍山 114051)

0 引言

轉(zhuǎn)子斷條是鼠籠電機(jī)常見故障類型，約占全部故障5%～10%。早期轉(zhuǎn)子斷條故障診斷對提高電機(jī)運(yùn)行效率、降低維護(hù)費(fèi)用、減少能源浪費(fèi)具有現(xiàn)實意義。電機(jī)電流信號特征分析(motor current signature analysis，MCSA)是診斷早期轉(zhuǎn)子斷條故障最常用方法［1］。根據(jù)旋轉(zhuǎn)磁場理論，在假設(shè)轉(zhuǎn)速恒定或轉(zhuǎn)動慣量無窮大的條件下，任何轉(zhuǎn)子不對稱都會在定子電流頻譜中引起(1－2s)fs頻率成分;如果假設(shè)條件不成立，那么在電流頻譜中還會出現(xiàn)(1+2s)fs頻率成分，其中s為滑差，fs為電源基頻頻率。因此，在排除其他可能產(chǎn)生上述頻率成分因素前提下，當(dāng)電機(jī)穩(wěn)態(tài)運(yùn)行時，根據(jù)單相定子電流信號快速傅里葉變換(fast Fourier transform，F(xiàn)FT)頻譜中是否存在轉(zhuǎn)子斷條故障特征頻率成分fb=(1±2s)fs及幅值大小就可以判斷故障發(fā)生與否及其嚴(yán)重程度［2］。眾所周知，加窗是對信號做FFT時不可避免的處理手段，因此由加窗引起的頻譜泄露是MCSA的必然結(jié)果。頻譜泄露現(xiàn)象嚴(yán)重限制了MCSA方法的在線應(yīng)用:在轉(zhuǎn)子斷條故障早期，fb非常微弱，工頻供電時，fb常常為基頻頻譜泄露和噪聲信號所堙沒(當(dāng)電機(jī)低負(fù)載運(yùn)行時，MCSA方法甚至完全失效);當(dāng)變頻器供電時，為滿足調(diào)速需要，電機(jī)常常在某一設(shè)定頻率下穩(wěn)定運(yùn)行，這時fb極有可能為變頻器設(shè)定頻率頻譜泄露所堙沒，如果加之變頻器高頻噪聲干擾的影響，故障特征識別更加困難［3－4］，目前還沒有行之有效的方法處理這一問題。如何去除或削弱頻譜泄露影響并抑制噪聲干擾以提取故障特征頻率，是進(jìn)行鼠籠電機(jī)早期轉(zhuǎn)子斷條故障診斷的關(guān)鍵。

目前常用的去除或削弱頻譜泄露方法包括加窗方法、濾波方法、多輸入的電壓和電流信號分析方法以及基于數(shù)學(xué)變換的解調(diào)制方法［1，5－8］。上述方法中，使用窗函數(shù)只是改進(jìn)譜估計質(zhì)量的技巧問題，而不是根本的解決辦法;濾波方法和多輸入電壓電流信號分析方法則需要增加數(shù)據(jù)處理過程中的軟硬件開銷。文獻(xiàn)［1］指出:鼠籠電機(jī)負(fù)載轉(zhuǎn)矩波動、轉(zhuǎn)子不對稱等故障將對定子電流進(jìn)行相位或幅值調(diào)制。由于調(diào)制后的電流信號包絡(luò)線中包含有豐富的故障信息，因此對調(diào)制信號進(jìn)行解調(diào)處理，分離提取低頻包絡(luò)信號，被認(rèn)為是消除載波頻率頻譜泄露影響最直接的方法。

實現(xiàn)調(diào)制信號解調(diào)的關(guān)鍵是調(diào)制信號的包絡(luò)線提取，Hilbert變換、小波變換是常用的包絡(luò)線提取方法［4，9］。文獻(xiàn)［9］對比分析了Hilbert變換和小波變換的原理、性質(zhì)以及這兩種數(shù)學(xué)變換在提取信號包絡(luò)方面的應(yīng)用，得出小波變換是較好的信號包絡(luò)提取方法的結(jié)論。文獻(xiàn)［9－10］提供了利用Morlet小波實現(xiàn)故障信號包絡(luò)提取的嚴(yán)格理論證明。文獻(xiàn)［10］進(jìn)一步闡述了Morlet解析小波變換用于振動信號包絡(luò)解調(diào)分析的理論基礎(chǔ)，并以諧波組合小波診斷滾動軸承故障。文獻(xiàn)［11］采用小波系數(shù)熵優(yōu)化包絡(luò)因子，提出了復(fù)平移Morlet小波包絡(luò)解調(diào)方法。上述研究結(jié)果表明:由于Morlet小波變換兼具帶通濾波和提取信號包絡(luò)的特性，可以將噪聲分解到不同的頻帶進(jìn)行平滑，因而能夠有效消除高頻噪聲，提高信號包絡(luò)光滑度，并有利于從包絡(luò)信號中找到故障特征低頻頻率，是非常理想的信號包絡(luò)提取方法。

基于上述分析，本文提出一種基于Morlet小波解調(diào)制分析的轉(zhuǎn)子斷條故障診斷新方法。該方法的核心是利用Morlet小波變換的帶通濾波功能以及其實部和虛部正交的特性提取故障鼠籠電機(jī)定子電流包絡(luò)線，借以消除頻譜泄露和噪聲干擾的影響，然后對該包絡(luò)線信號做FFT頻譜分析，根據(jù)包絡(luò)線FFT頻譜中是否存在特征頻率成分2sfs判斷轉(zhuǎn)子斷條故障發(fā)生與否。區(qū)分鼠籠電機(jī)工頻供電時不同負(fù)載狀況以及變頻器供電時不同設(shè)定頻率兩種情況，對所提出的方法進(jìn)行了實驗驗證。

1 Morlet小波變換提取信號包絡(luò)線原理

Morlet小波由高斯函數(shù)經(jīng)余弦復(fù)調(diào)制生成，是高斯包絡(luò)下的復(fù)指數(shù)函數(shù)。式(1)是Morlet小波的時域簡化表述形式，該函數(shù)的傅里葉變換即頻域表述形式如式(2)所示［11］。

fb，就可以改變小波形狀進(jìn)而優(yōu)化濾波性能，從而有效去除信號中的噪聲干擾。由式(1)可知，Morlet小波近似為解析小波，其虛部近似為實部的Hilbert變換。信號x(t)Morlet小波變換為

嚴(yán)格地說，式(1)所示的Morlet小波沒有零均值，因此不滿足小波允許條件，但是通過適當(dāng)?shù)剡x擇中心頻率fc和帶寬參數(shù)fb的值，可以使之近似滿足小波允許條件，從而將該小波視為允許小波。

2 基于Morlet小波解調(diào)制方法的轉(zhuǎn)子斷條故障診斷

2.1 利用Morlet小波提取故障電機(jī)定子電流包絡(luò)線

根據(jù)調(diào)制理論，當(dāng)鼠籠電機(jī)出現(xiàn)轉(zhuǎn)子斷條或端環(huán)斷裂故障時，電流、轉(zhuǎn)速、轉(zhuǎn)矩都將受到周期性的擾動影響，該周期性擾動同時對定子三相電流信號ia(t)、ib(t)、ic(t)進(jìn)行幅值和相位調(diào)制［12］。如果只考慮幅值調(diào)制和擾動基波分量的影響，則調(diào)制后的a相電流信號iaf(t)為

該信號的載波信號角頻率即是電源供電頻率ωs，調(diào)制信號角頻率即周期性波動頻率ωo=2πfo=2sωs=4πsfs。a代表調(diào)制深度，是一個與故障嚴(yán)重程度和電機(jī)負(fù)載大小有關(guān)的參數(shù)。由式(4)可知，轉(zhuǎn)子斷條故障特征主要包含在與周期性波動頻率ωo有關(guān)的定子電流低頻信息中。包絡(luò)解調(diào)方法的目的是從測量信號iaf(t)中分離出這些低頻信息，在此基礎(chǔ)上診斷識別轉(zhuǎn)子斷條故障。

根據(jù)式(4)可以得到如式(5)所示的鼠籠電機(jī)轉(zhuǎn)子斷條故障a相定子電流模型，b、c兩相電流模型具有對稱的形式，如式(6)、式(7)所示。其中，左邊頻帶成分fl=(1－2s)fs，右邊頻帶成分fr=(1+2s)fs。φl和 φr分別代表左、右邊頻帶相位角，Il和Ir分別為左、右邊頻帶幅值，該幅值大小與調(diào)制系數(shù)a有關(guān)。

將上面提到的Morlet小波(1)與a相定子電流信號(5)做卷積，可以得到如式(8)所示的結(jié)果為選取適當(dāng)?shù)闹行念l率fc和帶寬參數(shù)fb(如fc=fs，fb＞0.000 1)，e－π2(fc+fs)2fb、e－π2(fc+fl)2fb、e－π2(fc+fr)2fb

可忽略不計，于是得到簡化表達(dá)形式為

將式(9)的實部與虛部進(jìn)行平方合成，獲得故障電流信號iaf(t)的包絡(luò)線|Waf(t)|為

由上述推導(dǎo)可知:通過選擇合適的中心頻率fc和小波參數(shù)fb，就可以在提取故障信號包絡(luò)線過程中將基頻分量轉(zhuǎn)化成直流分量，從而消除基頻頻譜泄露對故障特征成分的影響，并且有效抑制與轉(zhuǎn)子斷條故障特征頻率無關(guān)的其他頻率成分。在MCSA方法中，轉(zhuǎn)子斷條故障特征頻率為fb=(1±2s)fs。但是在包絡(luò)線頻譜中，故障特征頻率為單一的譜線2sfs和4sfs。鑒于2sfs的幅值要遠(yuǎn)大于4sfs的幅值，所以選擇2sfs作為故障特征頻率。該頻率成分的出現(xiàn)直接反映了轉(zhuǎn)子斷條故障，且其幅值隨著故障嚴(yán)重程度和負(fù)載增大而增大。由于不受基頻頻譜泄露影響，該特征頻率更易于識別。

理論與實踐表明［1］，當(dāng)鼠籠電機(jī)發(fā)生轉(zhuǎn)子斷條故障時，定子電流中將出現(xiàn)故障特征頻率fb=(1±2s)fs。該公式提供了小波參數(shù)fc和fb的選擇依據(jù)。例如，鼠籠電機(jī)工頻供電、額定轉(zhuǎn)速以下運(yùn)行時，轉(zhuǎn)子滑差一般在0.05～0之間變化，斷條故障特征頻率成分fb∈［45 Hz，55 Hz］。這時如果選擇小波參數(shù)fc=fs，帶寬參數(shù)fb≥0.01，就可以獲得滿意的濾波效果，并在提取包絡(luò)線過程中消除基頻fs頻譜泄露的影響。變頻器供電時，為滿足調(diào)速需要，供電頻率經(jīng)常根據(jù)負(fù)載變化而變化。這時，故障特征頻率分布與變頻器設(shè)定頻率周圍，只要根據(jù)變頻器設(shè)定頻率的變化情況適時調(diào)整中心頻率fc和參數(shù)fb的取值范圍，同樣能取得很好的濾波效果。

2.2 轉(zhuǎn)子斷條故障診斷方法

根據(jù)上述分析，提出一種基于Morlet小波變換解調(diào)制分析的鼠籠電機(jī)轉(zhuǎn)子斷條故障診斷方法，該方法功能框圖如圖1所示。

圖1 故障診斷功能框圖Fig.1 Functional diagram of fault diagnosis methods

3 實驗及結(jié)果分析

3.1 實驗裝置及實驗過程

實驗裝置由電源系統(tǒng)、電機(jī)拖動系統(tǒng)、數(shù)據(jù)采集系統(tǒng)、數(shù)據(jù)處理中心4部分組成。電源系統(tǒng)包括西門子變頻器和50 Hz工頻電源，通過轉(zhuǎn)換開關(guān)實現(xiàn)變頻和工頻兩種供電方式切換。電機(jī)拖動系統(tǒng)包括實驗電機(jī)和直流發(fā)電機(jī)負(fù)載。數(shù)據(jù)采集系統(tǒng)由電流互感器、自制調(diào)理電路、數(shù)據(jù)采集卡組成，采集卡信號輸入方式設(shè)定為差分輸入，輸入電壓范圍為±10 V。實驗電機(jī)是2臺額定功率3 kW、額定電壓380 V、額定電流6.8 A的鼠籠電機(jī)，其中1臺電機(jī)無故障，用作實驗參照，另1臺電機(jī)帶有1根斷條故障，用于方法驗證。電機(jī)實驗臺和實驗用故障轉(zhuǎn)子如圖2所示。

圖2 電機(jī)實驗臺和實驗用故障轉(zhuǎn)子Fig.2 Experiment setup and broken rotor used in the tests

在工頻和變頻器供電條件下對無故障電機(jī)和故障電機(jī)進(jìn)行測試。工頻供電時，使電機(jī)在25%、50%、75%、91%額定負(fù)載下穩(wěn)定運(yùn)行，以此驗證該方法在不同負(fù)載情況下提取轉(zhuǎn)子斷條故障特征頻率的穩(wěn)定性;變頻器供電時，變頻器設(shè)定頻率為32 Hz、45 Hz，以此驗證該方法在不同供電方式下提取故障特征頻率的有效性和抑制噪聲的能力。實驗過程中，數(shù)據(jù)采樣時間10 s、采樣頻率為4 kHz。在Matlab7.0環(huán)境下對測得的數(shù)據(jù)做離線分析，頻譜圖縱坐標(biāo)采用對數(shù)分度，所有數(shù)據(jù)以基頻分量幅值為基準(zhǔn)做歸一化處理。表1所示為電機(jī)測試狀態(tài)和相應(yīng)的故障特征頻率理論值。

表1 電機(jī)故障特征邊頻帶理論值Table 1 Theoretical fault sidebands of healthy and faulty motor

3.2 實驗結(jié)果分析

圖3為工頻供電無故障鼠籠電機(jī)定子電流FFT頻譜和經(jīng)過Morlet小波解調(diào)制處理后的包絡(luò)線FFT頻譜。由于圖中沒有出現(xiàn)轉(zhuǎn)子斷條故障特征頻率fb=(1±2s)fs(圖3(a))或fb=2sfs(圖3(b))，因此表明該電機(jī)無故障。

圖3 工頻供電無故障鼠籠電機(jī)定子電流FFT頻譜和包絡(luò)線頻譜Fig.3 FFT and Envelope spectrum of motor stator current for main-fed healthy squirrel cage motor

圖4所示為工頻供電故障鼠籠電機(jī)定子電流FFT譜。對比圖3(a)，從圖4中可以清楚地看出基頻頻譜泄露對轉(zhuǎn)子斷條故障特征頻率fb=(1±2s)fs的影響:鼠籠電機(jī)在50%額定負(fù)載下工作時，采用MCSA方法能夠清晰識別出轉(zhuǎn)子斷條，這時，左邊頻帶特征為(47.2 Hz，－40 dB)，右邊頻帶特征為(52.8 Hz，－41 dB);當(dāng)電機(jī)負(fù)載降至25%額定負(fù)載時，故障特征頻率fb完全被基頻頻譜泄露所堙沒，采用MCSA方法已經(jīng)無法診斷出轉(zhuǎn)子斷條故障。

圖4 工頻供電故障鼠籠電機(jī)定子電流FFT頻譜Fig.4 FFT spectrum of motor stator current for main-fed fault squirrel cage motor

圖5 工頻供電故障電機(jī)定子電流包絡(luò)線頻譜Fig.5 Envelope spectrum of motor stator current for main-fed fault squirrel cage motor

由圖5可見:由于在提取包絡(luò)線過程中基頻成分轉(zhuǎn)化成了直流分量，因此包絡(luò)線頻譜中的轉(zhuǎn)子斷條故障特征頻率2sfs不受基頻頻譜泄漏現(xiàn)象的影響，而且隨著負(fù)載增大，故障特征頻率2sfs幅值逐漸增大，這與理論推導(dǎo)顯示的結(jié)果是一致的。從圖5(a)中還看出:即使當(dāng)電機(jī)在25%的低負(fù)載情況下運(yùn)行時，采用所提出的算法仍然能清晰地識別出2sfs特征成分，從而表明該算法比對定子電流直接做FFT分析具有明顯的優(yōu)勢。

圖6是變頻器不同設(shè)定頻率下故障鼠籠電機(jī)定子電流包絡(luò)線細(xì)化頻譜，圖中標(biāo)注代表轉(zhuǎn)子斷條故障特征2sfs的頻率值和歸一化幅值。比較圖6與圖5可見，當(dāng)鼠籠電機(jī)由變頻器供電時，包絡(luò)線FFT頻譜中的諧波成分明顯增多，這增加了故障特征識別難度。但是，對比圖6和圖3(b)可知，采用本文提出的診斷方法能夠有效抑制噪聲干擾，并清晰地識別出轉(zhuǎn)子斷條故障特征頻率2sfs。圖6中，故障特征頻率2sfs在頻譜中的位置隨著變頻器設(shè)定頻率fs的變化而變化。

圖6 變頻器供電故障電機(jī)定子電流包絡(luò)線頻譜Fig.6 Envelope spectrum of motor stator current for inverter-fed fault squirrel cage motor

4 結(jié)語

基頻頻譜泄露現(xiàn)象嚴(yán)重限制了MCSA方法的在線應(yīng)用，本文提出一種基于Morlet小波解調(diào)制分析的鼠籠電機(jī)轉(zhuǎn)子斷條故障診斷方法解決這一問題。該方法利用Morlet小波的帶通濾波功能和其實部和虛部正交的特性提取故障定子電流信號包絡(luò)線，并對該包絡(luò)線做FFT分析，根據(jù)FFT頻譜中是否存在特征頻率成分2sfs判斷轉(zhuǎn)子斷條故障發(fā)生與否。通過適當(dāng)選取適當(dāng)小波中心頗率fc和帶寬fb，使濾波器覆蓋信號中與故障特征有關(guān)的頻帶，借以提取出較理想的包絡(luò)，有效消除了頻譜泄露的影響。理論分析與實驗結(jié)果表明，當(dāng)鼠籠電機(jī)在工頻供電不同負(fù)載以及變頻供電不同設(shè)定頻率下穩(wěn)定運(yùn)行時，所提出的方法能有效提取出故障特征頻率并對早期轉(zhuǎn)子斷條故障進(jìn)行診斷識別。

［1］MEHRJOU M R，MARIUN N，et al.Rotor fault condition monitoring techniques for squirrel-cage induction machine-A review［J］.Mechanical Systems and Signal Processing，2011，25(8):2827－2848.

［2］FILIPPETTI F，F(xiàn)RANCESCHINI G，et al.AI techniques in induction machines diagnosis including the speed ripple effect［J］.IEEE Transactions on Industry Applications，1998，34(1):98－108.

［3］侯新國，卜樂平，邵英.帶變頻驅(qū)動系統(tǒng)的感應(yīng)電機(jī)故障診斷研究［J］.電機(jī)與控制學(xué)報，2011，15(8):23－28.

HOU Xinguo，BU Leping，SHAO Ying.Research on faults diagnosis methods of induction motors with variable frequency driver system［J］.Electric Machines and Control，2011，15(8):23－28.

［4］張雄希，劉振興.共振解調(diào)與小波降噪在電機(jī)故障診斷中的應(yīng)用［J］.電機(jī)與控制學(xué)報，2010，14(6):66－70.

ZHANG Xiongxi，LIU Zhenxing.Application of resonance demodulation and wavelet denosing in fault diagnosis of induction motors［J］.Electric Machines and Control，2010，14(6):66－70.

［5］陽同光，蔣新華，付強(qiáng).瞬時功率頻譜分析在牽引電機(jī)轉(zhuǎn)子

故障診斷的應(yīng)用研究［J］.電機(jī)與控制學(xué)報，2012，16(10):95－99.

YANG Tongguang，JIANG Xinhua，F(xiàn)U Qiang.Study on application of spectral analysis of instantaneous power to fault diagnosis of traction motor rotor［J］.Electric Machines and Control，2012，16(10):95－99.

［6］馬宏忠，姚華陽，黎華敏.基于Hilbert模量頻譜分析的異步電機(jī)轉(zhuǎn)子斷條故障研究［J］.電機(jī)與控制學(xué)報，2009，13(3):371－376.

MA Hongzhong，YAO Huayang，LI Huamin.Study on rotor broken-bar fault in induction motors based on spectrum analysis of Hilbert modulus［J］.Electric Machines and Control，2009，13(3):371－376.

［7］安國慶，劉教民，郭立煒，等.利用相關(guān)性基波消去法診斷電機(jī)轉(zhuǎn)子斷條故障［J］.電機(jī)與控制學(xué)報，2011，15(3):69－73.

AN Guoqing，LIU Jiaomin，GUO Liwei，et al.Diagnosing rotor broken bar fault in motor by using correlation fundamental component filtering method［J］.Electric Machines and Control，2011，15(3):69－73.

［8］謝國民，王燦祥，佟瑩.采煤機(jī)電動機(jī)故障診斷專家系統(tǒng)的研究與應(yīng)用［J］.信息與控制，2013，42(3):358－363.

XIE Guomin，WANG Chanxiang，TONG Ying.Research and application of expert system on fault diagnosis of shearer motor［J］.Information and Control，2013，42(3):358－363.

［9］張緒省，朱貽盛，成曉雄，等.信號包絡(luò)提取方法－從希爾伯特變換到小波變換［J］.電子科學(xué)學(xué)刊，1997，19(1):120－123.

ZHANG Xusheng，ZHU Yisheng，CHENG Xiaoxiong，et al.The methods of extracting signal envelop-from Hilbert transform to wavelet transform［J］.Jounal ofelect ronics，1997，19(1):120－123.

［10］張家凡，易啟偉，李季.復(fù)解析小波變換與振動信號包絡(luò)解調(diào)分析［J］.振動與沖擊，2010，29(9):93－96.

ZHANG Jiafan，YI Qiwei，LI Ji.Complex analytic wavelet transform and vibration signals envelope-demodulation analysis［J］.Journal of Vibration and Shock，2010，29(9):93－96.

［11］NIKOLAOU N G，ANTONIADIS I A.Demodulation of vibration signals generated by deffects in rolling element bearings using complex shifted morlet wavelets［J］.Mechanical Systems and Signal Processing，2002，16(4):677－694.

［12］TRZYNADLOWSKI A M，RITCHIE E.Comparative investigation of diagnostic media for induction motors:a case of rotor cage faults［J］.IEEE Transactions on Industrial Electronics，2000，47(5):1092－1099.