在现代化生产中，机械设备的故障诊断技术越来越受到重视，如果某台设备出现故障而又未能及时被发现和排除，其结果不仅会导致设备本身损坏，甚至可能造成机毁人亡的严重后果。在企业的连续生产系统中，如果某台关键设备因故障而不能继续运行，往往会涉及整个企业的生产系统设备的运行，造成巨大经济损失。因此，故障诊断具有极为重要的意义。

感应电机生产过程的最后一个环节是质量控制，以确保产品的正常工作，并发现在成品或其子部件里的任何缺陷。为了达到这些要求，需要特定的快速、易于实施的程序，能够使工程师在几秒钟内决定样品是否符合销售要求。

这些程序必须考虑到感应电机的特性，许多工业过程和电器的基本组件，以及可能出现的电气或机械问题。根据数据显示，感应电机约35-40%的故障是由电气故障引起的，包括转子折断、定子或电源故障，45-55%是由机械故障引起的，如轴承故障或转子不平衡、弯曲或不对中。通过对电机振动和定子电流信号的分析，可以较好地检测了电机的整体机电状况；例如，振动分析技术能够检测机械源动力在仪器中产生的机械问题。

振动信号首先由加速度计采集并保存以供后续处理。在电机中，振动主要沿两个方向产生:轴向和径向。因此，沿着这些方向的两个加速度计可以被认为足以捕获必要的信息。然而，一般情况下，用于振动测试的传感器的数量和位置可能取决于被测电机的类型和采用的试验台。数据采集完成后，对被测感应电机的径向和轴向振动信号进行时域和频域处理，提取一组显著特征。最后，选择的特征被输入到二元分类器中，之前用合适的数据集进行训练，以将测试的电机分类为健康或故障。在这第一个初步分析中，已经测试了不同类型的分类模型，以找出一个显示出最好的选择性。值得注意的是，在这项初步研究中，制造商只提供了有限数量的分类电机来形成相关数据集，但预计在不久的将来，将使用更多数量的分类电机进行广泛的验证。

 

时域和频域特征散点图：蓝色点代表健康电机，红色点代表故障样本

 

径向和轴向振动信号的均值、标准差、偏度和峰度等标准统计指标得到了广泛的分析。这种情况下不需要信号预处理。考虑的时域统计特征的完整列表及其数学定义在中报告。与轴向相关的偏度和峰与峰之间的关系被证明是最能将数据聚类的，如散点图所示。这一发现得到了通过视觉检查获得的经验证据的支持，即健康的电机具有对称的概率密度函数(pdf)，并且信号的最小值和最大值之间有微小的差异。事实上，众所周知，峰与峰之间返回振动信号x的最大值和最小值之间的差值，而偏度通过其概率密度函数量化信号行为中的不对称性。

 

轴向（第一行）和径向（第二行）振动原始数据的信号预处理示例

当故障发生的时候电机动态会受到影响，并且振动模式会出现偏差。在旋转机械中，由于电机的旋转运动，故障部件（例如轴承故障）可能会在信号中以一定的周期性出现一些偏差，这可能会修改信号的频率成分。频率内容的修改可能会出现在选定的频率上，或者影响可能会沿着频谱更广泛地分布。因此，频域振动信号的分析显得尤为重要。为此径向和轴向信号都以三步法进行了预处理。由于幅度较大的频率分量低于 1000 Hz，因此首先使用 4 阶、低通的 IIR 滤波器对信号进行滤波，截止频率为 1 kHz，通带纹波为 1 dB，阻带衰减为 20 dB。然后应用零相位滤波器来保留原始信号中出现的特征，并且时间波形已经去趋势。信号预处理结果的一个例子如上图所示。随后，已经使用快速傅里叶变换 (FFT) 导出了单边幅度谱。在下图可以看到所描述的处理阶段的结果示例，其中在径向和轴向方向上比较了健康和故障电动机的频率内容。

 

健康电机(蓝色线)和轴承损坏电机(红色线)两个样品的FFT:

蓝色线为健康电机，红色线为故障样品；

径向和轴向fft信号都具有更高的能量和振幅，最高可达1000 Hz，因此不代表更高的频率；

在每个图的顶部较小的图表是放大[80;120] Hz和[330,380]Hz

该结果与第一个频带约为 100 Hz（即网络频率）而后者对应于轴承频率（研究的电机有 7 个轴承并以 50 Hz 旋转）的明显事实一致。在这项研究中，提出了一种用于感应电机中机械故障的检测系统。所描述的方法基于振动分析，适用于生产质量控制测试。首先，从时域和频域沿径向和轴向的振动信号中提取敏感特征。然后，将提取的特征输入分类器，以实现电机故障或正常运转的分类。

故障诊断是建立在能量耗散原理的基础之上的。所有设备的作用都是能量的转换与传递，设备状态越好，转换与传递过程中的附加能量损耗越小。因此，监测附加能量损耗的变化，可以了解设备的劣化程度。

欲了解更多故障分析有关案例，欢迎访问公司官网：https://www.cz-dianwoliu.com/。