流数据挖掘与电机无损检测

马 俊

（中海油服钻井研究院，燕郊，065201）

0 前言

海上平台在工作过程中，会使用大量的电机提供各种机械需要的动力，一旦发生电机故障，小则影响生产，大者甚至影响平台安全。提供无损失通用电机健康状态在线检测，具有重大经济效益和安全效益。而流数据分析是近几年在数据分析领域和数据挖掘领域兴起的技术，本文结合海上平台的电机监测数据处理系统，简要阐述流数据挖掘系统的构成和典型应用架构和基础算法，尤其是对于属于回转机械的电机监测系统中的快速傅里叶变换和小波变换的应用进行剖析。

1 流数据挖掘

流数据挖掘（Stream Data Mining）在现在数字化的世界中越来越显得重要，它尤其适合处理包含传感网络数据在内的各种大量、不间断的数据进行规律性挖掘和模式的识别。

流数据和我们常规的数据流有很大的区别。首先，它是不确定的，数据的到达时间、长度不确定，甚至数据的性质都不确定，比如外星探测的卫星数据。其次，其数据的管理一般不采用裸数据管理，也就是不进行原始数据存储管理，因为其时效性和重复性都较其他常规数据要求更高，一般采用就地处理方式。比如，对网络应用流量的分类处理中，就不可能对所有网络数据包的原始报文进行存储，也没有必要。再次，流数据挖掘中无法保证原始数据的全部完整性，因此，遗漏在所难免，分析也只能是近似的，很难保证其精确性。

在实际工业传感数据中，尤其是在各种设备健康监测系统中，越来越多出现系统数据流，需要进行数据模式识别和挖掘才能完成系统的状态辨识。

一般而言，各种流数据挖掘系统都采用以下技术手段实现系统的分析任务。

首先，大量的数据需要进行提炼处理，数据的提炼过程一般有以下手段。

1.1 抽样。通过抽样方法获得部分数据。有均匀抽样和偏重抽样之分。

1.2 速描。通过将数据进行快速结构层次提升，通过变换来直接处理原始数据，提供系统的概要性特征。这种方法中，就包括在本文中的电机在线监测系统中使用的快速傅里叶变换和小波变换的算法。

1.3 负载丢弃。在内存容量与处理速度跟不上的时候，直接放弃一部分数据。这会影响系统的敏感度。

1.4 聚合。即通过数据的统计平均处理和方差处理获得精炼的数据。然后，再进行数据挖掘，其常用手段包括：

1.5 近似算法。由于数据流的数据通常都是一次性的，所以使用快速近似算法，获得近似结果是常见的数据分析方法。

1.6 滑动窗口。在数据时效性很强的时候，如股票市场等，只有近期的数据对分析挖掘起作用。则通过设置数据有效的窗口大小，获得数据的有效性和分析的敏感性的作用。本文的电机在线监测系统，就是用了滑动窗口的方式，进行小波变换。

通过上述流数据挖掘，可以有效解决本文中电机在线监测系统所需要的流数据挖掘问题。

2 电机无损检测

电机健康监测和一般的结构健康监测不一样的地方是，它属于回转机械监测。因此，大量的健康监测都可以通过其电流，电压，功率信号的周期性变化来进行诊断。定子电流监测方法因可以做成非侵入式而得到最为广泛的应用。

其基本理论基础如下：

7.定子电流频率故障表现

（1）当定子出现绕组匝间短路时，会在定子电流中产生频率为：

（2）转子出现断条、端环断裂等故障时，会在定子电流中产生频率为：

（3）当电动机转子出现偏心，轴承、气隙不均匀故障时，定子电流中会产生频率为：

式（1）、（2）、（3）中：为外加电压频率；为转子旋转频率,；为转差率；为电机极对数；=1,2,3…；=1,3,5…。

8.视在阻抗及故障表现

2.1 转子导条断裂时的瞬时功率表达式

转子断条故障主要原因有：设计不合理、频繁起停、交变负载使导条和端环冷热循环而疲劳断裂、电压波动易造成电流过大而过热等。轻微的故障难以观察到，当故障严重时会引起振动及噪声增大、电流波动。出现导条断裂故障时，转子电路结构上的对称性被破坏。当定子外加三相对称电压时，定子三相基波电流会产生圆形旋转磁势。该磁势建立的旋转磁场将在转子绕组中感应频率为sf 的交流电势及同频率的电流。由于转子已不再对称，转子绕组产生的磁势为椭圆型，同样可以分解成相对于转子的正转分量和反转分量，反转分量会在定子绕组中感应出频率为(1-2s)f 的电势和电流。

当转子出现导条断裂时，会在定子电流中产生频率为的故障特征频率成分。

图1 Matlab 仿真的导条断裂时的频谱曲线

2.2 定子绕组匝间短路时的瞬时功率表达式

当定子绕组存在匝间短路时，定子绕组的对称性遭到破坏。由定子绕组产生的气隙磁势变为椭圆型，该椭圆型磁势可以分解为正转分量和反转分量，二者转速相同、转向相反。反转分量在定子绕组中同样感应出频率为f 的交流电势，但是相序相反，从而在定子三相电流中产生出负序分量，这就是主要的故障特征建立的旋转磁场在转子绕组中感应出频率为（2-S）f 电势和电流，同时会导致振动加剧。

此时的视在阻抗为：

2.3 气隙偏心故障特征机理分析

偏心的故障征兆有气隙磁通畸变，振动及噪声增大、电流波动。出现偏心故障会在定子绕组中感应出频率为f±fr 的特征频率成分。如果考虑到这些频率的电流进一步和气隙磁场作用产生转矩和转速的波动，可以导出f±mfr（m 为正整数）故障特征频率成分的存在。

气隙长度分布不均匀后，主气隙磁路的磁阻对称性发生改变，导致定子产生的主气隙磁通改变，因此可等效于产生主磁通的定子绕组不对称，从故障特征来看偏心故障特征和定子匝间短路故障的信号特征也是十分接近的。

2.4 系统设计

3 应用系统

这个电机在线监测系统所获得的大量原始数据，需要进行分析挖掘，方能得到实际应用的分析结论。其实时性和大量连续数据的特性，使得该系统属于典型的流数据分析系统。

在系统数据处理过程设计图如下：

图3 数据分析流程图

在系统参数模块中，与数据分析相关联的有数据过滤参数设置，模式识别分析算法参数设置，以及数据分析滑动窗口大小设置，以及系统报警分析的安全系数大小设置。

在数据采集模块中，主要是接受传感器的原始数据，并将原始数据计入数据库存档，以便今后进行分析自动回演和人工分析。

在数据过滤模块中，主要是进行数据的平滑处理，指定平滑处理的窗口大小，以及记录噪声数据的次数，以此作为传感器工作可靠性的重要参考依据。保证系统不受偶发的噪声数据的影响经常发生误报，同时保证系统的敏感性。

在得到故障模式的情况下，再根据该模式下的数据超限情况以及系统安全设定情况进行报警分析处理。并将各种报警信息进行入库处理，以便时候追踪和回演。

4 结论

通过上述分析后的应用系统，通过在平台电机在线检测中的应用，该系统操作简单，一次连接（不动电机本体）即可检测诊断电机转子的断条与接触不良、气隙偏心、三相平衡及由轴承等造成的机械特性健康状态，如下图所示。

图4 现场测试报告

系统中快速傅里叶变换，小波变换等算法，对象模型以及专家系统规则，均在系统数据分析引擎中实现。可实现电机带负载条件下的动态检测，检测数据直接进入数据库，因而可对电机状态进行长期跟踪分析，定性电机劣化趋势方向。同时系统可快速生成整体报告，直观红、黄、绿显示电机的“健康状况”，展现给用户的就是直观，可靠的操作和指南，表明电机无损检测技术有很好的应用前景。

[1]金澈清，钱卫宁，周傲英.流数据分析与管理综述,软件学报,2004,Vol.15,NO.8.

[2]肖蕙蕙，李川，李山，李文杰，小波分析在异步电机故障诊断中的应用，重庆工学院学报，2006，Vol.20,NO.8.