同时采集异步电机定子电流与电压信号的电机电气信号分析

王红强

摘 要：结合异步电机的概念和特点，对其运行的安全性和可靠性进行了分析，以定子电流分析方法为理论基础，采取同时采集异步电机定子电流和电压信号的电机电器信号分析方法，对异步电机的电气和机械故障进行分析，然后结合神经网络的优势，对复杂的电流和电压信号进行故障模式的识别，通过模拟实验的形式，对异步电机的故障进行判别，可以有效提升故障判别的准确性，减少误报和漏报的现象。

关键词：异步电机 定子电流 电压信号 电机电气信号

中图分类号：TM307 文献标识码：A 文章编号：1672-3791（2014）05（b）-0105-02

异步电机，也称感应电机，是一种利用气隙旋转磁场与转子绕组感应电流的相互作用，产生电磁转矩，从而将机电能量转换为机械能量的一种交流电机。异步电机的种类是多种多样的，同时具有小型轻量化、转速高、运转效率高、制造成本低、控制装置简单等特点，作为现代设备的主要动力装置，在多个领域得到了广泛应用。因此，对电机故障进行智能化诊断，提升电机运行的可靠性，成为相关技术人员重点研究的课题。

1 电机电气信号分析技术

从目前的技术发展情况看，针对电机的测试手段，主要包括动态测试和静态测试两种。其中动态测试是通过对定子电流信号的采集和分析，实现对于电机故障的判断，即MCSA电机电流信号分析技术，静态测试则是结合相关参数的对称性，对电机故障进行判断，由于必须在停机状态下进行，会影响生产效率，因此并不经常使用。而这里提到的电机电气信号分析技术，则是同时对电机的电流信号和电压信号进行采集，结合电流与电压同步频谱，可以对电机故障进行细化，分为电气故障、机械故障以及供电故障，相比于MCSA更加全面，更加可靠。

由欧姆定律可知，电压和阻抗是导致电机电流信号变化的主要因素。若在电压固定的情况下，电流出现较大的变化，则说明阻抗变化较大，可能原因是机械松动、绕组松动、气隙偏心等机械故障；而如果阻抗固定，电流出现变压，则电压变化大，说明电机存在电气故障，如短路、绝缘等问题。因此，电机电气信号分析技术的基本规则为：

（1）峰值出现在电流谱，揭示电机机械故障；（2）峰值同时出现在电流谱和电压谱，揭示电机电气故障；（3）供电频率的转差频率、边频，揭示转子状态；（4）对于轴承故障，峰值仅出现在电流谱，且存在线频的非整数倍与转频非整数倍的频率。

2 神经网络

在神经网络中，对故障样本进行训练，可以确定网络的权值和阀值，当再次输入故障信号时，就可以自动识别。因此，当网络训练完成后，神经网络对于运算量的需求较小，运算速度也相对较快。凭借自身良好的非线性映射能力、并行处理能力以及联想记忆能力等，神经网络十分适用于对复杂电机系统的故障诊断工作。通过将神经网络与电机电气信号分析技术的结合，可以实现对于电机故障的智能化诊断，同时可以有效降低故障的错报和漏报。

这里选择当前理论最为成熟、应用最为广泛的反向传播网络进行分析。反向传播网络，简称BP网络，其学习规则是利用BP，对网络的权值和阀值进行调整，从而使得网络误差的平方和最小。BP神经元与其他的神经元存在很大的相似性，不同之处则是其传输层为非线性函数，部分输出层采用线性函数，其输出为：

BP网络的学习过程如图1所示：

3 异步电机的故障识别

首先，要建立相应的故障库，对故障样本进行存储，方便故障的识别。相关研究表明，当电机转子断条时，在线频f两侧，会出现边频2sf，即：

出现定子绕组匝间短路时，在绕组的中心频率两侧，会出现f以及其边频RS，结合相应的公式，对计算出的结果进行整理，可以得出电压信号、转子断条以及绕组匝间短路电流信号的故障库。

其次，要构建相应的网络。这里采用三层网络结构，分别为输入层、输出层和隐含层。其中，在输入层中输入电流与电压信号的16个特征频率值，采用16个神经元，而输出层采用线性函数，含有3个输出，因此采用3个神经元。隐含层神经元的确定可以根据经验公式获得，如下：

其中，M代表输出节点数，N代表输入节点数，表示1～10之间的常数，可以对隐含层的节点数进行确定，为5～14。

需要注意的是，学习的速率过大或者过小都会对训练的结果产生一定的影响，一般为0.01～0.8。

然后，网络训练。针对标准样本和标准输出进行多次训练，可以确定隐含层的神经元为11，学习速率0.25。经多次训练后，系统误差约为10-5，能够满足故障识别精度的要求。

4 实验与结论

一台定子槽数48，转子条数40，转差为0.097的异步电机，在绕组匝间短路、转子断条和正常情况下运行，电机载荷超过1/4，使用ATPROL电机信号采集器，对电流和电压信号进行同时采集，并将采集到的信号传输到计算机，经过FFT变换后，运用神经网络对其故障模式进行判别，然后对相应的参数进行整理和分析。信号采集与处理装置的结构如图2所示。

针对实验中得出的数据信息进行分析，可以得出以下几个结论。

（1）传感器为非嵌入式，可以方便地对电机的电流和电压信号进行采集，便于进行实时检测。（2）针对不同的故障，电压信号和电流信号均有着相应的反应，利用电机电气信号分析技术，可以对电机中存在的电气故障和机械故障进行识别和区分，同时能够通过两者的相互验证，减少误判的机率，确保电机故障诊断的准确性。（3）虽然神经网络在训练阶段的运算量相对较大，但是在网络训练完成后，所需要的运算量相比于传统的诊断方法更小，而且运算速度更快，更适合现代诊断技术发展的客观要求。

5 结语

实践证明，同时采集异步电机定子电流与电压信号的电机电气信号分析技术，可以有效提升故障诊断的速度和准确性，应该得到推广和普及。

参考文献

[1] 陈长征，王胤龙，李明辉，等.基于电气信号的异步电机故障识别[J].沈阳工业大学学报，2008，30（3）：241-244，265.

[2] 任志斌，曾德墙.基于极坐标的异步电机新型参数辨识方法[J].河北科技大学学报，2013，34（3）：218-223，229.

[3] 冯硕，郭素娜，薛倩毓，等.基于DSP的异步电机矢量控制系统研究[J].电气开关，2009，47（6）：44-46.

[4] 钟昱炜，刘仁栋，曹阳.基于stm32的异步电机反嵌绕组检测方法[J].电子世界，2013（16）：62.endprint

摘 要：结合异步电机的概念和特点，对其运行的安全性和可靠性进行了分析，以定子电流分析方法为理论基础，采取同时采集异步电机定子电流和电压信号的电机电器信号分析方法，对异步电机的电气和机械故障进行分析，然后结合神经网络的优势，对复杂的电流和电压信号进行故障模式的识别，通过模拟实验的形式，对异步电机的故障进行判别，可以有效提升故障判别的准确性，减少误报和漏报的现象。

关键词：异步电机 定子电流 电压信号 电机电气信号

中图分类号：TM307 文献标识码：A 文章编号：1672-3791（2014）05（b）-0105-02

异步电机，也称感应电机，是一种利用气隙旋转磁场与转子绕组感应电流的相互作用，产生电磁转矩，从而将机电能量转换为机械能量的一种交流电机。异步电机的种类是多种多样的，同时具有小型轻量化、转速高、运转效率高、制造成本低、控制装置简单等特点，作为现代设备的主要动力装置，在多个领域得到了广泛应用。因此，对电机故障进行智能化诊断，提升电机运行的可靠性，成为相关技术人员重点研究的课题。

1 电机电气信号分析技术

从目前的技术发展情况看，针对电机的测试手段，主要包括动态测试和静态测试两种。其中动态测试是通过对定子电流信号的采集和分析，实现对于电机故障的判断，即MCSA电机电流信号分析技术，静态测试则是结合相关参数的对称性，对电机故障进行判断，由于必须在停机状态下进行，会影响生产效率，因此并不经常使用。而这里提到的电机电气信号分析技术，则是同时对电机的电流信号和电压信号进行采集，结合电流与电压同步频谱，可以对电机故障进行细化，分为电气故障、机械故障以及供电故障，相比于MCSA更加全面，更加可靠。

由欧姆定律可知，电压和阻抗是导致电机电流信号变化的主要因素。若在电压固定的情况下，电流出现较大的变化，则说明阻抗变化较大，可能原因是机械松动、绕组松动、气隙偏心等机械故障；而如果阻抗固定，电流出现变压，则电压变化大，说明电机存在电气故障，如短路、绝缘等问题。因此，电机电气信号分析技术的基本规则为：

（1）峰值出现在电流谱，揭示电机机械故障；（2）峰值同时出现在电流谱和电压谱，揭示电机电气故障；（3）供电频率的转差频率、边频，揭示转子状态；（4）对于轴承故障，峰值仅出现在电流谱，且存在线频的非整数倍与转频非整数倍的频率。

2 神经网络

在神经网络中，对故障样本进行训练，可以确定网络的权值和阀值，当再次输入故障信号时，就可以自动识别。因此，当网络训练完成后，神经网络对于运算量的需求较小，运算速度也相对较快。凭借自身良好的非线性映射能力、并行处理能力以及联想记忆能力等，神经网络十分适用于对复杂电机系统的故障诊断工作。通过将神经网络与电机电气信号分析技术的结合，可以实现对于电机故障的智能化诊断，同时可以有效降低故障的错报和漏报。

这里选择当前理论最为成熟、应用最为广泛的反向传播网络进行分析。反向传播网络，简称BP网络，其学习规则是利用BP，对网络的权值和阀值进行调整，从而使得网络误差的平方和最小。BP神经元与其他的神经元存在很大的相似性，不同之处则是其传输层为非线性函数，部分输出层采用线性函数，其输出为：

BP网络的学习过程如图1所示：

3 异步电机的故障识别

首先，要建立相应的故障库，对故障样本进行存储，方便故障的识别。相关研究表明，当电机转子断条时，在线频f两侧，会出现边频2sf，即：

出现定子绕组匝间短路时，在绕组的中心频率两侧，会出现f以及其边频RS，结合相应的公式，对计算出的结果进行整理，可以得出电压信号、转子断条以及绕组匝间短路电流信号的故障库。

其次，要构建相应的网络。这里采用三层网络结构，分别为输入层、输出层和隐含层。其中，在输入层中输入电流与电压信号的16个特征频率值，采用16个神经元，而输出层采用线性函数，含有3个输出，因此采用3个神经元。隐含层神经元的确定可以根据经验公式获得，如下：

其中，M代表输出节点数，N代表输入节点数，表示1～10之间的常数，可以对隐含层的节点数进行确定，为5～14。

需要注意的是，学习的速率过大或者过小都会对训练的结果产生一定的影响，一般为0.01～0.8。

然后，网络训练。针对标准样本和标准输出进行多次训练，可以确定隐含层的神经元为11，学习速率0.25。经多次训练后，系统误差约为10-5，能够满足故障识别精度的要求。

4 实验与结论

一台定子槽数48，转子条数40，转差为0.097的异步电机，在绕组匝间短路、转子断条和正常情况下运行，电机载荷超过1/4，使用ATPROL电机信号采集器，对电流和电压信号进行同时采集，并将采集到的信号传输到计算机，经过FFT变换后，运用神经网络对其故障模式进行判别，然后对相应的参数进行整理和分析。信号采集与处理装置的结构如图2所示。

针对实验中得出的数据信息进行分析，可以得出以下几个结论。

（1）传感器为非嵌入式，可以方便地对电机的电流和电压信号进行采集，便于进行实时检测。（2）针对不同的故障，电压信号和电流信号均有着相应的反应，利用电机电气信号分析技术，可以对电机中存在的电气故障和机械故障进行识别和区分，同时能够通过两者的相互验证，减少误判的机率，确保电机故障诊断的准确性。（3）虽然神经网络在训练阶段的运算量相对较大，但是在网络训练完成后，所需要的运算量相比于传统的诊断方法更小，而且运算速度更快，更适合现代诊断技术发展的客观要求。

5 结语

实践证明，同时采集异步电机定子电流与电压信号的电机电气信号分析技术，可以有效提升故障诊断的速度和准确性，应该得到推广和普及。

参考文献

[1] 陈长征，王胤龙，李明辉，等.基于电气信号的异步电机故障识别[J].沈阳工业大学学报，2008，30（3）：241-244，265.

[2] 任志斌，曾德墙.基于极坐标的异步电机新型参数辨识方法[J].河北科技大学学报，2013，34（3）：218-223，229.

[3] 冯硕，郭素娜，薛倩毓，等.基于DSP的异步电机矢量控制系统研究[J].电气开关，2009，47（6）：44-46.

[4] 钟昱炜，刘仁栋，曹阳.基于stm32的异步电机反嵌绕组检测方法[J].电子世界，2013（16）：62.endprint

摘 要：结合异步电机的概念和特点，对其运行的安全性和可靠性进行了分析，以定子电流分析方法为理论基础，采取同时采集异步电机定子电流和电压信号的电机电器信号分析方法，对异步电机的电气和机械故障进行分析，然后结合神经网络的优势，对复杂的电流和电压信号进行故障模式的识别，通过模拟实验的形式，对异步电机的故障进行判别，可以有效提升故障判别的准确性，减少误报和漏报的现象。

关键词：异步电机 定子电流 电压信号 电机电气信号

中图分类号：TM307 文献标识码：A 文章编号：1672-3791（2014）05（b）-0105-02

异步电机，也称感应电机，是一种利用气隙旋转磁场与转子绕组感应电流的相互作用，产生电磁转矩，从而将机电能量转换为机械能量的一种交流电机。异步电机的种类是多种多样的，同时具有小型轻量化、转速高、运转效率高、制造成本低、控制装置简单等特点，作为现代设备的主要动力装置，在多个领域得到了广泛应用。因此，对电机故障进行智能化诊断，提升电机运行的可靠性，成为相关技术人员重点研究的课题。

1 电机电气信号分析技术

从目前的技术发展情况看，针对电机的测试手段，主要包括动态测试和静态测试两种。其中动态测试是通过对定子电流信号的采集和分析，实现对于电机故障的判断，即MCSA电机电流信号分析技术，静态测试则是结合相关参数的对称性，对电机故障进行判断，由于必须在停机状态下进行，会影响生产效率，因此并不经常使用。而这里提到的电机电气信号分析技术，则是同时对电机的电流信号和电压信号进行采集，结合电流与电压同步频谱，可以对电机故障进行细化，分为电气故障、机械故障以及供电故障，相比于MCSA更加全面，更加可靠。

由欧姆定律可知，电压和阻抗是导致电机电流信号变化的主要因素。若在电压固定的情况下，电流出现较大的变化，则说明阻抗变化较大，可能原因是机械松动、绕组松动、气隙偏心等机械故障；而如果阻抗固定，电流出现变压，则电压变化大，说明电机存在电气故障，如短路、绝缘等问题。因此，电机电气信号分析技术的基本规则为：

（1）峰值出现在电流谱，揭示电机机械故障；（2）峰值同时出现在电流谱和电压谱，揭示电机电气故障；（3）供电频率的转差频率、边频，揭示转子状态；（4）对于轴承故障，峰值仅出现在电流谱，且存在线频的非整数倍与转频非整数倍的频率。

2 神经网络

在神经网络中，对故障样本进行训练，可以确定网络的权值和阀值，当再次输入故障信号时，就可以自动识别。因此，当网络训练完成后，神经网络对于运算量的需求较小，运算速度也相对较快。凭借自身良好的非线性映射能力、并行处理能力以及联想记忆能力等，神经网络十分适用于对复杂电机系统的故障诊断工作。通过将神经网络与电机电气信号分析技术的结合，可以实现对于电机故障的智能化诊断，同时可以有效降低故障的错报和漏报。

这里选择当前理论最为成熟、应用最为广泛的反向传播网络进行分析。反向传播网络，简称BP网络，其学习规则是利用BP，对网络的权值和阀值进行调整，从而使得网络误差的平方和最小。BP神经元与其他的神经元存在很大的相似性，不同之处则是其传输层为非线性函数，部分输出层采用线性函数，其输出为：

BP网络的学习过程如图1所示：

3 异步电机的故障识别

首先，要建立相应的故障库，对故障样本进行存储，方便故障的识别。相关研究表明，当电机转子断条时，在线频f两侧，会出现边频2sf，即：

出现定子绕组匝间短路时，在绕组的中心频率两侧，会出现f以及其边频RS，结合相应的公式，对计算出的结果进行整理，可以得出电压信号、转子断条以及绕组匝间短路电流信号的故障库。

其次，要构建相应的网络。这里采用三层网络结构，分别为输入层、输出层和隐含层。其中，在输入层中输入电流与电压信号的16个特征频率值，采用16个神经元，而输出层采用线性函数，含有3个输出，因此采用3个神经元。隐含层神经元的确定可以根据经验公式获得，如下：

其中，M代表输出节点数，N代表输入节点数，表示1～10之间的常数，可以对隐含层的节点数进行确定，为5～14。

需要注意的是，学习的速率过大或者过小都会对训练的结果产生一定的影响，一般为0.01～0.8。

然后，网络训练。针对标准样本和标准输出进行多次训练，可以确定隐含层的神经元为11，学习速率0.25。经多次训练后，系统误差约为10-5，能够满足故障识别精度的要求。

4 实验与结论

一台定子槽数48，转子条数40，转差为0.097的异步电机，在绕组匝间短路、转子断条和正常情况下运行，电机载荷超过1/4，使用ATPROL电机信号采集器，对电流和电压信号进行同时采集，并将采集到的信号传输到计算机，经过FFT变换后，运用神经网络对其故障模式进行判别，然后对相应的参数进行整理和分析。信号采集与处理装置的结构如图2所示。

针对实验中得出的数据信息进行分析，可以得出以下几个结论。

（1）传感器为非嵌入式，可以方便地对电机的电流和电压信号进行采集，便于进行实时检测。（2）针对不同的故障，电压信号和电流信号均有着相应的反应，利用电机电气信号分析技术，可以对电机中存在的电气故障和机械故障进行识别和区分，同时能够通过两者的相互验证，减少误判的机率，确保电机故障诊断的准确性。（3）虽然神经网络在训练阶段的运算量相对较大，但是在网络训练完成后，所需要的运算量相比于传统的诊断方法更小，而且运算速度更快，更适合现代诊断技术发展的客观要求。

5 结语

实践证明，同时采集异步电机定子电流与电压信号的电机电气信号分析技术，可以有效提升故障诊断的速度和准确性，应该得到推广和普及。

参考文献

[1] 陈长征，王胤龙，李明辉，等.基于电气信号的异步电机故障识别[J].沈阳工业大学学报，2008，30（3）：241-244，265.

[2] 任志斌，曾德墙.基于极坐标的异步电机新型参数辨识方法[J].河北科技大学学报，2013，34（3）：218-223，229.

[3] 冯硕，郭素娜，薛倩毓，等.基于DSP的异步电机矢量控制系统研究[J].电气开关，2009，47（6）：44-46.

[4] 钟昱炜，刘仁栋，曹阳.基于stm32的异步电机反嵌绕组检测方法[J].电子世界，2013（16）：62.endprint