2022关于电机电流的转子轴承系统故障诊断方法研究.docx

关于电机电流的转子轴承系统故障诊断方法研究摘要：转子轴承系统是旋转机械的主要动力提供端，是这种机械的核心元件。随着科学技术的快速发展，旋转机械在工业生产中也得到了广泛应用，并且朝着数字化、智能化的方向发展。在运行的时候，旋转机械很容易发生故障，并且主要是转子轴系统发生故障问题。由于转子轴系统在机械系统中的重要作用，因此，一旦转子轴系统发生故障，就会对整个机械系统的正常运行产生影响，进而造成较大的经济损失。本文主要对电机电流的转子轴系统故障诊断方法进行了深入研究，以期转子轴承故障得以有效诊断。关键词：电机电流、转子轴承系统、故障诊断方法旋转机械在现今社会的各个领域内都得到广泛使用，如化工领域、交通领域、能源领域以及军工领域，是有关国民经济的支柱性产业设备。旋转机械是生产生活中所必须的设备，其最重要的部件是转子轴承系统。转子轴承系统的安全性以及可靠性实施保证旋转机械稳定运行的重要条件，对于旋转机械的性能将会产生直接的影响[1]。并且，随着旋转机械向着两极化以及智能化、高速化的方向发展，转子轴承系统也得到了很大的发展。当转子轴承系统出现故障的时候，所导致的负载变化也会造成电磁转矩发生一定的变化。这些变化在设备振动、轴心轨迹图以及造成的噪音上得到相应的体现。但在实际使用中，由于旋转机械设备的振动以及噪音都较大，因此，很难对以上几个变量进行相应的检查，也就很难发现转子轴承系统发生故障。从上世纪六十年代开始，对电机电流的分析就有了较成熟的成果，如根据电动机的信号结果分析就可判断电动机有没有出现断条情况，气隙中是否存在异物等。这些故障的本身特点是根据电动本身所产生的故障处，对于电动机拖动部分出现的故障没有缺少相应的研究。直到上世纪八十年代，才开始将电流分析法运用于诊断电动机拖动系统出现的故障中。信号处理在对故障诊断中占有很大的比重，其主要作用就是将信号经过处理之后，研究院更容易对信号中的特征量进行提取[2]。相对应地，当系统发生故障后，这些特征量也表示系统发生了故障。现今，使用的主要信号处理方式有傅里叶变换、小波包变化等等。傅里叶变换特征分析傅里叶变换是基于信号时域进行的，经过变换之后，可以发现信号变化的加载频率，对于各个成分量可直观观察。傅里叶基本原理是对图像中存在的基频进行分析，这里说的基频就是指的正弦函数，任何图像都能简化呈正选函数加减以及放缩运算中去。而这种基于基频的数量以及比值就能对图像中所含有的正弦波形大小以及多少进行表示。傅里叶变化是立足于无限时长的正弦函数变化所得，因此，傅里叶变换更加适合对周期信号进行信号处理，对于非周期信号不太适合。傅里叶变换也是整个时间长度上最为基础的波形频谱运算，对于时域上的特点则不能详细分析[3]。因此，经过傅里叶变换之后，得到的是整个时长上各个频率大小以及多少，而不能得到产生的具体时间，也不含有时域上的任何信息。这种分析方式对于在中间发生的信号分析是不利的，因此，傅里叶变换更加适合周期性的信号，且对于信号成分变化不大的也可以进行相应的处理。二、小波包变换的电流分析从目前来看，小波变换是对非平稳状态信号进行分析的一个有效工具。作为现今使用的一种主流信号分析方法，它对短时傅里叶变换进行了拓展以及继承，并将整个时域中分段进行局域化。与此同时，还对窗口大小不能产生变化的不足进行了弥补。小波变化与短时傅里叶变换最主要的区别在于基波存在差异，短时傅里叶使用的正弦函数是无线长度的，而小波包变换使用的是有限长的会衰减的小波基。这样的设计不仅可以获得频率，也能对时间进行定位。产生的这样变化使得高频处得到的信号被细化，低频处得到的信号也被细化。小波包变换的出现使得短时傅里叶变换存在的问题被有效解决，是一种有效新型的信号分析方式。作为一种新型有效的信号分析方式，傅里叶变换可以得出相应的频谱图，而小波变换则能得到相应的时频谱。相比较其他时频分析方式，小波包变换仍然存在一定的不足，在一些尺度之下，很难在时间以及频率上同时获得较高的精度。另外，小波是一种非适应性的，基函数一旦选定就很难对其进行更改。小波变化是立足于特定函数，并将其作为基波的，属于定数[4]。因此，即使小波包变换对于故障发生的准确原因不能精准定位，但是因为对加窗信号进行的全面分析，就目前来看，在非稳态以及突变信号时，其属于一种利用最好的方式。小波包变化在进行信息处理的时候，主要的步骤是对原始信号中的小波进行分解以及重构。这时需要对频谱中很难发现的故障信号进行发现，采用的主要方法是小波分解。小波分解利用的主要原理是将原始的信号分解为d1以及a1两个信号之后，其中的d1设定为高频信号，a1设置为低频信号。根据实践证明，高频信号属于不要研究的噪声信号以及工频信号，因此，只需要对a1部分进行研究。a1部分被称为逼近部分，这主要是由于其最接近需要寻找