基于振动信号监测的永磁电机故障诊断方法研究.pdfVIP

哈尔滨工业大学工程硕士学位论文

摘要

永磁同步电机被广泛用于机电系统的动力源，其运行状态直接影响整个机

电系统的稳定性和安全性，因此对其进行故障诊断和状态检测具有重要的现实

意义。振动噪声在电机运行期间始终存在，其中包含着大量可以反映系统整体

状态的信息，在电机的故障诊断领域有着广泛的应用。

首先，提出了永磁同步电机电磁振动的解析模型和有限元模型，阐明了电

机电磁振动的形成过程和主要组成。以3对极27槽电机为研究对象，通过解析

法和有限元法分析了电机健康状态下电磁场、径向电磁力在空载和负载状态下

时间分布和空间分布。建立了电机定子外壳模态模型，分析了电机不同频率下

的模态振型，通过模态叠加法分析了电机健康状态下的振动噪声。

其次，研究了电机退磁故障和匝间短路故障的振动响应，验证了利用振动

信号分析电气故障的可行性。建立了电机均匀退磁故障仿真模型，分析了均匀

退磁故障下电机的电磁场、径向电磁力和振动模态，从振动分析的角度对电机

进行了均匀退磁故障的特征提取和状态分类。建立了电机匝间短路故障仿真模

型，分析了其振动响应，根据其振动特征进行了匝间短路故障的分类识别。验

证了振动信号在退磁故障和匝间短路故障诊断的有效性。

再次，研究了一种基于振动信号时频域特征的故障诊断方法。建立了电机

故障数据采集平台，采集了电机均匀退磁和匝间短路故障时的振动信号。通过

时域分析法，对电机故障时的振动信号进行了时域特征提取，采用变模态分解

对振动信号进行了处理和时频域特征计算。筛选出了能够有效表征电机故障状

态的特征。建立了SVM模型，并进行了参数优化，以振动信号的时频域特征作

为输入，在单工况和部分复杂工况取得了90%以上的准确率。

最后，提出了一种基于振动信号的卷积神经网络故障诊断模型，验证了其

在多种分类任务中的准确率。建立了1DCNN故障诊断模型和多尺度1DCNN故

障诊断模型，将原始振动信号作为输入，进行了电机的均匀退磁和匝间短路故

障的分类诊断。所提出模型在复杂的工况中取得较高的准确率，完成了电机的

故障诊断。

关键词：永磁同步电机；振动信号；故障诊断；特征提取；一维卷积神经网络

-I-

哈尔滨工业大学工程硕士学位论文

Abstract

Permanentmagnetsynchronousmotoriswidelyusedasthepowersourceof

electromechanicalsystem,anditsoperationstatusdirectlyaffectsthestabilityand

safetyofthewholeelectromechanicalsystem,soitisofgreatpracticalsignificance

tocarryoutfaultdiagnosisandconditiondetection.Vibrationnoiseisalwayspresent

duringtheoperationofthemotor,whichcontainsalotofinformationthatcanreflect

theoverallstateofthesystem,andhasawiderangeofapplicationsinthefieldof

motorfaultdiagnosis.

Firstly,theanalyticalmodelandfiniteelementmodelofelectromagnetic

vibrationofpermanentmagnetsynchronousmotorareproposed,andtheformation

processandmaincomponentsofelectromagneticvibrationofmotorareclarifie