直流电动机的故障检测和诊断技术综述
刘小明，刘振兴（武汉科技大学冶金自动化与检测技术教育部工程研究中心，武汉430081）
摘要：本文对直流电动机主要故障表现特征进行总结，对相关的主要故障检测和诊断方法进行介绍和评述，提出直流电动机故障诊断的发展方向。
关键词：直流电动机；故障检测；故障诊断；专家系统
中图分类号：TM381; TM307+．1 文献标志码：A 文章编号：1001-6848( 2010) 01-0086-05
0引 言
直流电动机具有调速特性好、能承受频繁冲击负载、过载能力强、能实现频繁快速起动制动以及逆向旋转等优越性，使其在当前“以交代直”的发展趋势中仍然在传动领域，尤其是在调速性能要求很高的重要系统中占有极其重要的地位。现代工业生产设备的大型化，生产工艺连续化、高速化使得直流电动机等重要设备故障引起的停工停产损失极大增加，维修费用大幅度上升。因此，从维持系统稳定、减少事故、降低成本等方面出发，十分有必要对直流电动机进行故障检测和故障诊断。本文将在总结国内外学者在直流电动机故障检测和故障诊断方面的研究成果的基础上，对此作一个比较全面的介绍。
1 直流电动机的常见故障
1.1换向故障
刷火异常是综合反映电动机各种故障的先兆，明亮、暴鸣状、火球状或飞溅状刷火明显标志了换向不良。刷火异常通常由电磁原因、机械原因、负载原因，环境原因等造成。
电刷工作面出现雾状的轻微烧痕、过热、磨损过快、磨损不均、振动、噪声大，甚至碎裂、掉边缺角等，都说明了电机换向存在故障。造成电刷故障的原因是电刷压力过大、接触电阻过大、换向器偏心、电机火花过大、环境温度过高过低、粉尘过多等。
常见的换向器表面故障有隔片烧伤、相隔一个极距烧伤、局部区域烧痕、换向片沿圆周不均匀烧黑等。诱发换向器故障的主要原因有升高片有开焊、刷粉将换向片局部短路、换向器表面不圆、产生刷火、电刷电流分布不均、电机定子中心不对、转子不平衡等。
1.2电枢故障
电枢常有接地和短路故障。电枢短路故障包含换向片间短路和电枢绕组匝间、层间短路。换向片间短路更常见。换向片间短路的原因有换向器云母沟内或升高片根底有大量导电杂质、电刷灰等使片间短路；V形云母环3度面缝隙内进入导电粉尘。电枢绕组匝间或层间短路原因主要有电枢绕组绝缘长期过热老化；绕组遭受潮气、酸类侵蚀；槽内线圈松动、线圈绝缘遭受机械损伤等。
绕线断裂、开焊等故障也时有发生，主要征兆有振动大、噪声大、电枢电流波动大。其原因有负载过大、电流过大、机体材料缺陷等。
1.3绕组故障
定子绕组常见故障有绝缘电阻降低、匝间短路、断路、接地以及绕组连接极性接反。定子励磁绕组绝缘电阻降低的原因有绝缘表面有污垢和碳粉、绝缘受潮、绝缘老化。励磁绕组匝间短路较多时，电机会产生振动、绕组发热或冒烟、励磁电流剧增、绝缘有被烧焦的痕迹。故障原因有线圈绝缘表面积满灰尘和油污、制造或重绕修理时造成S弯处匝间短路、搬运检修时造成的机械损伤。励磁绕组接地是由于线圈对铁心松动、对地绝缘遭到磨损。电机起动困难、转矩降低，甚至不能起动的原因是励磁绕组接反或断路。
补偿绕组和换向极绕组常见故障是匝间短路和对地击穿。
2直流电动机的故障检测方法
2.1基于电枢电流分析的方法
元件开路、元件脱焊和匝间短路等故障发生时，电机的电枢电流（包括启动电流和稳态电流）会有较大的变化。电枢绕组中的一个元件开路，当其他电磁参数未发生改变时，导致电枢并联支路数的减少，引起电枢电阻增大，必然使平均电枢电流减小，电机转速下降，电流的脉动频率减小。电枢绕组线圈短路后与正常情况相比，电枢电流比正常状态下增大了，起动过程的电枢电流的下降速率降低[2-7]
永磁直流电动机的电枢电沆的瞬态响应为：
式中，U为电源电压，ia为电枢电流，Ra为电枢等效电阻，TM为电机的机电时间常数，Ia为电枢电流的稳态值。
空载电枢电流L接近于零，公式可以进一步简化为
文献[6]对空载的永磁直流电动机通过提取由稳态电枢电流均值iav稳态电枢电流的标准差istd稳态电枢电流的谱峰所对应的频率工、电机起动过程电流峰im、起动过程电流峰值点附近的斜率k等5个参数组成的特征向量T1=[fw，iav ,istd,im,K]可以快速、简便地诊断出电机故障。该方法只需要监测电机电枢电流，不需采集更多的信号，实现简单。但是由于需要在空载和起动过程中实施，而电动机多数运行在负载和正常运转过程中，与实时在线监测与诊断有一定的差距。
2.2基于电流频谱分析的方法
基于电流频谱分析在异步电动机故障检测中是最常用的，也是研究得最多的一种方法。分析和试验表明，该方法同样也适用于直流电动机的故障检测[8,9]。当直流电动机存在转子偏心故障时[10]，偏心故障在定子绕组中感应出的槽谐波及故障特征谐波的频率为：
K为任意正整数，R为转子系数，静态偏心时nd=0，动态偏心时nd=1，2，…。
nd =0且k=l时电流谐波为基本槽谐波
它是由于转子开槽所致，可以由此进行转子转速的在线辨识。
动态偏心时，式(3)中n =1，K=1对应的频率成分为主要的故障特征，因而可通过对电枢电流的频谱分析进行稳态运行的直流电动机偏心故障诊断。
文献[11]对故障样机从电枢电流提取故障谐波分量进行分析，发现其变化比较明显，试验结果与理论分析相吻合。
2.3基于振动信号频谱分析的方法
当电机出现故障时，表征电机状态的特征参量如振幅、振动频率、振动相位、振动方向等都会发生变化[12,13]。振动传感器的输出信号经频谱分析后，与已知故障特征相比较，可以寻找出故障性质和故障部位。
文献[14]成功利用连续小波变换从微弱的振动频率变化中分辨出轴承故障，文献[15]从振动信号中提取轴承故障信息，并应用改进的距离评估技术诊断轴承的不同故障情况。该方法有很高的精确率。振动信号往往是由多个信号混叠在一起的，不同的故障原因可能会有难以分辨的相似功率谱，双频谱分析[16]能很好的解决这类问题：
用于振动的检测、分析手段日益成熟，而且很多种故障征兆都有明显特征，便于识别判断，用振劫信号频谱分析的方法正在成为直流电机诊断技术的一个重要分支。
2.4基于状态估计的方法
直流电动机的状态方程为：
式(5)中，Xl为电枢电流I，X2为直流电动机转角θ，X3为电动机角速度ω，U1、U2为电枢电压，R为电枢回路电阻，La为电枢电感，，为转动惯量，D为粘性弹性系数，Kv为直流电动机常数。
在状态可观的假设条件下，以电枢电压U1作为前向变量，描述应用局部线性模型逼近非线性系统的T-S模糊模型[17]，以构造出模糊观测器。由参差向量
产生参差,根据残差可以诊断系统的故障。
文献[18]设计了非线性系统的降维模糊观测器和模糊函数观测器。文献[17]考虑非线性系统中测量方程为线性方程的简化情况，给出了简化条件下模糊观测器的设计方法和稳定约束条件，并给出了系统状态故障的估计方法，并将其应用于直流电动机的故障诊断中。T-S模糊模型可以隔离出各状态的故障，并可估计出故障的大小，不要求非线性系统对系统的输入可线性化，是有效的故障诊断方法。不过电机的精确数学模型难于确定使得此方法具有相当的局限性。
2.5基于参数辨识的方法
参数辨识与一般参数估计方法不同，此时待估参数的正常值通常是已知的。可根据正常情况下可测特征量的变化范围，确定模型参数偏差是否超过范围而做出故障结论。
泵统的数学模型用微分方程描述为
当存在故障时，对象的输出量、内部参数及状态会发生相应的变化。但是很多情况下很难由模型参数惟一地确定物理参数，其准确程度取决于所建数学模型的准确程度。不过，故障诊断的参数辨识即使得不到惟一的物理参数辨识结果，也可以对故障部分地分离和实现局部范围的故障定位。
参数辨识方法有多种，如极大似然法，最小二乘法，互相关法，辅助变量法，随机逼近法和自适应算法等等。文献[19]用变步长分段最小二乘法对定子匝间短路进行了模拟和诊断，验证了仿真模型的有效性和算法的可行性。该方法不需要统计概率，避免了反应迟钝的弊端，但是难以精确选择时间周期，使用的前提是能准确判断系统的速率变化程度。
3 直流电动机的故障诊断方法
3.1基于神经网络的方法
基于人工神经网络电机故障诊断方法的原理框图如图1所示。此法无需精确的数学模型，无需相关的电机故障诊断知识，仅需提前得到网络训练的数据，就可以实观理想的效果，以更简便的控制过程获得更满意的控制效果[20,21]。然而值得注意的是，基于神经网络的电机故障诊断方法也存在内在不足，如问题的解决依赖于神经网络结构的选择、训练过度或不足、较慢的收敛速度等都可能影响故障诊断的效果。
BP神经网络是各种神经网络算法中最基础、最重要的一种，文献[22]运用傅里叶分析、小波分析和数理统计等多个信号处理等手段从永磁直流电动机的起动电枢电流和稳态电枢电流信号中提取电刷磨损、元件开路、匝间短路三种故障的特征相量和正常状态的特征相量，并以此作为神经网络的输入相量，电机的若干个状态作为神经网络的输出对电动机进行故障检测，试验结果与故障机理的分析一致。文献[23]利用小波分析和模糊神经系统从无刷直流电动机定子电流中提取轴承故障特征。理论分析和实验证明该方法预测故障的准确率在百分之九十五，是一种有效方法。
3.2基于专家系统的方法
直流电机故障诊断专家系统是利用了长期以来直流电机设计、研究、维修所积累的知识和经验，把设备诊断技术研究成果作为领域知识，并将专家系统的理论和方法与实际对象结合起来，建立从知识表示、诊断推理到系统管理的一套完整系统。专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等部分。
构成[8,24-27]。其技术还处于不断发展时期，结构也没有一个固定不变的模式。
文献[27]所介绍的直流电机故障诊断专家系统属于诊断型专家系统，采用产生式知识规则，利用专家系统开发工具编制知识规则，构筑知识库，利用计算机技术模拟领域专家的思维方法和推理过程，解决直流电机运行中发生的一些复杂问题。基于信号变换的诊断方法能够解调许多以调制形式存在于电气信号及振动信号中的故障信息，如小波变换[23,28]很适合于探测正常信号分析中夹带的瞬态反常现象并展示其成分，但基于信号变换的诊断方法缺乏学习能力。基于人工神经网络(ANN)的诊断方法[29,30]具有学习能力，不仅能进行复杂故障诊断模式的识别，还能进行故障严重性评估和故障预测。它们的诊断知识和推理是混合在一起，不利于诊断知识的扩充和修改。基于专家系统[11]的诊断方法具有诊断过程简单、快速等优点，但也存在着局限性。该方法存在着不确定性、不精确性和不完全性以及获取知识的
瓶颈。
设备故障的复杂性及设备故障与征兆之间关系的复杂性使得设备故障诊断不可能只采用单一技术手段，而要综合结合多种技术手段。在传统的各种物理、化学、故障征兆分析手段的基础上发展起来的融合人工智能方法的智能诊断是设备故障诊断的主要方向[8]。主要的集成技术有：基于规则的专家系统与ANN的结合，模糊逻辑与ANN的结合，混沌理论与ANN的结合，模糊神经网络与专家系统的结合。
在实际应用中所选择的故障检测诊断方法，必须从技术与经济两个方面进行综合考虑，做到可靠、经济。一般情况下，使用一些简易方法即可达到客观检测的效果。对处于重要地位的大功率直流电机，需要综合利用离线检测和在线监测，发挥各种技术手段的优势，充分融合多方面、多层次的信息，实现综合监测诊断。
4结论
本文对直流电动机的常见故障、故障检测、故障诊断进行了介绍。对这方面的研究探讨有利于直流电机故障诊断水平的提高。对该领域的研究成果从软件和硬件两方面进行集成而研制开发的诊断系统在现场投入使用后，将使直流电机实现真正意义上的预知维修。
热门产品：高效电机 高压电机 低压电机 变频电机 防爆电机 同步电机 直流电机 电机配件 电机维修 水泵配件 电机节能改造
快速链接：湘电集团有限公司 湘电股份有限公司 湘电风能有限公司 湘电新能源有限公司 湘电长沙水泵厂 湘潭电机厂
