[发明专利]电动机故障检测方法

说明书

技术领域

本发明涉及电动机故障检测方法，特别涉及一种基于多层次信号分析和多步计算的故障检测方法。

背景技术

电动汽车已开始用于现代工业中的关键业务，但是其可靠性并不能得到很好的保证，需要对电动汽车电机进行故障诊断以保证其安全性能。20世纪60年代开始，汽车故障诊断技术引起世界先进汽车厂家的重视，美、日、德、法等发达国家相继开始了汽车故障诊断技术研究。目前，一种基于电机电流信号分析法(MCSA)的检测诊断方法得到了各国专家学者的重视。

电机电流信号分析法改善了传统的电机测试方法一般采用转速、转矩等传感器，使得电机结构变得复杂，体积庞大，而且测试过程繁琐，不利于测试系统的集成化的缺点。电机电流信号分析法其实质是电机力矩到电能量的转化，通过采集电机电流信号进行故障分析，而不是利用编码器等采集电机转速、转矩信息，因此无需额外的硬件或设计，不仅简化了系统，有效降低了成本而，而且大大增加了系统的集成化，使得测试更为简单。但是一般的电机电流信号分析法仅对特定的一个或两个故障频率进行分析，判断电机是否有某个故障，检测单一，有较大的局限性。而且，其检测系统在系统受到干扰时，由于只采集了单一频率，极易受到外界变化的影响，在扰动过大时，干扰信号会覆盖故障信号，导致错报和漏报可能性很高，诊断可靠性不能得到保证，检测性能较差。

发明内容

本发明所要解决的技术问题，就是提供一种电动机故障检测方法，通过多重多次分析电动机电流的多个故障特征实现故障诊断及在线状态监测。

本发明解决所述技术问题采用的技术方案是，电动机故障检测方法，包括以下步骤：

步骤S1，设定需要检测的电流频率f₁f₂…f_k，k≥3；

步骤S2，采集电动机两相电流i_a、i_b；

步骤S3，根据电流i_a、i_b分离出f_k对应的正常噪声频率信号M_i和异常噪声频率信号N_i；

步骤S4，把同频率的正常噪声频率信号M_i和异常噪声频率信号N_i相比，判断其比值；

步骤S5，若M_i/N_i≥1，则认为是正常噪声信号，置故障特征值F_i＝0；

步骤S6，若M_i/N_i＜1，则认为是故障信号，置故障特征值F_i＝1；

步骤S7，设定检测阈值R，计算故障概率P的初值

步骤S8，计算误报和错报概率E_energy为异常噪声能量，σ²为异常噪声方差，Q为Q函数其表达式为：其中π为圆周率，e为自然数；

步骤S9，若C大于设定值，则认为此次计算精确度不够，更新故障特征值F和检测阈值R，返回步骤S8；

步骤S10，若C小于设定值，得到电动机故障概率并对P进行判断；

步骤S11，若P＝0，则此次异常为噪声；

步骤S12，若P＝1，则此次异常为故障。

所述步骤S10中以使得误报和错报概率C最小的检测阈值R计算故障概率P。

所述正常噪声频率信号M_i和异常噪声频率信号N_i为对应电流信号的峰值。

所述误报和错报概率C的设定值为0.01。

本发明的有益效果是，本发明的故障诊断算法利用多层次的信号分析和多步的故障诊断算法，多重多次分析电动机电流的多个故障特征实现故障诊断及在线状态监测，准确率高，几乎克服了误报和漏报，极大程度的改善了故障诊断性能，大大提高了诊断可靠性。

附图说明

图1是本发明的故障诊断流程图。

具体实施方式

下面结合附图及具体实施方式，详细描述本发明的技术方案。

本发明的电动机故障检测方法，可以对多个故障频率频谱信号进行多层次分析，极大程度的改善了扰动过大时的故障诊断性能，并通过多重多次分析电机电流的多个故障特征实现故障诊断及在线状态监测，对采集到的故障频率多次分析，大大提高了诊断可靠性，几乎避免了错报和漏报。

本发明主要流程如图1所示，包括：