核心提示： 随着经济建设的发展和电气化程度的提高，电机设备已被广泛应用于工业生产的各个领域，及时准确地发现电机设备潜在的和现有的故障是保证生产安全运行的重要措施。因此，研究不同场合、不同运行状态下电机设备故障
随着经济建设的发展和电气化程度的提高，电机设备已被广泛应用于工业生产的各个领域，及时准确地发现电机设备潜在的和现有的故障是保证生产安全运行的重要措施。因此，研究不同场合、不同运行状态下电机设备故障诊断理论和技术是设备可靠运行的保证。电机设备是组成供、用电系统的基本元件，在运行中受到电、热机械、周围环境等各种因素的作用使其性能逐渐劣化，最终导致故障；一旦发生故障，即使是停止工作的时间极短，也会造成很大的损失一般这些故障的发生总是以各种征兆表现出来，并且故障类型也多种多样：既有缓变故障和突变故障，又有电气故障和机械故障；既有线性系统故障，又有非线性系统故障，其关系错综复杂，这给电机设备故障的有效、快速诊断带来一定的困难本文以综述的形式系统的阐述了电机设备故障诊断的基本原理与国内外现代故障诊断方法，并对各种诊断方法进行分析，指出了电机设备故障诊断技术的发展趋势2电机设备故障诊断原理电机设备的运行受很多因素影响，如电网电压、负载性质、安装环境、产品质量等，恶劣的环境和超技术范围的运行是导致故障产生的主要原因电机设备的工作原理都是基于电磁理论，其主要由电路（绕组）和磁路（铁心）两大部分组成，变压器为静止设备，而电机是旋转设备，它们的故障形成过程和表现形式在许多方面都有相同之处：设备的绕组过热，绝缘老化，铁心变形及电机转子偏心等通常这些征兆是逐渐恶化并失去原有的性能有效及时地通过各种检测技术和信号分析理论分离不正常状态信息，并诊断出故障隐患是实现可靠运行，减少维修率，提高生产效率的重要措施目前电机设备故障诊断的基本原理有1）电流分析法通过频谱等信号分析方法对负载电流的波形进行检测从而诊断出电机设备故障的原因和程度；2）绝缘诊断法利用各种电气试验装置和诊断技术对电机设备的绝缘结构工作性能是否存在缺陷做出判断，并对绝缘寿命做出预测；3）温度检测方法采用各种温度测量方法对电机设备各个部位的温升进行监测，电机的温升与各种故障现象相关；4）振动与噪声诊断法通过对电机设备振动与噪声的检测，并对获取的信号进行处理，诊断出电机产生故障的原因和部位，尤其是对机械上的损坏诊断特别有效3电机设备的现代故障诊断方法3.1基于信号变换的诊断方法电机设备的许多故障信息是以调制的形式存在于所监测的电气信号及振动信号之中，如果借助于某种变换对这些信号进行解调处理，就能方便地获得故障特征信息，以确定电机设备所发生的故障类型常用的信号变换方法有希尔伯特变换和小波变换>9.希尔伯特变换的具体定义可参见，采用希尔伯特变换实现电机轴承和感应电机转子故障诊断。小波变换既是时间尺度分析，又是时间-频率分析，它具有多分辨率的特点，且在时频两域具有表征信号局部特征的能力，利用小波变换的奇异点（如过零点、极值点）在多尺度下的综合表现来检测信号的局部突变点，从而进行故障诊断。通过对定子电流预处理，并进行二次小波变换，有效的提取电机定子绕组故障特征，并明显区分由于外部负载突变和外部电流不对称而引起的定子电流变化诊断结果几乎不受负载影响，实现了有效可靠地进行电机故障在线诊断。利用小波变换的故障诊断法对同步电机单相短路故障做出了准确的诊断采用小波变换实现采煤机牵引部电机轴承的故障诊断采用小波变换实现变压器的在线故障诊断。基于信号变换的故障诊断方法在电机设备故障诊断的实际应用中取得了很多成果；尤其是小波变换，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，在电机设备机械故障诊断中占有重要的地位。但基于信号变换的诊断方法缺乏学习功能3.2基于专家系统的诊断方法基于专家系统的诊断方法是根据被诊断系统的专家以往经验，将其归纳成规则，并运用经验规则通过规则推理来进行故障诊断。采用了这种方法建立了调相机故障诊断专家系统，设定调相机故障原因集转子不平衡，油膜振荡，转轴不对中，转轴裂纹，倍频共振，分频共振，定子电压过高，定子电流过大，温度过高丨，故障征兆信号采用噪声信号，通过对噪声信号进行频谱分析，提取特征频谱，当发生某一故障时，必然在频谱图上有所反映但这种对应关系从书本和现场很难找到，为此通过调相机故障诊断专家的以往“经验”和进行故障诊断。该系统还采用自学习的控制策略，完善知识库，增加系统的自诊断能力，从而大大提高诊断快速性和准确性基于专家系统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，基于专家系统的方法属于反演推理，因而不是一种确保唯一性的推理方法，该方法存在着获取知识的瓶颈对于复杂系统所观测到的症状与所对应故障之间联系是相当复杂的，专家经验归纳成规则往往不是唯一的并且有相当难度因此该方法不适合于复杂电机设备或新的及未有经验的电机设备的故障诊断另外，基于规则的方法对于诊断结论除了重复被采用的规则外无法做出进一步解释，通常只能诊断单个故障，难以诊断多重故隐3.3基于模糊理论的诊断方法在故障诊断领域，模糊属性常常出现，如对征兆的描述：温度“偏高”，振动“厉害”等都具有模糊特性；故障与征兆的关系往往也是模糊的。模糊理论是处理这类问题的最好的工具模糊故障诊断有两种方法，一种是先建立征兆与故障类型之间的因果关系矩阵R，再建立故障与征兆的模糊关系方程，即F=这时F为模糊故障矢量；S为模糊征兆矢量：“。”为模糊合成算子，这是基于模糊关系及合成算法的诊断方法。另一种方法先建立故障与征兆的模糊规则库，再进行模糊逻辑推理的诊断过程，这是一种基于知识处理的诊断方法采用了方法一实现了对鼠笼式感应电机轴承的故障诊断；采用方法二建立了电机定子电流与定子绕组故障的模糊规则库，通过模糊推理实现了对定子绕组故障的在线诊断模糊语言变量接近自然语言，知识的表示可读性强，模糊推理逻辑严密，类似人类思维过程，易于解释但是，模糊诊断知识获取困难，尤其是故障与征兆的模糊关系较难确定，且系统的诊断能力依赖模糊知识库，学习能力差，容易发生漏诊和误诊。另外，由于模糊语言变量是用模糊数（即隶属度）表示的，如何实现语言变量与模糊数之间的转化，是实现上的一个难点尽管如此，将模糊理论引入故障诊断领域已是一种符合事物本质的必然趋势。
3.4基于人工神经网络的诊断方法人工神经网络（ANN）是由大量简单处理单元广泛连接而成的复杂的非线性系统，具有学习能力，自适应能力，非线性逼近能力等。故障诊断的任务从映射角度看就是从征兆到故障类型的映射。用ANN技术处理故障诊断问题，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使系统在运行过程中不断获取新知识，修改规则：障预测由于lANgN能自动获取诊断知识Ml系统具有自适应能力。
将ANN应用于电机设备故障诊断是当前电机设备故障诊断的热点之一。采用BP网络对电机设备进行故障诊断其基本思想均采用传感器获取表征电机设备故障的特征信号，以转子电流做为特征信号，以电机设备电气故障诊断为主，以电机设备噪声做为特征信号，以电机设备机械故障诊断为主；然后对获取的特征信号做FFT变换，频率内特征频段上特征量的大小和比例关系可以反映出相应的故障类型因此利用特征信号频谱中的若干个谱峰能量值做为神经网络的输入样本，以相应的故障类型做为神经网络的输出样本，对网络采用BI算法进行学习，获取输入样本（特征信号）与输出样本（故障类型）间的映射关系。利用神经网络的联想记忆和分布处理功能对电机设备故障进行诊断BP网络具有较强的非线性逼近能力，能进行故障模式识别，还能进行故障严重程度评估和预测，因此应用较广。但是，由于BP算法在迭代时采用梯度下降法，存在收敛慢、振荡和局部极小等问题另外，BP算法用于故障诊断的一个突出问题还在于对异常故障的处理能力低以及不具备增量学习功能能这主要是由于BP算法在数学本质上是内插值法，其解题能力对样本依赖性极大；当一个与样本差异较大的新的故障类型发生时，往往会将其归于一个已知的故障类型或判为正常状态，产生误诊或漏诊，影响了诊断的可靠度因此当前中利用BP网络进行电机设备故障诊断都采用各种不同的BP改进算法3.5基于集成型智能系统的诊断方法随着电机设备系统越来越复杂，依靠单一的故障诊断技术已难满足复杂电机设备的故障诊断要求，因此上述各种诊断技术集成起来形成的集成智能诊断系统成为当前电机设备故障诊断研究的热点。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。专家系统与神经网络的结合能充分利用专家系统的专家经验和神经网络强大的非线性映射能力。
计算机的推理能力以及系统内部的因果关系，同时考虑大量未知情况的存在以及知识不精确度影响，结合，成功的应用于调相机的故障诊断模糊神经网络技术是把人类的经验和知识进行数字化的模糊处理，把规则和推理转换成神经网络的映射处理和直接从数据样本中提取经验规则，然后把这两种转换结合起来进行智能信息处理的技术它充分利用了神经网络处理数字化知识的特点和模糊逻辑处理结构化知识的特点提出将模糊神经网络应用于无刷直流电机故障诊断，给出了模糊神经网络的结构和学习算法，并提出了一种阈值向量故障诊断方法，仿真结果表明该方法的有效性采用一种由混沌神经网络神经元构成的神经网络，通过研究其非线性动力学特性，混沌吸引子的轨迹及对初始条件的敏感性，实现混沌神经网络的动态联想记忆，在此基础上，成功地应用混沌神经网络对异步电动机转子断条故障进行记忆和恢复。
4电机设备故障诊断技术的发展趋势由于电机设备故障诊断的准确及时对保证生产安全平稳，避免人员、财产的巨大损失具有重要意义故障诊断技术作为一门交叉性科学，从60年代起至今，已在传统的方法上得到飞速发展，新的理论及现代故障诊断方法不断出现：小波变换专家系统、模糊系统、神经网络等都在故障诊断领域得到了成功应甩由于电机设备故障征兆与故障特征间复杂的非线性特性，使故障诊断及识别较为复杂，仅仅靠一种理论、一种方法是无法实现在复杂环境下准确、及时地进行电机设备的故障诊断因此集成型智能故障诊断系统必将是电机设备故障诊断技术的新趋势另外，无论是什么诊断方法，真实信号的获取是成功实现故障诊断的前提，多传感器数据融合理论必将在故障诊断中起重要的作用，已开始了这方面的研究并取得相应的成果
