海军工程大学 430032
摘要：异步电机是现代生产工程中重要的动力设备，负责生产设备的安全平稳有效运行，因此对异步电机设备进行有效的故障识别很有必要。本文对目前电机设备的电气信号分析技术进行总结，并结合BP网络的方法，借助故障训练样本形成故障识别网络，帮助相关工作人员可以快速准确地识别异步电机存在的电气故障，提升异步电机的使用效率。
关键词：电气信号分析；BP网络；故障训练；异步电机运行
前言
异步电机由于其性能优秀，被广泛应用于电力系统、工业生产、日常生活甚至是航空航天等领域。作为有着超高占比的电气原动力设备，异步电机由于使用环境丰富，因此受到恶劣环境影响的概率也就更高，在各种各样的运行环境中，光、热、物理条件都会造成对异步电机的影响，从而引发异步电机出现故障或潜在故障。对异步电机的故障进行发现和判断，是保障异步电机运行和使用安全的重要措施。
一、电气信号分析技术
对异步电机进行故障识别和故障分析，通常依赖于电气信号分析技术。在现阶段的电气信号分析技术中，根据分析对象的不同可以分为静态测试和动态测试两种测试方式，其中，静态测试的主要测试对象为异步电机的相关参数，通过对类似于电感、电阻、电抗等参数的获取来与标准参数进行对比，如果发现存在加大的差别，则可以认定为异步电机存在故障或存在故障可能；动态测试则是借助采集工具对异步电机所产生的电流信号进行采集和分析，从而实现对于故障的判断。在于动态测试进行比较厚可以发现，静态测试方法的测试环境、测试精准度等都存在一定的差距，因此现阶段普遍采用的电气信号分析方法正是基于动态测试方法而形成的。异步电机的电流信号可以与电机的电压信号同时完成采集，工作人员可以通过频谱的方式对两组信号展开分析，从而对电气、机械、供电等故障进行归因，使故障的识别判断更为准确合理。在现阶段，动态测试法的电气信号分析技术一般基于欧姆定理，需要通过电流谱峰值来揭示电机机械故障，而峰值同时出现在电流谱和电压谱则揭示电机电气故障。其中供电频率 的转差频率和边频则能够揭示转子状态。
二、BP网络搭建
基于电器信号的分析特点和分析要求，可以通过BP网络搭建的方式来对异步电机进行故障分析和故障判断。BP网络作为重要的神经网络能够通过权值和阈值的方式来获取知识，从而形成故障训练。在完成了故障训练的BP网络中，一旦再次输入故障信号，网络就能够完成对故障的识别。
期刊文章分类查询,尽在期刊图书馆
为了保证BP网络能够完成训练并对故障情况作出正确判断，在权值修正下，BP网络需要通过建立三层神经网络来实现学习过程。三层网络分别为输入层、隐含层和输出层。在三层网络中，不同层级的节点可以和任意层级相互连接，并通过任意精度逼近任意连续函数。信号有输入层进入到网络之中，再由输出层输出信号，由于网络中权值固定不变，因此当输出层得不到正向传播的期望输出，则会将其作为误差信号进行反向传播。在异步电机常见的故障当中，定子机械故障、定子绕组短路、静态偏心、机械不平衡、动态偏心[1]等都可以作为信号传递到BP网络中，网络通过隐含层的函数计算，对故障的权值做出判断，从而形成与预期不相符的信号，进入到反向传播当中，最终判定为电机故障。
但对于BP网络的函数计算和信号判断来说，需要有一个必备的前提，即网络当中需要首先建立故障数据库，网络通过故障信号与数据库进行对比确定权值，做出判断。例如电机转子断条时，在线频两侧会出现故障边频，而定子绕组出现匝间短路，故障边频则会表现在绕组中心频率两侧。通过异步电机的公式计算，可以得到不同型号电机的故障边频数据，从而建立电流信号和电压信号的故障库。在故障库当中，电机端的正常数据、断条数据和断路数据与线频一一对应，工作人员再根据特征频率值进行三层网络的神经元建立。其中，输出层可以采用线性函数，形成三个输出，隐含层则采用S型函数，进行公式计算，完成BP网络的计算和判断。
三、异步电机故障识别试验
本文为了对BP网络对异步电机故障识别能力进行判断，选用了某品牌2极异步电机开展实验。该异步电机拥有48个定子槽和40个转子条，转差约为0.09，分别在正常运行、绕组匝间短路运行和转子断条运行下，控制电机载荷不低于25%。
在开展试验时，本文选用了ATP型号采集器对电机信号进行采集，采集内容包括电流信号、电压信号，在完成采集之后，统一将信号数据上传至计算机当中，通过FFT变换，得到信号的归一化，并借助神经网络对信号数据进行辨识，形成样本数据。再将总共搜集到的样本数据根据不同状态进行划分，分别导入到BP网络的输入层当中，通过仿真结果，可以对三组样本的断条线频和绕组线频进行数据统计。在数据当中，样本1代表正常运行状态，最大值约为0.9933，在系统当中，数值1为理想输出[2]，由此可见该样本为正常运行状态。从转子断条频谱图中可以看出，电流变化特征十分明显，而在定子绕组短路的频谱当中，电压频谱和电流频谱同时变化，且特征明显。由此可见，BP网络的实际输出结果，与该型号异步电机的实际故障情况相符合，工作人员通过对不同样本的测试，能够得到测试之后的对应输出结果，通过输出结果的判断和识别，就能够判断出故障情况，因此可以认为，BP网络进行异步电机的电气故障识别具有较为优秀的效果，可以得到广泛的推广使用，帮助其他生产者对电机故障进行及时的判断和处理，从而从根本上避免电机使用故障，提升电机的生产能力，保证生产效率得到全面提高。
结论：相较于其他类型的异步电机故障识别技术，电气信号分析方法下的BP网络方法由于是通过非嵌入式传感器进行信号搜集，以及能够进行不停机的故障识别和故障排查，拥有了更大的使用优势。一方面，非嵌入式传感器能够实现实时数据的搜集和监测，另一方面BP网络经过故障数据库训练后，能够快速完成对故障的判断，有效地降低故障错判的概率。
参考文献：
[1]魏书荣，李正茂，符杨.计及电流估计差的海上双馈电机定子绕组匝间短路故障诊断[J/OL].中国电机工程学报，：1-9（2017-08-24）.
[2]满红，贾世杰.基于小波分析和神经网络的异步电机早期故障诊断[J].大连交通大学学报，2011，32（03）：80-83.
论文作者:王政
论文发表刊物:《基层建设》2017年第35期
论文发表时间:2018/3/20
标签：故障论文; 信号论文; 异步电机论文; 网络论文; 电机论文; 电气论文; 绕组论文; 《基层建设》2017年第35期论文;