感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法研究進(jìn)展

方 芳

海軍工程大學(xué)電氣與信息工程學(xué)院，湖北武漢 430033

感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷方法研究進(jìn)展

方 芳

海軍工程大學(xué)電氣與信息工程學(xué)院，湖北武漢 430033

轉(zhuǎn)子發(fā)生斷條故障后，電機(jī)的電流信號(hào)中將會(huì)出現(xiàn)故障特征頻率分量。而基于定子電流信號(hào)分析的故障診斷方法可以做成非侵入式，結(jié)構(gòu)簡(jiǎn)單，數(shù)據(jù)采集方便，因此是該方向研究的熱點(diǎn)?？偨Y(jié)了近年來基于定子電流信號(hào)分析的轉(zhuǎn)子故障診斷方法，并對(duì)進(jìn)一步的研究進(jìn)行了展望。

感應(yīng)電機(jī)；轉(zhuǎn)子斷條；故障診斷

1 引言

感應(yīng)電機(jī)的轉(zhuǎn)子故障主要是指轉(zhuǎn)子斷條、轉(zhuǎn)子端環(huán)斷裂以及轉(zhuǎn)子中的高阻接頭故障。故障原因既可能是電動(dòng)機(jī)制造過程中出現(xiàn)質(zhì)量隱患，如鑄件質(zhì)量低下、焊接不良以及轉(zhuǎn)子強(qiáng)度不夠等。也可能是電動(dòng)機(jī)使用過程中出現(xiàn)的故障，譬如電機(jī)的頻繁起動(dòng)和過載運(yùn)行，使轉(zhuǎn)子承受著高溫和極大的應(yīng)力。高溫和應(yīng)力的長(zhǎng)期作用，使得轉(zhuǎn)子導(dǎo)條和端環(huán)容易產(chǎn)生材料疲勞或造成高阻接頭，在導(dǎo)條斷裂后，斷裂的導(dǎo)條會(huì)使相鄰的導(dǎo)條流過更大的電流，從而使相鄰導(dǎo)條承受更大的機(jī)械和熱應(yīng)力，導(dǎo)致這些導(dǎo)條加速斷裂，促使轉(zhuǎn)子故障范圍和程度進(jìn)一步擴(kuò)大，嚴(yán)重時(shí)斷裂的導(dǎo)條甚至?xí)蝹ㄗ永@組，造成電機(jī)報(bào)廢［1－3］。

由于基于定子電流信號(hào)分析的故障診斷方法可以做成非侵入式，在操作中只需要通過電流傳感器采集定子電流信號(hào)，硬件結(jié)構(gòu)簡(jiǎn)單，采集數(shù)據(jù)方便。而且定子電流中轉(zhuǎn)子故障的特征較明顯，所以基于定子電流信號(hào)分析的感應(yīng)電機(jī)轉(zhuǎn)子故障診斷方法是研究最為普遍的方法。而在基于定子電流信號(hào)分析的診斷方法中，基于定子電流頻譜分析的方法應(yīng)用最多。

理想的感應(yīng)電機(jī)的定子電流中含有基波和5次、7次等高次諧波，當(dāng)轉(zhuǎn)子回路出現(xiàn)斷條故障時(shí)，轉(zhuǎn)子的對(duì)稱性被破壞，產(chǎn)生頻率為－sf1的負(fù)序旋轉(zhuǎn)磁場(chǎng)，在定子電流中感應(yīng)出頻率為 （1－2s）f1的故障特征頻率分量，這一故障特征頻率分量與氣隙磁通相互作用，使轉(zhuǎn)矩發(fā)生波動(dòng)，引起轉(zhuǎn)子轉(zhuǎn)速的波動(dòng)，最后導(dǎo)致基頻兩側(cè)產(chǎn)生了轉(zhuǎn)子故障特征邊頻帶（fb＝ （1±2ks）f1）。對(duì)電機(jī)定子電流進(jìn)行Fourier變換，分析定子電流頻譜中有無該特征分量及其幅值的大小就可以判斷電機(jī)是否存在轉(zhuǎn)子故障。但是，轉(zhuǎn)子故障特征量在故障初期相對(duì)于基頻分量的幅值很小，且電機(jī)穩(wěn)態(tài)運(yùn)行時(shí)轉(zhuǎn)差率s很小，導(dǎo)致故障特征分量和基頻分量的頻率十分接近，由于Fourier分析頻譜泄漏的影響，轉(zhuǎn)子故障特征頻率分量常常被基頻和環(huán)境噪聲淹沒而難以識(shí)別，這也成為電機(jī)轉(zhuǎn)子故障診斷長(zhǎng)期以來的一大“瓶頸”。

2 提取故障特征的主要方法

近年來，隨著信號(hào)分析技術(shù)以及各種智能算法的飛速發(fā)展，人們嘗試用各種方法來解決這一難題，主要有以下這些方法。

2.1 基頻分量抑制法

這一類方法采用各種手段將基頻分量從定子電流中削弱或消去，從而使被它掩蓋的故障特征分量顯現(xiàn)出來。 Cruz et al.［4］提出擴(kuò)展 Park’s 矢量方法，通過分析三相電流Park’s矢量模平方信號(hào)的頻譜來檢測(cè)故障，在電流Park’s矢量模平方信號(hào)中，電流的基頻分量被變換為直流分量從頻譜圖中消去，故障特征分量變換為2ksf1的低頻分量。侯新國(guó)等［5］利用 MUSIC 方法對(duì) Park’s矢量模平方信號(hào)進(jìn)行頻譜分析來檢測(cè)故障特征頻率分量，可以實(shí)現(xiàn)短數(shù)據(jù)條件下的故障檢測(cè)。劉振興等［6］對(duì)單相電流進(jìn)行Hilbert變換，并構(gòu)成電流Hilbert模量，原來的基波電流將對(duì)應(yīng)模量中的直流分量，而轉(zhuǎn)子故障特征分量對(duì)應(yīng)2sf1和4sf1等低頻分量，其效果和相關(guān)文獻(xiàn)相當(dāng)。由于Hilbert模量和Park矢量模都要進(jìn)行平方運(yùn)算，存在頻譜復(fù)雜化的問題。特別是在復(fù)合型故障的情況下，一些交叉頻率的出現(xiàn)將增大故障識(shí)別的難度。而且在求解這些模量的過程中，將轉(zhuǎn)子故障的左右邊頻分量混合在一起，不利于對(duì)故障狀態(tài)的估計(jì)。此外，這些模量還存在物理意義不清晰的問題。為了克服這一問題，有文獻(xiàn)提出基于坐標(biāo)變換的方法把基波分量轉(zhuǎn)換成直流分量，同時(shí)將轉(zhuǎn)子故障特征分量轉(zhuǎn)換成低頻分量［7-8］，但是這種方法要求精確知道基波頻率，對(duì)基波頻率值很敏感，對(duì)于供電品質(zhì)不好的情況實(shí)用性較差。梁霖等［9］對(duì)單相電流進(jìn)行連續(xù)小波變換，把得到的系數(shù)矩陣進(jìn)行奇異值分解，削弱基頻分量后進(jìn)行信號(hào)的重構(gòu)，從而提取故障特征。劉振興等［10］將Relax頻譜分析方法應(yīng)用于定子電流信號(hào)，通過選擇閾值將基波濾除。黃進(jìn)等［11-12］利用電壓電流同頻率的原理提出雙PQ變換坐標(biāo)的同步旋轉(zhuǎn)，將基波分量轉(zhuǎn)換成直流分量，在PQ平面上得到一個(gè)與轉(zhuǎn)子故障對(duì)應(yīng)的橢圓，并以橢圓的長(zhǎng)軸及其修正量來衡量故障的嚴(yán)重程度。

2.2 非平穩(wěn)信號(hào)分析方法

在電機(jī)的起動(dòng)和停車過程中，電機(jī)的轉(zhuǎn)差率在［0，1］之間連續(xù)變化，所以轉(zhuǎn)子的故障特征分量的頻率在這一過程中是變化的，不會(huì)一直靠近強(qiáng)大的基波。利用具有非平穩(wěn)信號(hào)分析能力的新穎的現(xiàn)代信號(hào)處理技術(shù)對(duì)這些過程進(jìn)行分析，可以完全避開基于Fourier頻譜分析時(shí)基頻分量泄漏的影響。邱阿瑞［13］通過分析起動(dòng)過程的時(shí)變頻譜診斷轉(zhuǎn)子故障。牛發(fā)亮等［14-17］以起動(dòng)過程中的轉(zhuǎn)矩為分析對(duì)象，利用Hilbert－h(huán)uang變換、復(fù)解析小波變換以及小波脊能量譜分析等時(shí)頻信號(hào)處理方法提取轉(zhuǎn)子故障特征。馬宏忠等和Cupertino et al.［18］對(duì)斷電后的失電殘余電壓信號(hào)進(jìn)行分析，該信號(hào)中的故障特征不受電源波動(dòng)和負(fù)載的影響。這類方法以非平穩(wěn)信號(hào)分析為工具，分析電機(jī)的暫態(tài)過程，可以克服負(fù)荷及電網(wǎng)頻率波動(dòng)的影響。但是缺點(diǎn)是只能在啟動(dòng)或斷電時(shí)分析電機(jī)的信號(hào)，不能隨時(shí)進(jìn)行在線的監(jiān)測(cè)。

2.3 人工智能的方法

人工智能方法［19-23］如模糊邏輯、神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、專家系統(tǒng)、數(shù)據(jù)融合等，是近年來隨著人工智能分析方法的迅速發(fā)展而逐漸發(fā)展起來的。這些方法的特點(diǎn)是：以大量的歷史正常與故障數(shù)據(jù)為基礎(chǔ)，建立相應(yīng)的輸入／輸出映射關(guān)系，進(jìn)而實(shí)現(xiàn)電機(jī)故障的判斷和分類。這些方法在一定的程度上具有新穎的特點(diǎn)，但是都還只是實(shí)驗(yàn)室探索。原因主要是訓(xùn)練機(jī)的獲取和對(duì)系統(tǒng)性能評(píng)估缺乏相應(yīng)的確定的工具。

2.4 基于模型的方法

該方法的基本思想是通過建立故障的數(shù)學(xué)模型，利用模型參數(shù)的變化來檢測(cè)故障。例如Bangura et al.［24］和 Deng et al.［25］采用有限元方法首先建立電機(jī)的精確模型，然后用時(shí)間步進(jìn)耦合有限元狀態(tài)空間的方法模擬出很多的故障模型中的數(shù)據(jù)，將實(shí)測(cè)數(shù)據(jù)與故障模型下的數(shù)據(jù)進(jìn)行比較，從而實(shí)現(xiàn)電機(jī)故障的識(shí)別。Ma et al.［26］在電機(jī)多回路理論的基礎(chǔ)上建立電機(jī)故障的模型，通過電壓、電流和轉(zhuǎn)速的數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行辨識(shí)，根據(jù)轉(zhuǎn)子電阻值的變化來檢測(cè)故障。Kral et al.［27］提出的Vienna檢測(cè)方法，對(duì)電機(jī)建立正常運(yùn)行狀態(tài)下各種參數(shù)的電流和電壓空間矢量參考模型，然后對(duì)實(shí)際被監(jiān)測(cè)的各種參數(shù)進(jìn)行分析和計(jì)算，實(shí)測(cè)數(shù)據(jù)與參考模型之間的差值就表示了該電動(dòng)機(jī)內(nèi)部出現(xiàn)了何種類型的故障。此外，部分文獻(xiàn)［28-30］也是通過模型參數(shù)的辨識(shí)來診斷轉(zhuǎn)子斷條故障的。這些方法的模型都是針對(duì)某一具體的故障建立的，受環(huán)境條件和電機(jī)負(fù)載等諸多因素的影響。而實(shí)際電機(jī)精確模型的建立很困難，模型不精確，可能會(huì)導(dǎo)致判斷錯(cuò)誤。

2.5 基于瞬時(shí)功率的頻譜分析法

用瞬時(shí)功率信號(hào)替代電流信號(hào)作為研究對(duì)象，在瞬時(shí)功率信號(hào)中，電流的基波成分被變成直流分量，斷條故障特征頻率變?yōu)?ksf1的低頻分量，與擴(kuò)展 Park’s 矢量信號(hào)中類似［31-34］。這種方法要用到電壓信號(hào)來求瞬時(shí)功率，由于供電電壓的諧波的存在，與擴(kuò)展Park’s矢量法一樣，它也存在頻譜復(fù)雜化的問題。

2.6 高分辨率頻譜估計(jì)方法

高分辨率頻譜估計(jì)方法是一類基于信號(hào)的自相關(guān)矩陣的特征分析的方法。顧名思義，其頻率分辨率與傳統(tǒng)的FFT技術(shù)相比要高得多。多重信號(hào)分 類（Multiple Signal Classification，MUSIC）是 其中比較有代表性的方法。但是對(duì)于同樣長(zhǎng)度的輸入數(shù)據(jù)，與FFT相比，該算法需要較大的存儲(chǔ)空間和較長(zhǎng)的計(jì)算時(shí)間，因此實(shí)時(shí)性較差，真正用于工程實(shí)踐的不多。Kia et al.［35-36］將它應(yīng)用于轉(zhuǎn)子斷條故障的檢測(cè)，并通過數(shù)據(jù)預(yù)處理改進(jìn)了診斷的效果，提高了診斷的速度，使它的實(shí)用性大大增強(qiáng)。

除了基于電流信號(hào)的分析方法之外，還有一些其他的方法來診斷轉(zhuǎn)子故障［37-38］，如利用振動(dòng)信號(hào)分析，尋找故障特征頻率，從而檢測(cè)出故障。同定子故障檢測(cè)一樣，也有利用在軸向安裝感應(yīng)線圈來檢測(cè)軸向磁通中與轉(zhuǎn)子斷條故障對(duì)應(yīng)的頻譜分量，達(dá)到故障診斷的目的［39］。此外，轉(zhuǎn)子斷條引起轉(zhuǎn)矩波動(dòng)從而導(dǎo)致轉(zhuǎn)速以特定的頻率波動(dòng)，檢測(cè)出這一特定的波動(dòng)就可以診斷轉(zhuǎn)子的故障［40］。Pires et al.［41］利用信號(hào)自相關(guān)矩陣的特征值的波動(dòng)頻率和大小來檢測(cè)轉(zhuǎn)子故障。Mirafzal等［42-43］分析轉(zhuǎn)子斷條后磁場(chǎng)的振蕩規(guī)律，并將它作為故障診斷的特征量。

3 存在的主要問題

隨著電子、計(jì)算機(jī)以及各種智能信息處理技術(shù)的飛速發(fā)展，結(jié)合研究人員在各種工業(yè)現(xiàn)場(chǎng)逐步積累起來的經(jīng)驗(yàn)，轉(zhuǎn)子斷條故障診斷技術(shù)發(fā)展至今，已經(jīng)取得了豐碩的成果。但是，還存在如下問題和不足：

1）由于電機(jī)故障特征頻率受電機(jī)負(fù)載及供電品質(zhì)的影響，以及FFT技術(shù)本身的局限性（頻率分辨率低，頻譜泄漏等問題），在某些故障條件下很難準(zhǔn)確提取故障特征頻率。

2）Fourier分析是長(zhǎng)期以來廣泛運(yùn)用的方法，但它是建立在信號(hào)平穩(wěn)的假設(shè)之上的，并不適用于非平穩(wěn)過程，如對(duì)電機(jī)的起動(dòng)／停車過程的分析，而借助于FFT算法實(shí)現(xiàn)的信號(hào)處理方法如頻譜分析、相關(guān)分析、細(xì)化譜分析、高階譜分析、包絡(luò)分析、倒譜分析等的應(yīng)用也就大打折扣。小波變換以及人工智能等是近年來逐漸應(yīng)用到電機(jī)故障診斷領(lǐng)域的新型處理方法，已顯示出明顯的優(yōu)越性，但與之相應(yīng)的各種算法還有待進(jìn)一步的研究。

3）感應(yīng)電機(jī)在很多情況下是由功率電子器件驅(qū)動(dòng)的，這類電動(dòng)機(jī)的電壓和電流都是脈寬調(diào)制的方波脈沖，含有非常復(fù)雜的諧波，給這類電動(dòng)機(jī)的早期故障的檢測(cè)帶來了新的困難和問題。目前，這類電動(dòng)機(jī)早期故障檢測(cè)的研究文獻(xiàn)較少，還需大量努力。

4）對(duì)故障特征的定性檢測(cè)研究較多，而對(duì)故障嚴(yán)重程度的定量評(píng)估研究不夠。

4 結(jié)束語

總之，由于定子電流易于采集，簡(jiǎn)單實(shí)用，因此基于電流信號(hào)分析的診斷方法應(yīng)用最為廣泛［44-46］。特別是隨著近年來信號(hào)處理技術(shù)及人工智能技術(shù)的飛速發(fā)展，涌現(xiàn)了大量基于定子電流信號(hào)的轉(zhuǎn)子斷條故障診斷新方法，取得了良好的效果。但是，基于電壓和電流分析的方法仍存在不足，需要在故障特征的提取以及故障的嚴(yán)重程度評(píng)估方面作進(jìn)一步的工作。此外，在復(fù)合故障出現(xiàn)時(shí)，各故障之間可能會(huì)相互影響，這時(shí)如何提取故障特征也有待深入地研究。

［1］BONNET A H，SOUKUP G C.Cause and analysis of stator and rotor failures in three－phase squirrel－cage induction motors ［J］.IEEE Transactons on Industry Applications，1992，28（4）： 921－937.

［2］謝穎，李偉力，李守法.異步電動(dòng)機(jī)轉(zhuǎn)子斷條故障演化及相關(guān)因素分析［J］.電工技術(shù)學(xué)報(bào)，2007，22（3）：41－48.

［3］高景德，王祥珩，李發(fā)海.交流電機(jī)及其系統(tǒng)的分析［M］.北京：清華大學(xué)出版社，2005.

［4］CRUZ S M A，CARDOSO A J M.Rotor cage fault diagnosis in three－phase induction motors using extended Park＇s vector approach ［J］.Electric Machines and Power Systems， 2000，28（3）：289－299.

［5］侯新國(guó)，吳正國(guó)，夏立.基于Park矢量模平方函數(shù)的異步電機(jī)轉(zhuǎn)子故障診斷方法研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2003，23（9）：137－140.

［6］劉振興，尹項(xiàng)根，張哲，等.基于Hilbert模量頻譜分析的異步電動(dòng)機(jī)轉(zhuǎn)子故障在線監(jiān)測(cè)與診斷方法 ［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2003，23（7）：158－161.

［7］劉振興，張哲，尹項(xiàng)根，等.一種新型的籠型異步電動(dòng)機(jī)轉(zhuǎn)子故障在線檢測(cè)和診斷方法 ［J］.電工技術(shù)學(xué)報(bào)，2002，17（4）：89－92.

［8］CRUZ S M A，CARDOSO A J M，TOLIYAT H A.Diagnosis of stator， rotor and airgap eccentricity faults in threephase induction motors based on the multiple reference frames theory ［C］//Conference Record of The 2003 IEEE Industry Applications Society Annual meeting， 2003，2：1340－1346.

［9］梁霖，徐光華，劉彈，等.小波－奇異值分解在異步電機(jī)轉(zhuǎn)子故障特征提取中的應(yīng)用 ［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2005，25（19）：111－115.

［10］黃進(jìn)，牛發(fā)亮，楊家強(qiáng).基于雙PQ變換的感應(yīng)電機(jī)轉(zhuǎn)子故障診斷［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2006，26（13）：135－140.

［11］劉振興，尉宇，趙敏，等.基于RELAX頻譜分析方法的鼠籠式異步電動(dòng)機(jī)轉(zhuǎn)子故障診斷方法［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2006，26（22）：146－150.

［12］黃進(jìn)，牛發(fā)亮，楊家強(qiáng).考慮負(fù)荷及慣量影響的感應(yīng)電機(jī)轉(zhuǎn)子故障診斷 ［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2006，26（14）：120－125.

［13］邱阿瑞.利用啟動(dòng)電流的時(shí)變頻譜診斷鼠籠異步電機(jī)轉(zhuǎn)子故障 ［J］.中國(guó)電機(jī)工程學(xué)報(bào)，1995，15 （4）：267－273.

［14］牛發(fā)亮，黃進(jìn)，楊家強(qiáng)，等.基于感應(yīng)電機(jī)啟動(dòng)電磁轉(zhuǎn)矩Hilbert－Huang變換的轉(zhuǎn)子斷條故障診斷［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2005，25（11）：107－112.

［15］牛發(fā)亮，黃進(jìn)，楊家強(qiáng)，等.基于電磁轉(zhuǎn)矩小波變換的感應(yīng)電機(jī)轉(zhuǎn)子斷條故障診斷 ［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2005，25 （11）：107－112.

［16］NIU F， HUANG J.Rotor broken bars fault diagnosis for induction machines based on the wavelet ridge energy spectrum ［C］//Proceedings of the Eighth International Conference on Electrical Machines and Systems（ICEMS2005），2005，III： 2274－2277.

［17］馬宏忠，李訓(xùn)銘，方瑞明，等.利用失電殘余電壓診斷異步電機(jī)轉(zhuǎn)子繞組故障［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2004，24（7）：183－187.

［18］CUPERTINO F，VANNA E D，SALVATORE L，et al.Analysis technique for detection of IM broken rotor bars after supply disconnection ［J］.IEEE Transactions on Industry Applications，2004，40（2）：526－533.

［19］FILIPPETTI F，F(xiàn)RANCESCHINI G，TASSONI C.Neural networks aided on－line diagnostics of induction motor rotor faults［J］.IEEE Transactions on Industry Application，1995，31（4）： 892－899.

［20］HAJI M，TOLIYAT H A.Pattern recognition－a technique for induction machines rotor broken bar detection ［J］.IEEE Transaction On Energy Conversion，2001，16 （4）：312－317.

［21］ALTUG S，CHOW M Y，TRUSSELL H J.Fuzzy inference systems implemented on neural architectures for motor fault detection and diagnosis ［J］.IEEE Transactions on Industrial Electronics，1999，46（6）：1069－1079.

［22］LI B，CHOW M Y，TIPSUWAN Y，et al.Neural－network based motor rolling bearing fault diagnosis ［J］.IEEE Transactions on IndustrialElectronics，2000，47 （5）：1060－1069.

［23］FILIPPETTI F，F(xiàn)RANCESCHINI G， TASSONI C， et al.Recent developments of induction motor drives fault diagnosis using AI techniques ［J］.IEEE Transactions on Industry Electronics，2000，47：994－1003.

［24］BANGURA J F，DEMERDASH N A.Diagnosis and characterization of effects of broken rotor bars and connectors in squirrel－cage induction motors by a time－stepping coupled finite element－state space modeling approach ［J］.IEEE Transactions on Energy Conversion，1999，14（3）：994－1003.

［25］DENG X，PALKO S，JOKINEN T，et al.Rotor fault analysis of induction motors by dynamic model and finite element method［C］//Proceedings of IEEE Power Technique Conference， 1995：126－135.

［26］MA H Z，NI X R，DING Y Y，et al.Parameter identification and its application in fault diagnosis of asynchronous motor ［C］//Proceeding of International Conference on Electrical Machines and Systems，2007：1824－1828.

［27］KRAL C，WIESER R S，PIRKER F，et al.Model－based detection of rotor faults without rotor position sensor－the sensorless Vienna monitoring method ［J］.IEEE Transactions on Industry Applications，2005，41（3）：784－789.

［28］LI J J，SHENG J B.The research of asynchronous motor stator and rotor parameter identification method［J］.Electrician Technique Transaction，2006，21（1）：70－74.

［29］BACHIR S，TNANI S，CHAMPENOIS G，et al.Induction motor modelling of broken rotor bars and fault detection by parameter estimation ［C］//In Proceeding of IEEE SDEMPED，Gorizia，145－149 Sep，Italy，2001.

［30］寧玉泉.籠型異步電機(jī)轉(zhuǎn)子斷條和端環(huán)開裂的故障診斷和參數(shù)計(jì)算 ［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2002，22（10）：97－103.

［31］LIU Z，YIN Z，CHEN D，et al.Online rotor mixed fault diagnosis way based on spectrum analysis of instantaneous power in squirrel cage induction motors ［J］.IEEE Transactions on Energy Conversion，2004，19 （3）：485－490.

［32］DIDIER G，RAZIK H，CASPARY O，et al.Rotor cage fault detection in induction motor using global modulation index on the instantaneous power spectrum.in Proceeding of Symposum Diagnostics Electric Machines ［J］.Power Electronics and Drives（SDEMPED），2003： 104－109.

［33］DIDIER G，TERNISIEN E，CASPARY O，et al.Fault detection of broken rotor bars in induction motor using a global fault index［J］.IEEE Transaction on Industry Applications，2006，42（1）：79－88.

［34］LEGOWSKI S，ULA A S，TRZYNADLOWSKI A.Instantaneous power as a medium for the signature analysis of induction motors［J］.IEEE Transactions on Industry Applications，1996，32（4）：904－909.

［35］KIA S H，HENAO H，CAPOLINO G.A High－resolution frequency estimation method for three－phase induction machine fault detection［J］.IEEE Transaction on Industry Electronics，2007，54（4）：2305－2314.

［36］KIA S H，HENAO H，CAPOLINO G.Zoom－music frequency estimation method for three－phase induction machine fault detection ［C］//Proceeding of IECON 2005，2005：2603－2608

［37］SADOUGHI A，EBRAHIMI M，RWZAEI E.A new approach for induction motor broken bar diagnosis by using vibration spectrum ［C］//SICE－ICASE International Joint Conference， 2006：4715－4720.

［38］RILEY C M， HABETLER T G， KAMRAN F，et al.A method for sensorless on－line vibration monitoring of induction machines ［J］.IEEE Transaction on Industry Electronics，1998，9（2）：1240－1245.

［39］MENZHI L E， SAAD A.Induction motor fault diagnosis using voltage spectrum of an auxiliary winding［C］//Proceeding of International Conference on Electrical Machines and Systems 2007，Oct.8－11，Soul，Korea.2007：1028－1033.

［40］KLIMAN G B，STEIN J.Methods of motor currents circuit defects by speed fluctuation measurements signature analysis［J］.Electric Machines and Power Systems，1992：463－474.

［41］PIRES V F，MARTINS J F，PIRES A J.On－line diagnosis of three－phase induction motor using an eigenvalue αβ－vector approach ［C］//IEEE ISIE 2005， Pubrovnik，Croatia，2005：863－866.

［42］MIRAFZAL B，DEMERDASH N A O.Induction machine broken－bar fault diagnosis using the rotor magnetic field space－vector orientation ［J］.IEEE Transactions on Industry Applications，2004，40（2）：534－542.

［43］MIRAFZAL B，DEMERDASH N A O.Effects of load magnitude on diagnosing broken bar faults in induction motors using the pendulous oscillation of the rotor magnetic field orientation ［J］.IEEE Transactions on Industry Applications，2005，41（3）：771－783.

［44］NANDI S，TOLIYIAT H A.Condition monitoring and fault diagnosis of electrical machines－A review ［C］//In conference record IEEE－IAS.Annual meeting，Phoenix，AZ，1999，1：197－204.

［45］NANDI S.Fault analysis for condition monitoring of induction motors ［D］.PhD Dissertation.Texas A＆M University，2000.

［46］BENBOUZID M E H，KLIMAN G B.What stator current processing based technique to use for induction motor rotor faults diagnosis［C］//IEEE Power Engineering Review，August 2002.

Research Progress of Fault Diagnosis Methods for Rotor Bar of Induction Motor

Fang Fang
College of Electric and Information Engineering， Naval University of Engineering，Wuhan 430033，China

When the bar of rotor is broken， some feature frequency components will emerge in the current.The fault diagnosis system based on analyzing the current signal is of interest in this area.This diagnosis system may be designed as a non－invasion type into the induction machine， which is simple in hardware and easy to sample the signals.This paper surveys previous works on rotor broken－bar fault diagnosis by current signal analysis and concludes with a range of further issues that must be solved.

induction machine； rotor broken－bar； fault diagnosis

TM343

A

1673－3185（2010）05－77－05

10.3969/j.issn.1673-3185.2010.05.016

2010－07-15

方 芳（1972－），女，博士，講師。研究方向：機(jī)電設(shè)備故障診斷