牽引電機故障診斷方法研究

程海鵬

摘要：論文對牽引電機的構(gòu)成、工作原理、常見故障及故障檢測機理進(jìn)行了分析，并對目前存在的牽引電機故障分析和診斷方法進(jìn)行了論述。

關(guān)鍵詞：牽引電機;故障分析;故障診斷方法

0 ?引言

牽引電機是驅(qū)動裝置的關(guān)鍵部件之一，其正常運行對車輛的行車安全和運輸效率至關(guān)重要。在車輛運行時，牽引電機的工作條件惡劣，需經(jīng)受灰塵、雨雪的侵襲，環(huán)境溫度變化劇烈，負(fù)載變化頻繁，動力作用大，承受來自輪軌的沖擊和振動。這使得牽引電機易發(fā)生損壞，需要經(jīng)常進(jìn)行診斷。本文通過對牽引電機的構(gòu)成、工作原理、常見故障及故障檢測機理進(jìn)行了分析，并對目前存在的牽引電機故障分析和診斷方法進(jìn)行了論述。

1 ?牽引電機故障機理

CRH380A型動車組采用我國YQ365型牽引電機。該電機的主要參數(shù)如表1所示。

牽引電機安裝在動車轉(zhuǎn)向架輪上，主要由轉(zhuǎn)子、定子、軸承、速度傳感器、溫度傳感器等組成。該牽引電機采用三相鼠籠式結(jié)構(gòu)，剛性懸掛在轉(zhuǎn)向架上。牽引電機定子主要包括定子繞組、鐵芯兩部分。電機轉(zhuǎn)子采用銅條鼠籠結(jié)構(gòu)，主要由端環(huán)、導(dǎo)條、轉(zhuǎn)軸、和鐵芯壓圈等部件組成，如圖1、圖2所示。

1.1 異步牽引電機工作原理

牽引電機工作時，當(dāng)繞組接入三相電源時，定子繞組將產(chǎn)生旋轉(zhuǎn)的正弦分布磁動勢，作用在氣隙上產(chǎn)生旋轉(zhuǎn)磁場切割轉(zhuǎn)子導(dǎo)體產(chǎn)生感應(yīng)電勢，在轉(zhuǎn)子導(dǎo)體中將有電流通過。轉(zhuǎn)子電流和定子磁場在轉(zhuǎn)子上產(chǎn)生機械轉(zhuǎn)矩。旋轉(zhuǎn)磁場與轉(zhuǎn)子導(dǎo)體中的電流相互作用，產(chǎn)生電磁力，在電磁力的作用下形成電磁轉(zhuǎn)距，拖動轉(zhuǎn)子順著旋轉(zhuǎn)磁場方向旋轉(zhuǎn)。只有同步轉(zhuǎn)速n1大于轉(zhuǎn)子轉(zhuǎn)速n時，即n<n1時，轉(zhuǎn)子回路才產(chǎn)生感應(yīng)電流，定義轉(zhuǎn)差率為：s=（n1-n）/n。

1.2 牽引電機常見故障

動車組牽引電機的常見故障有定子故障、轉(zhuǎn)子故障、軸承故障和氣隙偏心故障等，定子故障表現(xiàn)為局部過熱或絕緣失效，主要是由定子匝間短路造成的;轉(zhuǎn)子可能出現(xiàn)的故障有轉(zhuǎn)子斷條或端環(huán)斷裂，這些故障會使?fàn)恳姍C在運行過程中發(fā)熱，造成導(dǎo)條和端環(huán)損壞;軸承由保持架、滾動體、外圈和內(nèi)圈組成，其故障也出現(xiàn)在這些部位，另外還可能出現(xiàn)局部損傷、磨損等。牽引電機氣隙偏心故障分為鐵芯呈橢圓形或定轉(zhuǎn)子不同軸心造成的靜態(tài)偏心和由轉(zhuǎn)軸彎曲、軸徑橢圓、高轉(zhuǎn)速時的機械共振造成的動態(tài)偏心故障。

1.3 牽引電機故障檢測機理

牽引電機不同部件發(fā)生故障的機理是不同的。以軸承故障為例，軸承是動車組牽引電機的重要部位之一，動車在實際運行的過程中，軸承更容易受到損害，而且故障率很高，產(chǎn)生的故障也難以診斷。當(dāng)電機軸承發(fā)生故障時，軸承會出現(xiàn)輕微裂紋甚至斷裂的情況。而當(dāng)軸承高速運轉(zhuǎn)時，故障部位會在載荷的作用下與正常部位不斷地進(jìn)行碰撞，碰撞產(chǎn)生的沖擊力會導(dǎo)致軸承座和其它零件的振動，形成一系列減幅振蕩，這些減幅振蕩會產(chǎn)生不同的頻率。在進(jìn)行故障檢測時，可以通過提取電機的故障特征頻率，對其進(jìn)行分析和診斷，進(jìn)而判斷出電機的相應(yīng)故障。

1.4 牽引電機故障分析及診斷方法

1.4.1 牽引電機故障特征的提取方法

故障診斷的流程主要包括信號檢測、故障基本特征提取、故障特征識別和故障診斷決策四個階段，其中故障特征的提取和特征識別分析階段尤為關(guān)鍵，必須采用合適的方法進(jìn)行信號處理和分析。動車組牽引電機的故障特征提取與識別就是應(yīng)用各類信號處理和分析技術(shù)對牽引電機各裝置的監(jiān)測信號進(jìn)行分析，進(jìn)而提取出對特定故障敏感的特征信息。

現(xiàn)有的用于牽引電機故障信號采集檢測的技術(shù)主要有在線放電檢測法;振動檢測法;磁通檢測法;絕緣檢測法;溫度檢測法;定子電流檢測法。這些方法采集所得的信號往往包含很多噪聲，難以準(zhǔn)確提取故障特征信號。針對這個問題，逐漸發(fā)展形成了許多信號處理的方式。傳統(tǒng)的信號處理方式包括傅里葉分析、包絡(luò)分析、相關(guān)分析和頻譜分析等，其中最典型的是利用傅里葉變換對穩(wěn)態(tài)信號進(jìn)行分析，通過對信號的時頻分析達(dá)到分離噪聲，得到有效信號的目的。但動車組采集現(xiàn)場環(huán)境復(fù)雜，干擾較多，得到的信號具有很大的隨機性，往往包含許多突變信號，這大大影響了故障特征的提取。因此，對于從牽引電機采集所得到的非平穩(wěn)信號，研究人員開始采用希爾伯特-黃變換、小波分析等進(jìn)行處理。小波分析方法具有很好的時頻局部化特性，能夠?qū)π盘柛哳l處時間細(xì)分，低頻處頻率細(xì)分，即可以對信號的細(xì)節(jié)進(jìn)行有效的識別，相比傅里葉變換具有很大的優(yōu)勢。但小波分析也存在頻域分區(qū)不合理，對信號細(xì)節(jié)分析不夠完善、合理等的缺點。

在動車組故障特征提取時，經(jīng)驗?zāi)B(tài)分析也是一種常用的方法，該方法基于信號的局部時間尺度，把信號合理分解為多個不同的模態(tài)函數(shù)，而每個模態(tài)函數(shù)代表了故障信號的不同細(xì)節(jié)特征，這些函數(shù)可以對信號細(xì)節(jié)特征進(jìn)行很好的表征。但若有突變信號，該方法容易出現(xiàn)模態(tài)混疊的現(xiàn)象，影響故障特征提取的準(zhǔn)確性。

牽引電機的故障特征提取結(jié)果會直接影響到后續(xù)的故障診斷，現(xiàn)有的提取方法雖然都具有一定的局限性，但在噪聲處理和特征提取方面還是可以得到較為理想的結(jié)果。

1.4.2 牽引電機故障診斷方法

針對動車組牽引電機的組成和結(jié)構(gòu)，現(xiàn)有的故障診斷方法有支持向量機、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、信息融合等方法。

專家系統(tǒng)是應(yīng)用最為廣泛的一種故障診斷方法，整個系統(tǒng)由知識庫、數(shù)據(jù)庫、機器學(xué)習(xí)、人機接口等組成，但這種方法存在獲取知識較難、學(xué)習(xí)能力弱、容錯能力差等缺點，在實際應(yīng)用于電機故障診斷時效果并不理想。

人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)能力、并行計算能力和一定的聯(lián)想能力。將提取得到的牽引電機故障特征數(shù)據(jù)導(dǎo)入神經(jīng)網(wǎng)絡(luò)后，通過訓(xùn)練可以診斷出某些故障所具有的敏感特征。但人工神經(jīng)網(wǎng)絡(luò)要想得到好的訓(xùn)練結(jié)果，需要應(yīng)用大容量的訓(xùn)練樣本，泛化能力不強，學(xué)習(xí)效率不夠穩(wěn)定，而且該學(xué)習(xí)算法的收斂速度慢，容易陷入局部最優(yōu)化現(xiàn)象，造成電機故障診斷結(jié)果不明確。

支持向量機的主要思想在于通過學(xué)習(xí)得到一個最優(yōu)的超平面作為決策曲面，從而實現(xiàn)數(shù)據(jù)分類的目的，支持向量就是指能夠支持把兩類數(shù)據(jù)分開的超平面上的向量點。相比于人工神經(jīng)網(wǎng)絡(luò)，支持向量機在處理電機故障信號時，抗噪聲能力強，所需要的訓(xùn)練樣本較少，訓(xùn)練時間較短，而且能夠有效地避免局部最優(yōu)化現(xiàn)象。但該算法程序中的不敏感損失參數(shù)、核函數(shù)參數(shù)和規(guī)則化參數(shù)等的選擇對診斷效果有著很大的影響。

另外，現(xiàn)有的動車組列車往往配有狀態(tài)監(jiān)測和故障診斷系統(tǒng)，但該系統(tǒng)的應(yīng)用仍然具有一定的局限性，時常發(fā)生故障誤報的情況，而且該系統(tǒng)所提供的故障信息和解決方案往往具有一定的片面性，維護(hù)人員需要重新綜合分析故障信息。

顯然，雖然現(xiàn)有的診斷方法有很多，但這些方法在應(yīng)用于牽引電機故障診斷時，都具有一定的局限性，難以得到較好的診斷結(jié)果，有時需要結(jié)合其他算法（如粒子群算法等）進(jìn)行參數(shù)優(yōu)化后，才能得到相對準(zhǔn)確的故障診斷結(jié)果。牽引電機的故障提取和診斷技術(shù)仍舊需要進(jìn)一步的研究。

2 ?結(jié)語

動車組牽引電機因其重要性以及工作環(huán)境的惡劣，需要經(jīng)常進(jìn)行故障診斷。現(xiàn)有的故障特征分析和診斷方法都存在一定的局限性，難以得到好的識別效果，需要通過進(jìn)一步研究，綜合不同種算法的特性，利用算法融合，進(jìn)一步得到較好的故障診斷結(jié)果。

參考文獻(xiàn)：

[1]呂鋒.數(shù)據(jù)融合驅(qū)動電氣設(shè)備故障的智能診斷[M].科學(xué)出版社，2013.

[2]張建文，姚奇，朱寧輝，楊麗，魯慶.異步電動機定子繞組的故障診斷方法[J]高電壓技術(shù)，2007（06）.

[3]余景輝，謝志江.小波奇異性檢測在機械故障診斷技術(shù)中的應(yīng)用[J].機械工程師，2007（06）.

[4]張士強，孟凡環(huán)，暴勇臨.機車車輛牽引電機轉(zhuǎn)子拆解機設(shè)計與分析[J].機床與液壓，2017（22）.

[5]陳超玉，姚秋華，龍云峰，洪鳳平.高速交流牽引電機轉(zhuǎn)子不平衡問題分析[J].技術(shù)與市場，2016（07）.

[6]陳哲明，曾京.牽引電機轉(zhuǎn)子振動對高速列車動力學(xué)性能的影響[J].工程力學(xué)，2011（01）.