本发明涉及电机故障诊断技术领域,特别是一种基于统计分析的直线电机定子异物粘连故障诊断方法。
背景技术:
直线电机是一种能将电能直接转换成直线运动的电机,它无需转换机构即可直接获得直线运动,没有传动机械的磨损,结构简单,响应快速,操作维护简单,因此在工业设备、物流运输、信息与自动化系统、交通等领域得到了广泛应用。
直线电机定子暴露在外部环境中,可能会导致环境中的塑料片等异物粘连在部分齿上,形成异物粘连故障,影响行车安全。
针对直线电机的故障诊断,较多集中在气隙偏心故障、绕组匝间短路等方向,而针对现场运行中经常遇到的电机定子异物粘连故障,尚未有明确的诊断方法,目前一般是在电机停机静止状态下,采用人工目视检查,可靠性差且漏检率高。针对采用直线电机驱动的列车,且在线路上安装了气隙在线检测/监测系统,则可以通过对在线气隙波形的分析,人工判定是否存在电机定子异物粘连故障,但判定依据仍是靠经验,存在劳动强度大且可靠性差等问题。
发明目的
本发明的目的在于提供一种高效、准确的基于统计分析的直线电机定子异物粘连故障诊断方法,可以实现定子异物粘连故障的故障诊断。
实现本发明目的的技术解决方案为:一种基于统计分析的直线电机定子异物粘连故障诊断方法,包括以下步骤:
步骤1、在直线电机定子下方安装测距传感器,利用测距传感器进行电机定子气隙值以及槽楔值的测量;
步骤2、将测距传感器的测量数据进行统计分析,通过判断槽楔值是否低于气隙均值,判断直线电机是否发生定子异物粘连故障。
进一步地,针对采用直线电机驱动的列车,步骤1所述测距传感器设置于两个枕轨之间的空隙,测距传感器的探头竖直向上,垂直于列车运行方向。
进一步地,步骤1所述电机定子气隙值即定子凹槽两侧凸台距离传感器的高度,槽楔值即定子凹槽底部距离传感器的高度。
进一步地,步骤2所述的将测距传感器的测量数据进行统计分析,通过判断槽楔值是否低于气隙均值,判断直线电机是否发生定子异物粘连故障,具体如下:
采用平均值-方差法进行异常气隙值的剔除,即超过平均值±3倍标准差的数据为异常数据;
剔除异常气隙值后,对剩下的正常气隙值进行平均值计算:
其中
如果第i个槽楔对应的槽楔值小于正常气隙平均值
其中
进一步地,所述定子异物粘连故障的衡量指标包括异物高度h和异物宽度w,其中:
发生异物粘连故障时,气隙高度会变小,气隙高度变的越小代表异物高度越大,因此采用正常气隙平均值与最小气隙值的差值来衡量异物高度h:
其中min()表示取最小值操作,
异物宽度w为满足
本发明与现有技术相比,其显著优点为:(1)针对采用直线电机驱动的列车,在线路上安装了气隙在线检测/监测系统,通过对在线气隙波形的分析,判定是否存在电机定子异物粘连故障;(2)基于统计分析方法来判断电机定子异物粘连故障,提供了严格的数学推导,通过槽楔值与气隙值进行判断,结果准确可靠。
附图说明
图1是本发明基于统计分析的直线电机定子异物粘连故障诊断方法的流程图。
图2是测距传感器与定子气隙、槽楔之间的位置关系示意图。
图3是通过传感器对定子气隙与槽隙距离的测量得出的气隙槽隙测量值示意图。
图4是发生电机定子异物粘连故障时的气隙与槽隙测量值示意图。
具体实施方式
结合图1,本发明基于统计分析的直线电机定子异物粘连故障诊断方法,包括以下步骤:
步骤1、在直线电机定子下方安装测距传感器,利用测距传感器进行电机定子气隙值以及槽楔值的测量;
步骤2、将测距传感器的测量数据进行统计分析,通过判断槽楔值是否低于气隙均值,判断直线电机是否发生定子异物粘连故障。
进一步地,针对采用直线电机驱动的列车,步骤1所述测距传感器设置于两个枕轨之间的空隙,测距传感器的探头竖直向上,垂直于列车运行方向。
结合图2,步骤1所述电机定子气隙值即定子凹槽两侧凸台距离传感器的高度,槽楔值即定子凹槽底部距离传感器的高度。
进一步地,步骤2所述的将测距传感器的测量数据进行统计分析,通过判断槽楔值是否低于气隙均值,判断直线电机是否发生定子异物粘连故障,具体如下:
采用平均值-方差法进行异常气隙值的剔除,即超过平均值±3倍标准差的数据为异常数据;
剔除异常气隙值后,对剩下的正常气隙值进行平均值计算:
其中
如果第i个槽楔对应的槽楔值小于正常气隙平均值
其中
进一步地,所述定子异物粘连故障的衡量指标包括异物高度h和异物宽度w,其中:
发生异物粘连故障时,气隙高度会变小,气隙高度变的越小代表异物高度越大,因此采用正常气隙平均值与最小气隙值的差值来衡量异物高度h:
其中min表示取最小值操作,
异物宽度w为满足
在直线电机定子下方安装测距传感器,当定子经过传感器上方时,传感器可以实现对定子气隙与槽隙距离的测量,单个传感器输出的气隙槽隙测量值如图3所示。
当电机处于正常工作状态时,电机定子各个齿的槽楔值或气隙值基本保持不变,其变化值仅仅受定子板悬垂影响且非常小;当发生异物粘连故障时,槽楔值会发生很大变化且低于正常的气隙均值,如图4所示,因此可以将槽楔值是否低于正常气隙均值作为是否发生异物粘连故障的判断依据。
在电机定子异物粘连故障时,由于存在部分齿被异物遮挡,因此会造成部分气隙值异常,也就是说对于n个气隙值,存在若干个气隙值会明显小于其它正常气隙值,需要在计算正常气隙值时去除。
下面结合具体实施例对本发明做进一步详细说明。
实施例
结合图4,本实施例提供一种直线电机的齿数对n为80,即槽楔数量和气隙数量为80,则i=1,2,…80表示槽楔或气隙序号,第i个槽楔对应的槽楔值为xi,第i个气隙对应的气隙值为
本发明采用平均值-方差法进行异常气隙值的剔除(该方法为常用异常数据剔除方法,可不作为专利权利),即超过平均值±3倍标准差的数据为异常数据。按照上述发明方法中所示,剔除异物遮挡造成的气隙异常值后,剩下的正常气隙值进行平均值计算所得的
其中被剔除的气隙值序号i=17,18,19,20,21,22,23,24,25,26,27,28;那么,剩下的正常气隙值的个数
结合图4,槽楔值xi明显有小于正常气隙平均值
以上序列的槽楔值明显满足
在确定发生了异物粘连故障时,需要对故障严重程度进行衡量,本发明采用如下两个指标来衡量:异物高度h和异物宽度w。
结合图4,发生异物粘连故障时,气隙高度会变小,气隙高度变的越小代表异物高度越大,因此实施例中得到采用正常气隙平均值与最小气隙值的差值来衡量异物高度h值为:
其中最小气隙值序号i为25,那么
按照异物宽度w的定义,w为满足
综上所述,本发明针对采用直线电机驱动的列车,在线路上安装了气隙在线检测/监测系统,通过对在线气隙波形的分析,判定是否存在电机定子异物粘连故障;基于统计分析方法来判断电机定子异物粘连故障,提供了严格的数学推导,通过槽楔值与气隙值进行判断,结果准确可靠。