本發(fā)明主要涉及電機檢測技術領域，具體涉及一種電機轉子斷條故障處理方法及系統(tǒng)。

背景技術：

1995年Cardoso A J M，Cruz S M A等學者提出PARK矢量法，通過圓度判斷轉子故障，但在故障前期難以發(fā)現故障，在工程實際應用中，故障圓和非故障圓區(qū)分度不大。現有技術中，將希爾伯特變換用于電機故障診斷，通過希爾伯特變化對信號進行調理，但是只能檢測出故障特征頻率無法計算特征分量的幅值；現有技術中，將連續(xù)小波變換和奇異值分解結合，提取轉子斷條故障特征分量，但是該方法需要大量的樣本數據，而且在使用連續(xù)小波變換的過程中需要將小波變換的分辨率設置得很低，計算量大，并且奇異值分解后正交空間數量大，無法準確定位特征分量所在的空間。目前還有研究骨干微粒群算法方向的，但是存在計算收斂速度慢等問題。

技術實現要素：

本發(fā)明所要解決的技術問題是針對現有技術的不足，提供一種電機轉子斷條故障處理方法及系統(tǒng)。

本發(fā)明解決上述技術問題的技術方案如下：一種電機轉子斷條故障處理方法，包括如下步驟：

步驟S1：周期性地采集電機定子電流信號來獲得定子電流信號的幅值序列，根據幅值序列來構造二維矩陣G；

步驟S2：根據奇異值分解方法對二維矩陣G進行分解得到主空間分量和第二空間分量，將主空間分量濾除，再利用奇異值分解的逆變換對矩陣G進行重構，得到新的二維矩陣G^*，所述第二空間分量為泄露分量；

步驟S3：根據快速傅里葉變換方法得到二維矩陣G^*中泄露分量的頻譜，在頻譜中，若基頻兩側出現尖峰則電機存在斷條故障，讀取尖峰的幅值和頻率，即為電機故障特征分量的幅值U_tz和頻率f_tz；

步驟S4：利用波形調試工具預調制正弦波，對其周期性采樣，利用采樣得到的正弦波幅值序列構造二維矩陣H，利用奇異值分解方法對二維矩陣H進行分解處理，濾波和重構得到新的二維矩陣H^*，根據二維矩陣H^*繪制泄露分量分布曲線；

步驟S5：根據泄露分量分布曲線修正電機故障特征分量的幅值U_tz，得到特征分量的真實幅值，根據真實幅值判斷電機轉子斷條的嚴重程度。

本發(fā)明的有益效果是：本發(fā)明根據SVD的特點，提出泄露分量曲線，在電機工頻運行和變頻運行的工況下，自適應地將基波分量和電機故障特征分量分解到主空間(第一空間)和泄露空間(第二空間)里，然后通過去除主空間濾除基波分量，重構泄露分量空間提取特征頻率分量，并且利用泄露分量曲線對提取出的特征分量的幅值進行修正，得到的誤差率極小。

在上述技術方案的基礎上，本發(fā)明還可以做如下改進。

進一步，所述步驟S1具體包括：周期性地采集電機定子電流信號，獲得定子電流信號的幅值序列，根據幅值序列來構造二維矩陣G，

其中，為t₁時刻定子電流的幅值，dt為定子電流的采樣周期，為t₁+dt時刻定子電流的幅值；T是二維矩陣G中第一行信號和第二行信號的采樣時間差，T滿足T＝k₁T_base，T_base為定子電流中基波分量的周期，表示t₁+T時刻定子電流信號的幅值，k₁為比例參數,k₁取整數。

采用上述進一步方案的有益效果是：提出利用定子電流信號的幅值構造二維矩陣G的方法，這樣后續(xù)步驟對矩陣G奇異值分解，能夠將基波分量完全投射到主空間(第一空間)中，而將電機故障特征分量部分投射到泄露分量空間(第二空間)中，實現對基波分量的分離。

進一步，所述步驟S2具體包括：

步驟S201：根據SVD奇異值分解方法對二維矩陣G進行分解，得到奇異值對角矩陣；

步驟S202：令奇異值對角矩陣的第一個對角元素為0，利用奇異值分解的逆變換重構二維矩陣G,得到重構的二維矩陣G^*。

采用上述進一步方案的有益效果是：利用SVD奇異值分解方法分解矩陣G能夠將基波分量完全投射到主空間(第一空間)中，而將電機故障特征分量部分投射到泄露分量空間(第二空間)中，然后將奇異值對角矩陣的第一個對角元素置為0，再利用奇異值分解的逆變換重構矩陣G，得到新的矩陣G^*，能夠將主空間濾除，即將基波分量完全濾除，矩陣G^*中保留部分電機故障特征分量。

進一步，所述步驟S4具體包括：利用波形調試工具(如MATLAB工具)調制幅值為X安培的正弦波，其中X為預設值，對其周期性采樣，利用采樣得到的正弦波幅值序列構造二維矩陣H，其中二維矩陣H滿足

其中，為t₁時刻正弦信號的幅值，dt為正弦信號的采樣周期，為t₁+dt時刻正弦信號的幅值；T₀是二維矩陣G中第一行信號和第二行信號的采樣時間差，表示t₁+T₀時刻正弦信號的幅值；

根據SVD奇異值分解方法對二維矩陣H進行分解，令奇異值對角矩陣的第一個對角元素為0，即濾除主空間成分(第一空間也稱為主空間)，保留泄露分量(第二空間也稱為泄露分量空間)，再利用奇異值分解的逆變換對二維矩陣H進行重構，得到二維矩陣H^*，從二維矩陣H^*中任取一行信號，利用最大值函數求取信號的峰值，連續(xù)改變T₀，使得兩行信號的相位差從0度變到360度，計算不同相位差下二維矩陣H^*任意一行信號的峰值，以峰值為縱坐標、以相位差為橫坐標來繪制泄露分量分布曲線。

采用上述進一步方案的有益效果是：能夠獲取泄露分量分布曲線。

進一步，所述步驟S5具體包括：根據T＝k₂T_tz,T_tz＝1/f_tz計算k₂，其中T_tz是特征分量的周期，f_tz是濾波算法檢測出的特征分量的頻率；再根據公式θ_tz＝mod(k₂360°,360°)計算矩陣G兩行信號中特征分量信號的相位差θ_tz，再根據θ_tz到泄露分量分布曲線中查找對應相位差下泄露分量的幅值，將該幅值除以X安培，得到泄露分量中故障特征分量占總故障特征分量的比例，即修正系數，將幅值U_tz除以該修正系數，得到修正后的幅值U_tz’，即為電機故障特征分量的真實幅值,根據真實幅值判斷電機轉子斷條的嚴重程度。

采用上述進一步方案的有益效果是：將泄露分量分布曲線作為修正故障特征分量幅值的依據，能夠判斷電機轉子斷條的嚴重程度，使檢測結果更精確。

進一步，所述步驟S3具體包括：在重新構造的二維矩陣G^*中任取一行信號，根據FFT快速傅里葉變換方法得到泄露分量的頻譜，在頻譜中獲取基頻分量兩側的最高峰，根據最高峰讀取泄露分量中電機故障特征分量的幅值U_tz和頻率f_tz。

采用上述進一步方案的有益效果是：從泄露分量頻譜中可以判斷電機是否出現故障并且能夠分辨電機故障特征分量點，獲取泄露分量空間中電機故障特征分量的幅值和頻率。

本發(fā)明解決上述技術問題的另一技術方案如下：一種電機轉子斷條故障處理系統(tǒng)，包括：

二維矩陣構造模塊，用于周期性地采集電機定子電流信號來獲得定子電流信號的幅值序列，根據幅值序列來構造二維矩陣G；

二維矩陣濾波及重構模塊，用于根據奇異值分解方法對二維矩陣G進行分解得到主空間分量和第二空間分量，將主空間分量濾除后，利用奇異值分解的逆變換對矩陣G進行重構，得到新的二維矩陣G^*，所述第二空間分量為泄露分量；

故障判斷模塊，用于根據快速傅里葉變換方法得到二維矩陣G^*中泄露分量的頻譜，在頻譜中，若基頻兩側出現尖峰則電機存在斷條故障，讀取尖峰的幅值和頻率，即為電機故障特征分量的幅值U_tz和頻率f_tz；

泄露分量曲線繪制模塊，用于利用波形調試工具預調制正弦波，對其周期性采樣，利用采樣得到的正弦波幅值序列構造二維矩陣H，利用奇異值分解方法對二維矩陣H進行分解處理，濾波和重構得到新的二維矩陣H^*，根據二維矩陣H^*繪制泄露分量分布曲線；

故障特征分量幅值修正模塊，用于根據泄露分量分布曲線修正電機故障特征分量的幅值U_tz，得到電機故障特征分量的真實幅值，根據真實幅值判斷電機轉子斷條的嚴重程度。

在上述技術方案的基礎上，本發(fā)明還可以做如下改進。

進一步，所述泄露分量曲線繪制模塊中，利用波形調試工具(如MATLAB工具)調制幅值為X安培的正弦波，其中X為預設值，對其周期性采樣，利用采樣得到的正弦波幅值序列構造二維矩陣H，其中二維矩陣H滿足

其中，為t₁時刻正弦信號的幅值，dt為正弦信號的采樣周期，為t₁+dt時刻正弦信號的幅值；T₀是二維矩陣G中第一行信號和第二行信號的采樣時間差，表示t₁+T₀時刻正弦信號的幅值；

根據SVD奇異值分解方法對二維矩陣H進行分解，令奇異值對角矩陣的第一個對角元素為0，即濾除主空間成分(第一空間也稱為主空間)，保留泄露分量(第二空間也稱為泄露分量空間)，再利用奇異值分解的逆變換對二維矩陣H進行重構，得到二維矩陣H^*，從二維矩陣H^*中任取一行信號，利用最大值函數求取信號的峰值，連續(xù)改變T₀，使得兩行信號的相位差從0度變到360度，計算不同相位差下二維矩陣H^*任意一行信號的峰值，以峰值為縱坐標、以相位差為橫坐標來繪制泄露分量分布曲線。

進一步，所述故障特征分量幅值修正模塊中，根據T＝k₂T_tz,T_tz＝1/f_tz計算k₂，其中T_tz是特征分量的周期，f_tz是濾波算法檢測出的特征分量的頻率；再根據公式θ_tz＝mod(k₂360°,360°)計算矩陣G兩行信號中特征分量信號的相位差θ_tz，再根據θ_tz到泄露分量分布曲線中查找對應相位差下泄露分量的幅值，將該幅值除以X安培，得到泄露分量中故障特征分量占總故障特征分量的比例，即修正系數，將幅值U_tz除以該修正系數，得到修正后的幅值U_tz’，即為電機故障特征分量的真實幅值,根據真實幅值判斷電機轉子斷條的嚴重程度。

進一步，所述二維矩陣構造模塊中，周期性地采集電機定子電流信號，獲得定子電流信號的幅值序列，根據幅值序列來構造二維矩陣G，

其中，為t₁時刻定子電流的幅值，dt為定子電流的采樣周期，為t₁+dt時刻定子電流的幅值；T是二維矩陣G中第一行信號和第二行信號的采樣時間差，T滿足T＝k₁T_base，T_base為定子電流中基波分量的周期，表示t₁+T時刻定子電流信號的幅值，k₁為比例參數,k₁取整數。

進一步，所述重構模塊包括：

分解單元，用于根據SVD奇異值分解方法對二維矩陣G進行分解，得到奇異值對角矩陣；

重構單元，用于令奇異值對角矩陣的第一個對角元素為0，利用奇異值分解的逆變換重構二維矩陣G,得到重構的二維矩陣G^*。應理解，濾除主空間成分(主空間也稱為第一空間)，保留泄露分量空間(泄露分量空間也稱為第二空間)，對二維矩陣進行重構。

進一步，所述故障判斷模塊中根據快速傅里葉變換方法得到二維矩陣G^*中泄露分量的頻譜，在頻譜中，若基頻兩側出現尖峰則電機存在斷條故障，讀取尖峰的幅值和頻率，即為電機故障特征分量的幅值U_tz和頻率f_tz。

附圖說明

圖1為本發(fā)明一實施例中55Hz信號泄露分量分布曲線的示意圖；

圖2為本發(fā)明一實施例中55Hz、45Hz信號泄露分量分布曲線對比的示意圖；

圖3為本發(fā)明一實施例中50Hz信號泄露分量分布曲線的示意圖；

圖4為本發(fā)明一實施例中自適應濾波算法流程圖；

圖5至圖11為仿真實例中運用自適應濾波算法處理表2中模擬定子電流信號重構的特征分量信號的頻譜圖；

圖12和圖13為診斷實例中三相感應電機三根斷條滿載和一根斷條滿載的下定子電流頻譜；

圖14和圖15為基于診斷實例的轉子故障特征分量的提取與重構之后信號的頻譜；

圖16為本發(fā)明實施例提供的電機轉子斷條故障處理方法的方法流程圖；

圖17為本發(fā)明實施例提供的電機轉子斷條故障處理系統(tǒng)的模塊框圖。

具體實施方式

以下結合附圖對本發(fā)明的原理和特征進行描述，所舉實例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。

圖16為本發(fā)明實施例提供的電機轉子斷條故障處理方法的方法流程圖；

如圖16所示，一種電機轉子斷條故障處理方法，包括如下步驟：

步驟S1：周期性地采集電機定子電流信號來獲得定子電流信號的幅值序列，根據幅值序列來構造二維矩陣G；

步驟S2：根據奇異值分解方法對二維矩陣G進行分解得到主空間分量和第二空間分量，將主空間分量濾除，再利用奇異值分解的逆變換對矩陣G進行重構，得到新的二維矩陣G^*，所述第二空間分量為泄露分量；

步驟S3：根據快速傅里葉變換方法得到二維矩陣G^*中泄露分量的頻譜，在頻譜中，若基頻兩側出現尖峰則電機存在斷條故障，讀取尖峰的幅值和頻率，即為電機故障特征分量的幅值U_tz和頻率f_tz；

步驟S4：利用波形調試工具預調制正弦波，對其周期性采樣，利用采樣得到的正弦波幅值序列構造二維矩陣H，利用奇異值分解方法對二維矩陣H進行分解處理，濾波和重構得到新的二維矩陣H^*，根據二維矩陣H^*繪制泄露分量分布曲線；

步驟S5：根據泄露分量分布曲線修正電機故障特征分量的幅值U_tz，得到特征分量的真實幅值，根據真實幅值判斷電機轉子斷條的嚴重程度。故障特征分量的真實幅值即為濾除基波分量干擾之后，對故障分量不失真提取出的真實幅值。

具體的，波形調試工具可采用MATLAB工具。

MATLAB(Matrix Laboratory矩陣實驗室)工具，是一種將數值分析、矩陣計算、科學數據可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強大功能集成在一個易于使用的視窗環(huán)境中的工具。

上述實施例中，本發(fā)明根據SVD的特點，提出泄露分量曲線，在電機工頻運行和變頻運行的工況下，自適應地將基波分量和特征頻率分量分解到主空間(第一空間)和泄露空間(第二空間)里，然后通過去除主空間重構泄露分量空間提取特征頻率分量，并且利用泄露分量曲線還能求解特征分量的真實幅值，得到的誤差率極小。

可選地，作為本發(fā)明的一個實施例，所述步驟S1具體包括：周期性地采集電機定子電流信號，獲得定子電流信號的幅值序列，根據幅值序列來構造二維矩陣G，

其中，為t₁時刻定子電流的幅值，dt為定子電流的采樣周期，為t₁+dt時刻定子電流的幅值；T是二維矩陣G中第一行信號和第二行信號的采樣時間差，T滿足T＝k₁T_base，T_base為定子電流中基波分量的周期，表示t₁+T時刻定子電流信號的幅值，k₁為比例參數,k₁取整數。

上述實施例中，提出構造幅值的二維矩陣的方法，利于將基波分量和特征分量進行分離。

可選地，作為本發(fā)明的一個實施例，所述步驟S2具體包括：

步驟S201：根據SVD奇異值分解方法對二維矩陣G進行分解，得到奇異值對角矩陣；

步驟S202：令奇異值對角矩陣的第一個對角元素為0，利用奇異值分解的逆變換重構二維矩陣G,得到重構的二維矩陣G^*。

上述實施例中，利用SVD奇異值分解方法分解矩陣G能夠將基波分量完全投射到主空間(第一空間)中，而將電機故障特征分量部分投射到泄露分量空間(第二空間)中，然后將奇異值對角矩陣的第一個對角元素置為0，再利用奇異值分解的逆變換重構矩陣G，得到新的矩陣G^*，能夠將主空間濾除，即將基波分量完全濾除，矩陣G^*中保留部分電機故障特征分量。

具體的，所述步驟S4具體包括：利用波形調試工具(如MATLAB工具)調制幅值為X安培的正弦波，其中X為預設值，例如100安培，對其周期性采樣，利用采樣得到的正弦波幅值序列構造二維矩陣H，其中二維矩陣H滿足

其中，為t₁時刻正弦信號的幅值，dt為正弦信號的采樣周期，為t₁+dt時刻正弦信號的幅值；T₀是二維矩陣G中第一行信號和第二行信號的采樣時間差，表示t₁+T₀時刻正弦信號的幅值；

根據SVD奇異值分解方法對二維矩陣H進行分解，令奇異值對角矩陣的第一個對角元素為0，即濾除主空間成分(第一空間也稱為主空間)，保留泄露分量(第二空間也稱為泄露分量空間)，再利用奇異值分解的逆變換對二維矩陣H進行重構，得到二維矩陣H^*，從二維矩陣H^*中任取一行信號，利用最大值函數求取信號的峰值，連續(xù)改變T₀，使得兩行信號的相位差從0度變到360度，計算不同相位差下二維矩陣H^*任意一行信號的峰值，以峰值為縱坐標、以相位差為橫坐標來繪制泄露分量分布曲線。

可選地，作為本發(fā)明的一個實施例，所述步驟S5具體包括：根據T＝k₂T_tz,T_tz＝1/f_tz計算k₂，其中T_tz是特征分量的周期，f_tz是濾波算法檢測出的特征分量的頻率；再根據公式θ_tz＝mod(k₂360°,360°)計算矩陣G兩行信號中特征分量信號的相位差θ_tz，再根據θ_tz到泄露分量分布曲線中查找對應相位差下泄露分量的幅值，將該幅值除以X安培，例如調制幅值為100安培的正弦波，則將該幅值除以100安培,得到泄露分量中故障特征分量占總故障特征分量的比例，即修正系數，將幅值U_tz除以該修正系數，得到修正后的幅值U_tz’，即為電機故障特征分量的真實幅值,根據真實幅值判斷電機轉子斷條的嚴重程度。

上述實施例中，將泄露分量分布曲線作為修正的依據，根據泄露分量分布曲線上泄露分量占基波分量幅值的百分比(比例)對幅值U_tz進行調整，能夠判斷電機轉子斷條的嚴重程度，使檢測結果更精確。

可選地，所述步驟S3具體包括：在重新構造的二維矩陣G^*中任取一行信號，根據FFT快速傅里葉變換方法得到泄露分量的頻譜，在頻譜中獲取基頻分量兩側的最高峰，根據最高峰讀取泄露分量中電機故障特征分量的幅值U_tz和頻率f_tz。

上述實施例中，從泄露分量頻譜中可以獲取較精確的泄露分量的幅值和頻率。

圖17為本發(fā)明實施例提供的電機轉子斷條故障處理系統(tǒng)的模塊框圖；

可選地，作為本發(fā)明的另一個實施例，如圖17所示，一種電機轉子斷條故障處理系統(tǒng)，包括：

二維矩陣構造模塊，用于周期性地采集電機定子電流信號來獲得定子電流信號的幅值序列，根據幅值序列來構造二維矩陣G；

二維矩陣濾波及重構模塊，用于根據奇異值分解方法對二維矩陣G進行分解得到主空間分量和第二空間分量，將主空間分量濾除后，利用奇異值分解的逆變換對矩陣G進行重構，得到新的二維矩陣G^*，所述第二空間分量為泄露分量；

故障判斷模塊，用于根據快速傅里葉變換方法得到二維矩陣G^*中泄露分量的頻譜，在頻譜中，若基頻兩側出現尖峰則電機存在斷條故障，讀取尖峰的幅值和頻率，即為電機故障特征分量的幅值U_tz和頻率f_tz；

泄露分量曲線繪制模塊，用于利用波形調試工具預調制正弦波，對其周期性采樣，利用采樣得到的正弦波幅值序列構造二維矩陣H，利用奇異值分解方法對二維矩陣H進行分解處理，濾波和重構得到新的二維矩陣H^*，根據二維矩陣H^*繪制泄露分量分布曲線；

故障特征分量幅值修正模塊，用于根據泄露分量分布曲線修正電機故障特征分量的幅值U_tz，得到電機故障特征分量的真實幅值，根據真實幅值判斷電機轉子斷條的嚴重程度。

可選地，作為本發(fā)明的一個實施例，所述泄露分量曲線繪制模塊中，利用波形調試工具(如MATLAB工具)調制幅值為X安培的正弦波，對其周期性采樣，利用采樣得到的正弦波幅值序列構造二維矩陣H，其中二維矩陣H滿足

其中，為t₁時刻正弦信號的幅值，dt為正弦信號的采樣周期，為t₁+dt時刻正弦信號的幅值；T₀是二維矩陣G中第一行信號和第二行信號的采樣時間差，表示t₁+T₀時刻正弦信號的幅值；

根據SVD奇異值分解方法對二維矩陣H進行分解，令奇異值對角矩陣的第一個對角元素為0，再利用奇異值分解的逆變換對二維矩陣H進行重構，得到二維矩陣H^*，從二維矩陣H^*中任取一行信號，利用最大值函數求取信號的峰值，連續(xù)改變T₀，使得兩行信號的相位差從0度變到360度，計算不同相位差下二維矩陣H^*任意一行信號的峰值，以峰值為縱坐標、以相位差為橫坐標來繪制泄露分量分布曲線。

可選地，作為本發(fā)明的一個實施例，所述故障特征分量幅值修正模塊中，根據T＝k₂T_tz,T_tz＝1/f_tz計算k₂，其中T_tz是特征分量的周期，f_tz是濾波算法檢測出的特征分量的頻率；再根據公式θ_tz＝mod(k₂360°,360°)計算矩陣G兩行信號中特征分量信號的相位差θ_tz，再根據θ_tz到泄露分量分布曲線中查找對應相位差下泄露分量的幅值，將該幅值除以X安培，得到泄露分量中故障特征分量占總故障特征分量的比例，即修正系數，將幅值U_tz除以該修正系數，得到修正后的幅值U_tz’，即為電機故障特征分量的真實幅值,根據真實幅值判斷電機轉子斷條的嚴重程度。

可選地，作為本發(fā)明的一個實施例，所述二維矩陣構造模塊中，周期性地采集電機定子電流信號，獲得定子電流信號的幅值序列，根據幅值序列來構造二維矩陣G，

其中，為t₁時刻定子電流的幅值，dt為定子電流的采樣周期，為t₁+dt時刻定子電流的幅值；T是二維矩陣G中第一行信號和第二行信號的采樣時間差，T滿足T＝k₁T_base，T_base為定子電流中基波分量的周期，表示t₁+T時刻定子電流信號的幅值，k₁為比例參數,k₁取整數。

可選地，作為本發(fā)明的一個實施例，所述重構模塊包括：

分解單元，用于根據SVD奇異值分解方法對二維矩陣G進行分解，得到奇異值對角矩陣；

重構單元，用于令奇異值對角矩陣的第一個對角元素為0，利用奇異值分解的逆變換重構二維矩陣G,得到重構的二維矩陣G^*。應理解，濾除主空間成分(主空間也稱為第一空間)，保留泄露分量空間(泄露分量空間也稱為第二空間)，對二維矩陣進行重構。

可選地，作為本發(fā)明的一個實施例，所述故障判斷模塊中根據快速傅里葉變換方法得到二維矩陣G^*中泄露分量的頻譜，在頻譜中，若基頻兩側出現尖峰則電機存在斷條故障，讀取尖峰的幅值和頻率，即為電機故障特征分量的幅值U_tz和頻率f_tz。

驗證結果的可靠性的方法：測量電機轉速，比較由轉速計算的特征頻率點和f_tz，驗證結果的可靠性。

下面通過仿真實例和診斷實例以及結合附圖對本發(fā)明作進一步說明。

1、泄露分量曲線的繪制

在采樣頻率為5000Hz時，采樣點數為5000時繪制40Hz，50Hz，55Hz信號的泄露分量分布曲線，泄露分量曲線的繪制和比較如圖1到圖3所示，部分泄露分量分布表如表1所示。具體步驟如下：

(1)在MATLAB中調制固定頻率的正弦信號，幅值設為100，設置示波器采樣頻率，將采集的數據加載到workspace中。利用調制的正弦信號構造二維矩陣H，即其中通過改變T₀可以改變兩行信號的相位差，改變T₀使得兩行信號的相位差從0度到360度。

(2)利用奇異值分解對H進行分解，令奇異值對角矩陣的第一個元素等于0，濾除主空間成分(第一空間也稱為主空間)，保留泄露分量(第二空間也稱為泄露分量空間)，對矩陣進行重構得矩陣H^*。

(3)利用最大值函數求取矩陣H^*中任意一行信號的峰值，由于調制信號是周期性的，峰值就是周期信號的峰值。用循環(huán)不斷改變T₀，求解不同相位差下泄露分量的幅值,并繪制泄露分量分布曲線。

(4)改變信號的頻率進行試驗，不同頻率信號的泄露分量分布曲線有相同的性質(當采樣頻率是信號頻率的整數倍時，角度差為90°變?yōu)槠娈慄c，泄露分量幅值為0)；泄露分量分布曲線在各區(qū)間具有良好的線性度。40Hz，50Hz，55Hz信號的泄露分量分布曲線及其比較如圖1到圖3所示。利用泄露分量的分布可以檢測兩行同頻率信號的相位差。為了方便使用將泄露分量分布做成表格如表1修正系數表所示。表1中，θ_tz為泄露分量分布曲線的橫坐標，M％為泄露分量分布曲線縱坐標和X安培的比值。根據矩陣G兩行信號中電機故障特征分量之間的相位差θ_tz，查詢修正系數表，得到對應相位差下的修正系數。若θ_tz介于0到90度之間，但沒有對應的相位差θ，則查詢θ_tz兩側的相位差θ₁和θ₂，及其對應的修正系數M₁和M₂，然后在(θ₁，θ₂)區(qū)間內線性求取相位差θ_tz對應的修正系數；若θ_tz介于90度到360度之間，則根據泄露分量分布曲線的對稱性將相位差θ_tz對稱到0到90度之間再求取對應的修正系數。

表1

2、仿真實例

為了模擬轉子斷條的感應電機在工頻和變頻運行時的定子電流，調制定子電流信號如表2所示，(其中f_a是基波分量的頻率，f_b是特征頻率，U_a是基波分量的幅值，U_b是特征分量的幅值，e是特征分量和基波分量的幅值比，s是模擬電流信號對應的電機轉差率)然后利用自適應濾波算法濾除定子電流中的基波分量，提取特征分量，并且利用泄露分量分布曲線計算特征分量的真實幅值。自適應濾波算法框圖如圖4所示，圖5到圖11是運用自適應濾波算法處理表2中模擬定子電流信號重構的特征分量信號的頻譜圖。

表2

3、診斷實例

同樣地，結合診斷實例對本發(fā)明專利進行進一步的說明，實驗所用的三相異步電動機型號為Y132M-4。額定參數如下：定子電流15.4A，定子電壓380V，頻率50Hz，額定轉速1440r/min，兩對極。定子電流采樣周期是0.0006s，采樣點數是70720，分別采集該電機在一根斷條滿載和三根斷條滿載工況下的定子電流數據，實驗測得一根斷條滿載時電機轉速是1485r/Min，則理論特征頻率是49Hz和51Hz，三根斷條滿載時轉速是1486r/Min，則理論特征頻率是50.93Hz和49.07Hz。三根斷條滿載時截取5100個點進行計算，構造矩陣時參數k₁＝3。一根斷條滿載時截取10000個點進行計算，構造矩陣時參數k1＝3。圖12和圖13是診斷實例中三相感應電機三根斷條滿載和一根斷條滿載的下定子電流頻譜，圖14和圖15是基于診斷實例的轉子故障特征分量的提取與重構之后信號的頻譜。

如圖4所示，具體包括步驟：

(1)采集定子電流信號，利用FFT檢測定子電流基波分量頻率。

(2)根據檢測出的基波分量頻率f_base，確定定子電流采樣周期f＝kf_base，提高k可以提高精度。

(3)采集N個數據點，根據式T＝k₁T_base＝k₂T_tz(其中T_base是基波分量的周期，T_tz是特征分量的周期)確定待構造矩陣G兩行信號之間的時間差T。其中k₁取整數。這是因為滿足式T＝k₁T_base＝k₂T_tz構造的矩陣，且k₁取整數時，經過SVD分解之后，基波分量會被完全映射到主空間中，而故障電機的特征頻率f_tz由于不滿足整數倍的關系，將會被部分投影到泄露分量空間里面。

(4)利用SVD分解構造的矩陣G，令主空間對應的奇異值矩陣首對角元素為0。

(5)利用奇異值分解的逆變換重構泄露分量空間得重構二維矩陣G^*。

(6)在重構的二維矩陣G^*中任取第一行信號，利用FFT進行分析，得到泄露分量信號的頻譜。在頻譜中，若基頻兩側出現尖峰則電機存在斷條故障，讀取尖峰的幅值和頻率，即為電機故障特征分量的幅值U_tz和頻率f_tz。

(7)根據式T＝k₁T_base＝k₂T_tz和f_tz計算k₂，再根據式θ_tz＝mod(k₂360°,360°)計算在二維矩陣G中兩行信號之間特征分量的相位差θ_tz。

(8)根據θ_tz到泄露分量分布曲線查找對應泄露分量的比例，修正特征分量的幅值。

(9)測量電機轉速，比較由轉速計算的特征頻率點和f_tz，驗證結果的可靠性。

對比仿真結果和處理實例數據結果，兩者都能顯著地提取特征頻率分量，提取出的特征頻率分量的頻率偏差幅度接近都在0.05Hz-0.06Hz附近。實驗數據顯示，三根斷條感應電機滿載時，θ_tz＝18.576°，查泄露分量分布表1得此時泄露分量百分比為16.13％。基波信號兩邊特征信號的幅值和電機轉動慣量有關，兩者的和近似是一定的，所以用兩個特征頻率的幅值的平均值0.0317來校正特征頻率的真實賦值，0.0317除以16.13％等于0.1965。所以特征分量幅值占基波分量的1.37％。同理，一根斷條的感應電機滿載時，特征分量和基波分量的幅值比為0.37％

圖1至圖3驗證了泄露分量分布特性的普遍性。

圖5為工頻運行方式1重構電流頻譜；圖6為工頻運行方式1精細重構電流頻譜；圖7為工頻運行方式2重構電流頻譜；圖8為工頻運行方式3重構電流頻譜；圖9為變頻運行方式1重構電流頻譜；圖10為變頻運行方式2重構電流頻譜；圖11為變頻運行方式3重構電流頻譜；圖12為滿載下三根斷條電機定子電流頻譜；圖13為滿載下一根斷條電機定子電流頻譜；圖14為載下三根斷條電機重構的定子電流頻譜；圖15為滿載下一根斷條電機重構的定子電流頻譜。

圖5至圖15表明本發(fā)明公開的方法對于轉子故障特征提取的可靠性以及針對變頻運行電機故障診斷的自適應性。表3是基于模擬的定子電流信號提取特征分量的誤差表(其中δ是特征分量幅值提取的誤差百分比，df是特征分量頻率提取的誤差)。表3表明利用泄露分量分布曲線修正特征分量幅值準確度高。本濾波算法不涉及大量的迭代，所需的數據樣本量小，計算時間短，特征分量幅值的計算準確，適用于電機故障在線診斷，可以大規(guī)模推廣使用。

表3

本發(fā)明根據SVD的特點，提出泄露分量曲線，在電機工頻運行和變頻運行的工況下，自適應地將基波分量和特征頻率分量分解到主空間和泄露空間里，然后通過去除主空間重構泄露分量空間提取特征頻率分量，并且利用泄露分量曲線還能求解特征分量的真實幅值，得到的誤差率極小。

模擬仿真和實驗數據應用表明，該自適應濾波算法能夠在電機工頻和變頻時自適應地濾除定子電流中的基波分量，提取出的轉子故障特征分量頻率誤差不大于0.13Hz，幅值誤差不大于7％。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。