專利名稱：：用于電動機的、基于模型的故障檢測系統(tǒng)的制作方法
背景技術(shù)：
：本發(fā)明涉及電動機。更具體的說，本發(fā)明涉及對電動機的運行實施監(jiān)測和預(yù)防性維護用的方法和裝置。電動機被廣泛應(yīng)用于工業(yè)設(shè)備和生產(chǎn)過程中，這些電動機可用于將商品沿組裝線由一個工作位置移動到另一個工作位置，或是作為組裝時所使用的動力工具的動力源。如果舉例來說，它們可以是向動力型螺桿傳動器、油漆噴槍和其它小型手持式工具提供壓縮空氣用的空氣壓縮機。大功率電動機通常用于對空氣實施冷卻、加熱并通過建筑物和車輛中的加熱和冷卻系統(tǒng)傳送空氣以實現(xiàn)對環(huán)境控制。在家庭和辦公室中，從計算機到吸塵器都使用著電動機。眾所周知，在這些應(yīng)用場合電動機大多構(gòu)成為噪音和振動源。因此，人們越來越需要能夠從市場上買到更安靜和無振動的電動機，但是這只能通過設(shè)計和生產(chǎn)出無故障的、更安靜的電動機的方式來實現(xiàn)。在制造領(lǐng)域，電動機的意外故障是令人討厭的，而且會造成經(jīng)濟損失。在工業(yè)生產(chǎn)設(shè)備中，在對電動機實施修理和更換時需要切斷組裝生產(chǎn)線，從而使得由電動機故障所造成的損失相當(dāng)巨大。而且在某些生產(chǎn)過程中，比如說在半導(dǎo)體組裝設(shè)備中，位于要害部位的電動機故障如果導(dǎo)致環(huán)境控制失控，還會造成產(chǎn)品的報廢。因此，目前迫切需要解決的問題包括如何改善電動機的可靠性，特別是在工業(yè)生產(chǎn)過程中，如何檢測出即將發(fā)生的故障，以便可以在整個生產(chǎn)流程的保養(yǎng)期間對電動機實施修理和更換，而不是在故障發(fā)生之后再對電動機實施修理和更換。而且還包括如何通過在電動機的生產(chǎn)過程中使用改進后的高質(zhì)量控制監(jiān)測系統(tǒng)的方式，來改進電動機的可靠性，以及如何在運行過程中，通過對運行狀態(tài)的監(jiān)測而在嚴(yán)重?fù)p壞發(fā)生之前檢測出電動機的故障。近年來，故障檢測和故障分析識別方法已經(jīng)迅速發(fā)展起來，它們是將復(fù)雜系統(tǒng)的輸出信號與由無故障系統(tǒng)的數(shù)學(xué)模型獲得的輸出信號進行比較的方法。這些信號的比較值被視作為“殘余量”，即兩個信號之間的差。通過對殘余量進行分析以確定出故障的類型。這種分析包括將該殘余量與具有已知故障的系統(tǒng)殘余量用的數(shù)據(jù)庫中的值進行比較的統(tǒng)計方法。然而，直到目前仍難以對多變量系統(tǒng)、即對具有多于一個的輸入值和/或輸出值的系統(tǒng)建立起精確的實時模型。如果系統(tǒng)用的模型不精確，該殘余量中就將包含有模型化誤差，而這種誤差是非常難以與實際故障所產(chǎn)生的影響區(qū)分開的。這種FDD方法中的另一個缺點就是難以生成一個可用于對殘余量實施統(tǒng)計檢測以進行故障分類的數(shù)據(jù)庫。這種數(shù)據(jù)庫的建立需要預(yù)先獲得所有可能的故障信息，而且這種故障中的每一個所產(chǎn)生的影響均要出現(xiàn)在殘余量中。因此，需要一定的時間周期來檢測有故障的和正常的設(shè)備，并建立起包含有故障分類處理用的故障標(biāo)識特征的數(shù)據(jù)庫。這種工作即費錢又費時。而且，這種數(shù)據(jù)庫還必須滿足特定FDD程序的特別需要。由于機械故障往往是由于振動而產(chǎn)生的，所以對振動的檢測和分析是在先技術(shù)中許多檢測程序中的常規(guī)步驟。這類技術(shù)需要建立起通過原有經(jīng)驗獲得的、表示與被檢測的故障相關(guān)的電動機振動圖案的信息庫。這種機械故障檢測技術(shù)中的一個常規(guī)缺陷就是，該程序需要預(yù)先獲得有關(guān)故障標(biāo)識特征的信息，以便將實際故障與檢測標(biāo)識特征相關(guān)聯(lián)。然而實施這種關(guān)聯(lián)需要建立價格昂貴的數(shù)據(jù)庫，需要進行信息分析，并且還需要電動機領(lǐng)域中的專家來從事這一工作。這種機械故障檢測技術(shù)中的另一個常規(guī)缺陷就是難以實現(xiàn)適當(dāng)?shù)闹貜?fù)性測量。如果舉例來說就是，使用加速度器實施的速度測量與傳感器的安裝方法和配置位置密切相關(guān)，否則便不能重復(fù)性地對標(biāo)識特征實施檢測。但是即使采用適當(dāng)?shù)膫鞲衅?，并將其適當(dāng)?shù)匕惭b在適當(dāng)位置，標(biāo)識特征的檢測也會受到背景振動，以及諸如運行速度、輸入電壓和電動機負(fù)載的運行狀態(tài)的變化所產(chǎn)生的振動的影響。不難理解，由系統(tǒng)給出的有關(guān)機械故障檢測的錯誤指示的比例相當(dāng)高。舉例來說，對電動機軸承運行狀態(tài)進行的評估包括對電動機機械振動的分析，以及進而僅僅按與軸承裂紋相關(guān)的特定頻率(和/或頻率和及頻率差，以及相應(yīng)的諧波)實施分類。然而，存在于振動頻譜中的其它噪音，以及可能耦合在振動頻譜中的其它噪音，常常會影響到對所需要信號的檢測。因此需要價格昂貴而精確的組件來獲取所需要的信息，而且這種需求對這種檢測和預(yù)防故障的系統(tǒng)的成功運行是必不可少的。因此，目前需要一種能夠消除由于模型化誤差所產(chǎn)生的復(fù)雜因素，以及由于電動機故障的故障指示和遺漏指示所產(chǎn)生的復(fù)雜因素的技術(shù)。而且目前還需要一種不需要建立昂貴的數(shù)據(jù)庫和信息庫的技術(shù)，而這種數(shù)據(jù)庫和信息庫往往是需要通過有經(jīng)驗的人員對電動機故障實施分析才能獲得的。而且目前還需要一種不需要采用價格昂貴而精確的組件即可以獲得和處理那些指示故障是否存在的信息用的技術(shù)。發(fā)明概述本發(fā)明提供了一種基于模型的故障檢測系統(tǒng)，以及對電動機、特別是小功率電動機實施監(jiān)測和預(yù)防性維護用的方法。采用這種系統(tǒng)，便可以在運行環(huán)境中，在未知負(fù)載的狀態(tài)下容易地獲得對電動機中即將出現(xiàn)的故障實施故障分析識別用的信息。由于本發(fā)明的這種方法和系統(tǒng)均是建立在軟件基礎(chǔ)之上的，并且所使用的是通過無擾測量而獲得的數(shù)據(jù)，所以和在先的維護技術(shù)中所提到的方法相比，可以大大降低其實施成本。這種系統(tǒng)具有一個通過多功能數(shù)據(jù)響應(yīng)組件與電壓、電流和速度傳感器相耦合的計算機組件。這些傳感器可以連續(xù)地提供有關(guān)輸入電壓和電流、以及由電動機轉(zhuǎn)速計給出的輸出電壓信號的實時信息。該計算機組件可以與故障分析觀察者一起利用這種信息，連續(xù)地運行故障檢測和診斷算法。這種系統(tǒng)和方法是利用多變量經(jīng)驗?zāi)Ｐ陀嬎惴椒ǎㄟ^確定其結(jié)構(gòu)的方式來獲得電動機模型的，微分方程式中的項以數(shù)學(xué)形式描述著電動機，電動機中的常量，即諸如電感、電動機電阻、慣性矩和諸如描述電動機用的狀態(tài)方程式中的矩陣A、B和C等等的非物理參數(shù)，以及其它所選定的參數(shù)等等。在該最佳實施例中，電動機模型是在電動機處于無故障運行狀態(tài)時，通常是在電動機剛剛安裝完畢時獲得的。然后在運行過程中，可根據(jù)施加在電動機上的實際輸入電壓和電流計算出模型化輸出電壓信號，并且將其與測量得到的電動機輸出電壓信號連續(xù)地進行比較。這種計算方法可以對作為通過將相應(yīng)信號相減得到的殘余量項的比較值進行量化。故障分析觀察者通過分析這一殘余量，可確定該電動機是否是無故障的，或稱是否是以無故障方式運行的。在無故障運行狀態(tài)下，殘余量可理想地被視為零，其原因在于在該運行過程中，所選擇的允許閾值可以被用來有選擇性地對模型化誤差、噪音和其它可能產(chǎn)生非零殘余量的干擾信號進行補償。當(dāng)電動機部件的質(zhì)量逐步下降而使電動機在預(yù)計的運行范圍之外運行時，或是當(dāng)故障實際發(fā)生時，這種殘余量將是一個非零的、超過允差閾值之外的值。當(dāng)計算機組件檢測到非零殘余量時，就認(rèn)為可能存在有一個即將發(fā)生的故障，并給出報警信號，以便能夠?qū)嵤┻m當(dāng)?shù)臏y量，進而降低可能會出現(xiàn)的電動機功能損壞所造成的影響。一旦檢出即將發(fā)生的故障，故障分析識別人員即對電動機測量得到的變量進行評估，確定與基準(zhǔn)值之間的標(biāo)準(zhǔn)偏差，并對可能會出現(xiàn)的故障或正出故障的部件實施故障分析識別。在本發(fā)明的另一種實施例中給出了一種對小功率電動機的機械故障實施檢測和故障分析識別用的系統(tǒng)。這一實施例不再需要推導(dǎo)出成本昂貴的數(shù)據(jù)庫以使故障與測量得到的信號相關(guān)，而是建立一個無故障電動機的數(shù)學(xué)模型，并在對環(huán)境、運行狀態(tài)和安裝誤差不敏感的檢測狀態(tài)下測量電動機運行參數(shù)。這種實施例特別適用于小功率電動機的生產(chǎn)過程，并且特別適用于實施高質(zhì)量的控制檢測。在制造出一組電動機之后，可以使用一個多變量系統(tǒng)識別計算方法來獲得適用于全部電動機的基本模型。不難理解，在一組電動機中可以會存在有許多個有故障的電動機，因此必須通過選擇允差閾值并對每一個電動機相對于模型實施檢測的方式，對模型實施進一步精確化。即將那些運行在閾值之外的電動機由該組中除去，并且利用剩余的電動機推導(dǎo)出一個可接受的基本模型。將這種可接受的基本模型存儲計算機組件中，以便用于對其它所有的、已經(jīng)生產(chǎn)出來的電動機實施質(zhì)量控制檢測。如果在實施質(zhì)量控制檢測過程中，一臺電動機中的諸如電感、電動機電阻、摩擦系數(shù)或慣性矩等等的參數(shù)落在了根據(jù)基本電動機模型建立的閾值允許公差之外，則處于檢測狀態(tài)下的這臺電動機即被認(rèn)為存在有故障。通過將處于檢測狀態(tài)下的電動機的參數(shù)與具有不同允許公差極限的基本電動機模型相比較的方式，便可以進一步將電動機的故障分類，并顯示出故障分析識別信息。對附圖的簡要說明圖1為表示實施本發(fā)明最佳實施例所使用到的一種電動機用的示意性說明圖。圖2為表示一種典型電動機外殼的頂視圖。圖3和圖4為表示實施本發(fā)明一種實施例所使用到的典型輸入和輸出波形用的曲線圖。圖5為表示根據(jù)本發(fā)明最佳實施例構(gòu)造的系統(tǒng)電位構(gòu)成形式用的示意性說明圖。圖6為表示根據(jù)本發(fā)明一種實施例構(gòu)造的故障檢測和故障分析識別系統(tǒng)用的示意性方框圖。圖7A-圖7B以及圖8A和圖8B為表示根據(jù)本發(fā)明一種實施例構(gòu)造的故障檢測和故障分析識別系統(tǒng)運行時用的流程圖。實施發(fā)明用的最佳實施例下面參考附圖進行詳細(xì)說明。圖1示出了包括有一個諸如小功率電動機等等的電動機10的系統(tǒng)。如果舉例來說，電動機10可以包括有轉(zhuǎn)子線圈12、定子14和兩端由軸承18支撐著的軸16。皮帶輪20用于將軸16與負(fù)載(圖中未示出)相連。集電刷22用于將電流引入或引出轉(zhuǎn)子12，而與定子相連接的銜鐵24可產(chǎn)生一個使轉(zhuǎn)子運動用的磁場。本領(lǐng)域的技術(shù)人員不難理解，電動機10也可以是一個不帶有集電環(huán)和線圈的轉(zhuǎn)子。電動機10安裝在殼體26中，以防止塵土、潮氣和其它雜物進入。圖2為表示電動機外殼，更具體為殼體26的頂視圖，在這里殼體26的基底可以通過本領(lǐng)域技術(shù)人員所公知的方式，用螺紋和螺母組件28固定在蓋部處。圖5示出了根據(jù)本發(fā)明構(gòu)造的一種電動機狀態(tài)監(jiān)測系統(tǒng)30的最佳實施例。系統(tǒng)30包括有電動機10，作為線電壓或諸如hewlettpackard6010A等等的功率源的電源32，一組傳感器34、35和38，一個多功能板37和計算機42。當(dāng)施加電壓時，轉(zhuǎn)子12通常在施加電壓之后的25毫秒內(nèi)，快速上升到它的運行速度，使軸16相應(yīng)于所施加的電壓和負(fù)載按一定速度轉(zhuǎn)動。轉(zhuǎn)速傳感器36檢測轉(zhuǎn)子12的速度，并通過多功能輸入/輸出板37將模擬信號轉(zhuǎn)換為數(shù)字信號，再傳遞至計算機42。轉(zhuǎn)速傳感器36可以是一個轉(zhuǎn)動速度編碼器，也可以是一個安裝在電動機10上的速度計。如果舉例來說，多功能板還與諸如1:100電壓分壓探頭等等的電壓傳感器34相耦合，并且與最小響應(yīng)時間最好為23毫微秒的電流傳感器35(比如說，所使用的電流傳感器可以為Tektronix6063,100ampac/dc電流探頭，Tektronix502a功率模板，以及Tektronix503bac/dc電流探頭放大器等等)相耦合。由傳感器34和35給出的信號還由多功能板37實施調(diào)整，并送入至計算機42。計算機42將傳感器數(shù)據(jù)記錄在它的存儲器(圖中未示出)中。計算機42實施存儲在它的存儲器中的、理想電動機用的故障檢測和故障分析識別模型。在該最佳實施例中，電動機模型的首次建立是利用多變量系統(tǒng)識別計算方法，由AhmetDuyar推導(dǎo)出來的實驗?zāi)Ｐ凸ぞ甙?ExperimentalModelingToolbao(EMT))，以及由美國的AdvancedPrognosticSystems,Inc.(4201NorthOceanBoulevard.Suite206.BocaRaton,Florida33431)商品化了的算法推導(dǎo)出來的。EMT是一種實驗建模工具，它可以給出一種通過實驗獲得的、表示在選定的運行模型范圍內(nèi)的系統(tǒng)特性用的、描述輸入與輸出測量值之間動態(tài)關(guān)系的數(shù)學(xué)方程式。這類信息包括系統(tǒng)的頻帶寬度、最佳掃描速率和持續(xù)時間，以及足以對系統(tǒng)的整個頻帶寬度實施系統(tǒng)實驗用的輸入信號。正如本領(lǐng)域技術(shù)人員所公知的那樣，實驗?zāi)Ｐ褪且环N與所獲得的輸入和輸出數(shù)據(jù)相適配的、選擇出的數(shù)學(xué)關(guān)系。因此在模型處理過程中，要推導(dǎo)出有關(guān)各種系統(tǒng)元件和這些元件之間的耦合關(guān)系的方程式。這種系統(tǒng)實驗?zāi)Ｐ涂梢杂梢唤M呈矩陣形式的微分方程式來描述。該EMT程序確定著系統(tǒng)的結(jié)構(gòu)，即系統(tǒng)的階次，在各微分方程式中各變量的參數(shù)和常量系數(shù)。在該最佳實施例中，是利用輸入和輸出數(shù)據(jù)求解信息矩陣而確定其結(jié)構(gòu)的。可以對這一矩陣實施逐行秩處理而確定系統(tǒng)的結(jié)構(gòu)。有關(guān)這種逐行處理的更詳細(xì)的理論基礎(chǔ)，可以參見由AhmetDuyar,VasfiEldem,WalterC.Merrill和Ten-HueiGuo于1991年12月在JournalofDynamicSystems,MeasurementandConctrol第113卷第684-690頁中的文章，該文章的題目為StateSpaceRepresentationoftheOpen-LoopDynamicsoftheSpaceShuttleMainEngine。這篇文章被引用為本發(fā)明的參考文獻(xiàn)。一旦系統(tǒng)的結(jié)構(gòu)被確定之后，包含在微分方程式中的參數(shù)數(shù)量就是已知的。利用測量得到的數(shù)據(jù)和包含有未知系數(shù)的一組微分方程式，便可以構(gòu)造出若干個方程式。所構(gòu)造出的這種方程式的數(shù)目可以比未知的系數(shù)多。根據(jù)本領(lǐng)域的常規(guī)技術(shù)，以及由如上所述的文獻(xiàn)所公開的技術(shù)，便可以利用最小二乘擬合技術(shù)而確定出未知系數(shù)。根據(jù)本發(fā)明構(gòu)成的、基于模型的故障檢測和故障分析識別技術(shù)，可以用一組將在下面作更詳細(xì)的說明的方程式來描述一個無故障的電動機。由于電動機10中出現(xiàn)的故障會改變其參數(shù)，所以有關(guān)電動機10的方程式將與由模型推導(dǎo)出來的理想方程式不完全相同。本發(fā)明的技術(shù)解決方案是建筑在解析殘余量的技術(shù)基礎(chǔ)之上的，即將由模型推導(dǎo)出的信號與由電動機10獲得的測量信號進行比較，并確定電動機運行是否正常。采用這種模型便不再需要對電動機的在先信息實施推導(dǎo)。根據(jù)這種比較，計算機42可以通過生成殘余量以及對它們的分析來確定電動機的運行是否有故障。本發(fā)明還可以對信息進行預(yù)測分析，從而可以對電動機在未知負(fù)載下運行時所可能出現(xiàn)的故障實施早期故障分析診斷。通過分析可知，可以用來描述無故障系統(tǒng)的離散型狀態(tài)空間方程式如下所述x(k+1)=Ax(k)+Bu(k)(1)y(k)=Cx(k)(2)其中x、u和y分別為nx1狀態(tài)矢量，px1輸入矢量和qx1輸出矢量，而k為離散型時間增量。A、B和C為具有適當(dāng)大小的、系統(tǒng)用的已知標(biāo)稱矩陣(參數(shù))。舉例來說，對于小功率電動機，這種經(jīng)驗?zāi)Ｐ褪褂玫氖禽斎腚妷?、電流和速度測量值。圖3示出了使用在電動機10中的輸入電壓38的一個曲線圖。在該最佳實施例中，輸入電壓38呈步進輸入，而且在實驗?zāi)Ｐ椭幸园袦y量電壓的一個行矢量的形式出現(xiàn)。圖4分別示出了根據(jù)經(jīng)驗確定的電流和速度輸出信號39、40，以及通過測量得到的、在圖中以實線表示的電流和速度輸出信號。如果舉例來說，所描述的結(jié)果系統(tǒng)可以由方程式(3)和(4)表示，其中以狀態(tài)空間形式出現(xiàn)的矩陣A的形式為00000000-0001093.3676000000000.00000.00201.00000000000-0.1857-260.294001.0000000000-0.0001-0.0920001.0000000000.0259487.75190001.000000000.00011.022000001.00000000.4119-636.3152000001.000000-00002-2.75250000001.000000.5182315.422400000001.00000.00022.8204矩陣B的形式為-2.61880.00124.37190.0092-3.5824-0.02591.02570.01561.09150.0000隨輸出值的變化而變化的輸出矩陣C的形式為00000000100000000001除了可通過模型處理方式確定的、系統(tǒng)用離散矩陣A、B和C之外，還可以由此確定出估算用的標(biāo)準(zhǔn)誤差(SEE)。通過對模型化輸出和測量得到的輸出進行比較的方式，SEE可以給出有關(guān)模型化誤差的估算值。在如上所述的實施例中，用于模型的SEE，對于電流輸出為2.8％，對于速度輸出為0.67％。當(dāng)電動機10出現(xiàn)有故障時，參數(shù)以及所造成的系統(tǒng)30的響應(yīng)將是不同的。由于所描述的故障參數(shù)和系統(tǒng)的變化，描述故障系統(tǒng)用的方程式變?yōu)閤f(k+1)=Afxf(k)+Bfuf(k)(3)yf(k)=Cfxf(k)(4)如果將其簡化，將殘余矢量r(k)定義為無故障系統(tǒng)的輸出與故障系統(tǒng)的輸出之間的差時，則有r(k)=yf(k)-y(k)(5)當(dāng)缺少噪音和模型化誤差時，殘余矢量r(k)在無故障條件下等于零矢量。當(dāng)殘余矢量為非零值時，則表示存在有故障。當(dāng)存在有噪音和模型化誤差時，必須通過比較殘余量與所選定的閾值的大小的方式，將這一效應(yīng)與由故障所產(chǎn)生的效應(yīng)區(qū)分開。利用在無故障條件下所獲得的殘余量分布，還可以通過選擇可靠度大小(在三個標(biāo)準(zhǔn)偏差之內(nèi))的方式，確定這一閾值，以便能夠減小錯誤報警和遺漏故障。正如圖6所示，利用多變量系統(tǒng)識別計算方法，即EMT，可以推導(dǎo)出電動機10用的基本線性實驗?zāi)Ｐ?4。模型44包括著微分方程式中的參數(shù)，即A、B和C以及它們的階次，在方程式(1)、(2)中它們?yōu)閚。和理論推導(dǎo)出的模型參數(shù)相反，實驗?zāi)Ｐ蛥?shù)并不代表著某種物理含義。換句話說就是，這些參數(shù)間的變化難以用原因-結(jié)果關(guān)系來進行解釋。然而盡管這些參數(shù)并不代表著什么物理含義，但由于在推導(dǎo)時并沒有使用任何假設(shè)，所以這種實驗?zāi)Ｐ瓦€是能夠以有效的精度反映著電動機10的狀態(tài)的。除了要假設(shè)電動機10在初始時是無故障的之外，系統(tǒng)30可以消除其對有關(guān)電動機10的結(jié)構(gòu)構(gòu)成的初始信息的依賴性。通過利用電壓傳感器34、速度傳感器36和電流傳感器26給出的測量值，便可以由計算機42利用EMT算法對模型44的輸出實施評估，從而獲得模型輸出。將模型輸出與用加法器46所表示出的電動機的輸出進行比較，而給出殘余量r(k)。比較器48確定殘余矢量r(k)是否為零矢量，進而確定出該電動機是否在無故障狀態(tài)下運行。如果比較器48確定的殘余矢量r(k)是一個非零矢量，則表明存在有一個或多個故障。然而，由于通常均存在有噪音和模型化誤差，所以首先要將殘余矢量r(k)與一個選定的閾值相比較，以消去錯誤讀數(shù)。如果殘余量小于閾值，則這一非零矢量更可能是由于噪音和模型化誤差產(chǎn)生的，故可以假定電動機10是無故障的。隨后在方框50所示的步驟中，系統(tǒng)30給出有關(guān)系統(tǒng)無故障的信息。如果這種殘余量超過了閾值，則在方框52所示的步驟中，系統(tǒng)30開始進行故障分析(參見方框52)。根據(jù)在方框52所示步驟中的分析結(jié)果，對故障進行分類，并通過方框54所示的步驟報告給使用者，或保存在計算機42中以供進一步分析使用。使用基于模型的故障分析識別程序時，可以將在無故障狀態(tài)下運行的電動機的電流模型化，并將其與同一電動機在實際運行過程中的電流相比較。在本發(fā)明中，計算機42包括有疊代地實施用于對電動機的機械故障實施預(yù)測、監(jiān)測和分類的故障檢測計算方法的組件。本發(fā)明的系統(tǒng)和方法均可以在生產(chǎn)或運行的條件下使用?？梢酝ㄟ^對出現(xiàn)在電動機10的參數(shù)中的變化實施確定，并且利用按理論方式獲得的模型的物理參數(shù)將這種變化與電動機故障相關(guān)聯(lián)的方式，對故障實施分類。在輸入電壓為DC電壓，并且在直流或交流電流的條件下運行的通用電動機，一般可以用簡化后的理論方程式(6)和(7)加以描述Ldi/dt+Ri=V+k1wi(6)Jdw/dt+fw=k2i2+M(7)其中L、R、J和f分別為電動機的電感、電阻、慣性矩和摩擦系數(shù)，k1和k2為電動機常數(shù)。在方程式(6)、(7)中，輸出變量為分別由參考標(biāo)號i和w表示的電流和速度，輸入變量為由參考標(biāo)號V表示的電壓。負(fù)載由參考標(biāo)號M表示。在MCM計算方法中，通常并不能對負(fù)載M實施測量，或是難以實施測量。因此，必須運行方程式(6)和(7)，以便由故障分析識別程序中消去負(fù)載項。在一個實施例中，故障分析識別人員可以很方便地使用與負(fù)載無關(guān)的方程式(6)構(gòu)造模型。雖然在這一實施例中故障分析識別人員可被提供出部分信息，但是并不能由此獲得電動機的摩擦系數(shù)和常數(shù)k2，而且在未知故障報告中它們可能占據(jù)著更高的百分比。因此，如果必須要獲得這種信息，故障分析識別人員就需要對公式(7)進行推導(dǎo)，以消去被假設(shè)為常量負(fù)載的負(fù)載項。正如本領(lǐng)域技術(shù)人員所公知的那樣，也可以采用其它可行的數(shù)學(xué)組件來消去負(fù)載項，比如說將公式(6)、(7)展開成矩陣形式，并在兩側(cè)乘以適當(dāng)?shù)木仃囂幚硪蜃?。正如圖1和圖2所示，普通的機械故障可能由不平衡的轉(zhuǎn)子12、扭矩不對稱的螺紋和螺母組件28，或是有故障的軸承18、集電刷22或皮帶輪20產(chǎn)生。一旦電動機10被安裝好并在負(fù)載M下運行時，這些機械故障便會產(chǎn)生振動和噪音。如果認(rèn)為這種機械振動代表著某種物理偏移，則應(yīng)認(rèn)為軸承故障所產(chǎn)生的振動將會使其相對于軸16產(chǎn)生周期性的偏移。而且對于電動機，驅(qū)動軸是通過銜鐵組件實施轉(zhuǎn)動的。機械故障還可能會導(dǎo)致轉(zhuǎn)子對準(zhǔn)不良，進而會產(chǎn)生非對稱的空氣間隙，并且使方程式(6)中的電感、電阻和電動機常量參數(shù)等等均發(fā)生有變化。流經(jīng)電動機的電流至少部分的是產(chǎn)生在銜鐵和定子(即磁場線圈)之間的空氣間隙中的磁場的函數(shù)。這種由驅(qū)動軸產(chǎn)生的周期性偏移將影響著空氣間隙的對稱性和位于空氣間隙中的磁場。位于空氣間隙中的磁場又將進一步影響著流經(jīng)電動機的電流。由于這種對空氣間隙中的磁場的干擾影響是周期性的，并且是按已知頻率變化的，因此這種影響將反映在電流中。因此，產(chǎn)生在電感參數(shù)L的標(biāo)稱值中的變化是與電動機的不平衡故障相關(guān)聯(lián)的。當(dāng)電阻參數(shù)R出現(xiàn)可觀察到的變化時表示在集電刷中出現(xiàn)了故障。而當(dāng)電感系數(shù)呈現(xiàn)振蕩性變化和/或電感和摩擦系數(shù)均呈現(xiàn)隨機變化時，可以確定出現(xiàn)了軸承故障。無故障時的和有故障時的參數(shù)，以及無故障參數(shù)的標(biāo)準(zhǔn)偏差已經(jīng)示出在表1和表2中。對于某一給定的電壓V和負(fù)載M，在表1中已經(jīng)相對應(yīng)的給出了由模型44預(yù)測得到的電流和速度輸出值與選定的允許公差參數(shù)(三個標(biāo)準(zhǔn)偏差)，以及作為一個實例給出的電流和速度測量值。而且正如表中所述，電流測量值超過了由三個標(biāo)準(zhǔn)偏差所給出的預(yù)定值。因此，它表明出現(xiàn)有故障。表1<輸出對基本電動機實施評估用的標(biāo)準(zhǔn)誤差三個標(biāo)準(zhǔn)偏差實例故障電動機的讀取值I0.00720.00720.0098ω0.01970.00250.0245</table></tables>對故障電動機10的參數(shù)檢測結(jié)果如表2所示。正如表中所述，故障電動機10的電感L超過了由模型44給出的相應(yīng)電感參數(shù)的一個標(biāo)準(zhǔn)偏差，而其它的參數(shù)均小于預(yù)計值加上一個標(biāo)準(zhǔn)偏差所獲得的值。如上所述，這種類型的故障表示著轉(zhuǎn)子出現(xiàn)了不平衡故障，而這一信息將由系統(tǒng)30中的故障分類元件54給出。表2<>正如圖7A-圖7B中的流程圖所示，一旦構(gòu)成模型44即開始實施系統(tǒng)30。特別需要指出的是，在程序步62中計算機42在選定的時間間隔中將模型44加載到存儲器中，在程序步64中將需要顯示給使用者的信息顯示在計算機42的顯示部分上。一旦接收到啟動對電動機10實施檢測的指示之后，系統(tǒng)30即在程序步66和68中，在預(yù)先確定的時間間隔中或是連續(xù)地由傳感器34-38獲取數(shù)據(jù)。數(shù)據(jù)可以按使用者指定的速率連續(xù)獲取。計算機42在程序步72中計算出殘余矢量r(k)，然后將其與由模型44獲得的預(yù)定殘余量進行比較。如果殘余量位于閾值之內(nèi)，則電動機處于無故障運行狀態(tài)，進而在程序步74中將這一信息顯示在計算機42的顯示器上，以告知使用者。如果發(fā)現(xiàn)有故障，則在程序步76將這一信息顯示在顯示器上。如果檢測到故障，系統(tǒng)30將對故障實施評估，并向使用者提供出故障分析識別信息。利用本發(fā)明的預(yù)測性能，可以避免價格昂貴的、災(zāi)難性的意外損失。正如圖7B所示，模型44的故障分析識別部分可以在程序步78中對物理參數(shù)進行評估，比如說對電動機10的電流i、速度w等等進行評估，并且將這些參數(shù)與模型44中的相應(yīng)參數(shù)(參見表2)相比較。系統(tǒng)30根據(jù)這一比較結(jié)果，在程序步82中對故障或電動機的性能下降的機械基礎(chǔ)進行分類并顯示。模型44將不再需要對有關(guān)電動機的在先信息進行推導(dǎo)。由計算機42實施的數(shù)學(xué)運算如圖7A和圖7B所示，這是一種電動機運行狀態(tài)監(jiān)測法(MCM)。對電動機運行狀態(tài)實施監(jiān)測的基本方式就是以對電動機在已知的良好狀態(tài)下運行時的狀態(tài)，比如說對一個已知在無故障狀態(tài)下運行的電動機剛剛投入運行時的狀態(tài)實施評估所獲得的類似參數(shù)為基準(zhǔn)，周期性地或連續(xù)性地觀察參數(shù)的變化。在該電動機的隨后運行過程中，其輸出將會相對于基準(zhǔn)輸出出現(xiàn)偏差。將這種偏差與預(yù)先設(shè)定的閾值進行比較。如果該偏差超過閾值，則表示檢測到故障。進而通過對故障分析識別模型的參數(shù)進行評估，再一次使用與這些參數(shù)有關(guān)的閾值將這些參數(shù)與它們的初始值進行比較的方式，對故障實施分類。在電動機的制造過程中，還可以參考生產(chǎn)過程中的變化范圍來推導(dǎo)出模型，而不是利用如上所述的MCM系統(tǒng)和方法，使用從單個電動機中獲得的參數(shù)推導(dǎo)出模型。可以利用這種原理推導(dǎo)出對電動機的機械故障實施檢測和故障分析用的多種方法，這些方法構(gòu)成為生產(chǎn)過程中檢測處理的一部分，它們特別適用于作為大多數(shù)廠家在對電動機實施打包運輸之前的質(zhì)量保證工序中的一個步驟。在質(zhì)量保證中所使用的一種方法和計算方法被稱為電動機運行狀態(tài)監(jiān)測法(MotorQualityMonitor(MQM))，本發(fā)明所使用的這種方法如下所述。MQM計算方法的基本功能包括檢測電動機、顯示檢測結(jié)果、控制經(jīng)驗性試驗(換句話說就是，按下面所詳細(xì)描述的方式推導(dǎo)出基本模型)，并且將測量到的和數(shù)字化處理后的數(shù)據(jù)存儲在存儲器中。由于目前尚沒有一種可靠的技術(shù)或測量方法可以標(biāo)示出無故障的電動機，所以首先要推導(dǎo)出獲得無故障電動機的典型模型(“基本模型”)用的方法。下面參考圖8A-圖8F對MQM方法作更詳細(xì)地說明。這種MQM方法包括兩個基本功能(1)推導(dǎo)出基本電動機模型，(2)對小功率電動機實施動態(tài)質(zhì)量保障檢測。使用者可以由計算機42的顯示裝置的菜單中選擇其中的某項功能。在該最佳實施例中，使用者可以在選擇下述的三項功能，即“基本電動機模型推導(dǎo)”，“選擇基本電動機模型”或“質(zhì)量保障檢測”之前，輸入“使用者定義”的參數(shù)，閾值極限和所要檢測的電動機數(shù)目等等。如果尚沒有一臺基本電動機，則在程序步90中選擇“基本電動機模型推導(dǎo)”，即在程序步92中首先請求使用者提供如表3所示的信息，如果與故障設(shè)定不同，則進入程序步94。表3當(dāng)MQM首次安裝時，必須選擇“基本電動機模型推導(dǎo)”項。使用者可以選擇對不同類型的電動機或是甚至對相同類型的、但具有不同的允許公差倍乘因子的電動機實施推導(dǎo)，以獲得基本電動機。電動機模型、相關(guān)參數(shù)和它們的標(biāo)準(zhǔn)偏差均可以由預(yù)定的數(shù)據(jù)文件中獲得，并可以存儲在該數(shù)據(jù)文件中。在程序步96中，由一組已知的、包括著大部分為無故障電動機在內(nèi)的電動機推導(dǎo)出基本電動機模型。在本發(fā)明的一種最佳實施例中，是利用由一組電動機獲得的數(shù)據(jù)推導(dǎo)基本電動機模型的。正如本領(lǐng)域技術(shù)人員所公知的那樣，這一組電動機中可能包含著無故障電動機以及某些由于生產(chǎn)和檢測工序中所固有的無效操作所造成的有故障的電動機。利用EMT軟件程序，可以在程序步98至程序步100，由所選定的電動機類型中推導(dǎo)出經(jīng)驗?zāi)Ｐ?，并用其代表所選定的電動機類型的特性。在程序步102對模型實施評估，以便在程序步102至程序步104中分析模型化誤差和閾值誤差。使用由一組電動機中推導(dǎo)出的基本電動機模型，在程序步106中利用由SEE給出的具體化標(biāo)準(zhǔn)偏差所獲得的允許公差值，對這一組中的每一個電動機相對于該經(jīng)驗型基本電動機模型實施檢測。如果這一組電動機中的某一個電動機的輸出，與經(jīng)驗?zāi)Ｐ偷妮敵鲋g存在有超過相應(yīng)的允許公差值的偏差時，則在程序步108至程序步112中，將這一電動機由該組中除去，并且對數(shù)據(jù)文件進行整理以除去錯誤數(shù)據(jù)。隨后利用這一組中剩余的電動機的檢測數(shù)據(jù)，對基本電動機模型進行進一步精確化。即在將其輸出位于根據(jù)經(jīng)驗型模型獲得的允許公差值之外的電動機除去之后，在使該組中僅僅包含有其輸出位于根據(jù)經(jīng)驗型模型獲得允許公差值之內(nèi)電動機之前，可以利用程序步114，通過對模型化誤差、該組的平均值和標(biāo)準(zhǔn)偏差實施評估的方式，使經(jīng)驗型模型進一步精確化。重復(fù)進行這種疊代處理，以便使這種經(jīng)驗型模型可以代表著所生產(chǎn)出的、具有相同結(jié)構(gòu)構(gòu)成的無故障電動機的共同特性。在程序步116中，將這種經(jīng)驗型模型作為基本電動機模型存儲在計算機42的存儲器中的數(shù)據(jù)庫中，以便作為進一步的參考使用。如果已經(jīng)存在有基本電動機模型，以上所述的程序可以通過采用下述方式而縮短，即將基本電動機模型再次加載至計算機42中的有源存儲器中，使用者選擇“選擇基本電動機模型”項，并開始運行“質(zhì)量保障檢測”程序。在這兒有許多種選項可供使用者選擇。如果舉例來說就是，基本電動機模型可以是與某種通用的磁極屏蔽感應(yīng)型電動機相對應(yīng)的模型，也可以是與同步電動機或其它小功率電動機相對應(yīng)的模型。正如圖8A所示，如果選擇“選擇基本電動機模型”項或是選擇“質(zhì)量保障檢測”項，與將要經(jīng)受檢測的電動機相對應(yīng)的基本電動機模型就會被加載在計算機存儲器中，并且在程序步120開始對故障電動機的類型實施檢測。這時，使用者可以實施輸入，以在程序步122和程序步124中調(diào)節(jié)故障檢測和故障分類用的允許公差倍乘因子。然后在程序步126至128中，利用MQM計算方法運算出適當(dāng)?shù)墓收蠙z測閾值和故障分類閾值。圖8B示出了MQM計算方法的測量部分，它是依據(jù)所選定的閾值，將在采用質(zhì)量保障工序的生產(chǎn)過程中對電動機實施檢測時獲得的電動機輸出的測量值與由基本電動機模型獲得輸出值進行比較?？梢酝ㄟ^將推導(dǎo)經(jīng)驗型基本電動機時使用的允許公差值乘以允許公差倍乘因子的方式，確定出這一閾值。而且MQM算法允許質(zhì)量保障引擎通過考慮正常生產(chǎn)參數(shù)變化而產(chǎn)生的電動機輸出的可接受誤差而確定出倍乘因子。如果標(biāo)準(zhǔn)偏差超過預(yù)先設(shè)定的閾值，則認(rèn)為被檢測的電動機出現(xiàn)有故障。特別需要指出的是，一旦基本電動機模型被選定，使用者即可以在程序步130至134中輸入運行“質(zhì)量保障檢測”程序所需要的各種參數(shù)。這些參數(shù)可如表4中所述。表4在運行“質(zhì)量保障檢測”程序時，這一計算方法將根據(jù)所選定的電動機類型和適當(dāng)?shù)脑试S公差倍乘因子，運算出故障檢測極限值和故障分類極限值。這種計算方法啟動數(shù)據(jù)獲取步驟，在程序步134中，由被檢測的電動機處獲取實時電壓、速度和電流信號數(shù)據(jù)。在程序步130-132中，利用預(yù)先輸入的掃描速率和掃描時間將這些信號數(shù)字化。在程序步136中將這些數(shù)字化后的信號存儲在存儲器中，并且在程序步140中使用巴特沃茲軟件濾波器或其它可以在市場上買到的濾波器產(chǎn)品進行預(yù)處理，以消除噪音。這種基本電動機模型可使用實時電壓、速度和電流信號，在程序步142和程序步144中確定代表著在當(dāng)前狀態(tài)下電動機的模型化狀態(tài)。而且正如程序步146所示，可以對該基本電動機模型的評估殘余量和在檢測條件下的電動機實際殘余量實施計算并在步驟148對它們進行比較。然后將計算得到的殘余量偏差與故障檢測閾值進行比較。如果被檢測的電動機輸出值的標(biāo)準(zhǔn)偏差位于允許公差的范圍之內(nèi)，則將該電動機視為無故障電動機，并在程序步150顯示出這一信息并實施記錄。當(dāng)檢測到該電動機存在有故障時，將在程序步152顯示出相應(yīng)的信息，并且如程序步154所示，通過與如上所述的方法相類似的方法，利用故障分析識別模型對這種故障實施分類。簡要說來，可以利用前面所推導(dǎo)出來的、描述電動機用的方程式(6)、(7)作為該故障分析識別模型。這種故障分析識別模型中的物理參數(shù)可以按如上所述的方式，根據(jù)由一組電動機獲得的數(shù)據(jù)經(jīng)驗性地確定。這種故障分析識別模型的物理參數(shù)和與其相關(guān)聯(lián)的標(biāo)準(zhǔn)偏差均存儲在計算機42的存儲器中。如果檢測到電動機的故障，則在程序步156程序步162中，通過MQM計算方法對故障電動機的物理參數(shù)實施評估，并且將它們與基本電動機模型中的相應(yīng)參數(shù)實施比較。利用這一比較結(jié)果對電動機故障實施分類，并顯示出故障分析識別信息。如果殘余量的標(biāo)準(zhǔn)偏差超過閾值，則該電動機被分類至“發(fā)現(xiàn)故障(FAULTFOUND)”，或是被分類至計算機42的顯示部分中的信息部分的類似組中。一旦進行完明確分類后，即可以對這一故障電動機的物理參數(shù)實施評估。可以利用故障分類閾值(參見表4)，將這些參數(shù)與基本電動機模型的物理參數(shù)進行比較。對于通用型電動機，這些參數(shù)正如前面所述的方程式(5)和方程式(6)所示，為電感值、電阻值和摩擦系數(shù)，以及電動機常量。故障電動機中的每一個參數(shù)均要與如上所述的故障分類閾值進行比較。進行故障分類用的一種可行的判定樹的實例已經(jīng)由程序步164-170示出了。如果舉例來說就是，如果故障電動機的電感參數(shù)超過有關(guān)電感的故障分類閾值，則這一結(jié)果顯示為“請檢測并核實平衡性故障(CHECKBALANCE)”。如果電阻參數(shù)超過有關(guān)電阻的故障分類閾值，則這一結(jié)果顯示為“請檢測并核實集電刷故障(CHECKCOLLECTOR)”。如果故障電動機的摩擦系數(shù)和電感參數(shù)均超過有關(guān)的故障分類閾值，則這一結(jié)果顯示為“請檢測并核實軸承故障(CHECKBEARING)”。如果同時有一個以上的閾值超過閾值，則所有這些結(jié)果均會加以顯示。如果所有的參數(shù)測量值均低于相應(yīng)的閾值，則這時在顯示器中信息部分的顯示為“未分類的故障(UNCLASSIFIED)”。這種現(xiàn)象可能是由于電動機各輸出參數(shù)的變化的疊加效應(yīng)產(chǎn)生的。處于這種狀態(tài)的電動機可能具有許多但均相當(dāng)小的故障，從而使電動機的輸出超過閾值。但是由于該閾值是由使用者選擇的，所以可以使其與每一個參數(shù)的允許公差值接近，從而可以檢測出這種處于邊緣狀態(tài)的故障。這種MQM方法特別適用于在電動機修理工廠中使用，以滿足進行故障分析識別和預(yù)防性保養(yǎng)處理的需要。在這種應(yīng)用場合，可以在計算機42中存儲入具有不同大小和不同生產(chǎn)方式的若干種電動機用的基本電動機模型。一旦接收到要檢測的電動機，修理者即可以為要修理的電動機選擇基本電動機模型，并實施故障檢測和故障分析識別處理程序。本發(fā)明的方法和裝置還可以在運行狀態(tài)監(jiān)測和預(yù)防性保養(yǎng)的場合中使用。在作為第三實施例的這種實施例中，還可以用MQM計算方法取代MGM計算方法，從而可以間斷性地或連續(xù)性地對運行狀態(tài)實施監(jiān)測。在本發(fā)明的另一種實施例中，可以將MQM計算方法和MCM計算方法分別直接用來形成質(zhì)量保障系統(tǒng)或運行狀態(tài)監(jiān)測系統(tǒng)，而所需要的數(shù)據(jù)可通過對實際存在的電壓、速度和電流的測量獲得。由上可見，MCM計算方法和MQM計算方法雖然非常類似，但它們在兩個方面彼此不同。首先在使用MCM計算方法時，系統(tǒng)并不需要推導(dǎo)出一個基本電動機模型。這是由于運行狀態(tài)監(jiān)測的性質(zhì)使得該系統(tǒng)僅僅涉及對單個電動機實施監(jiān)測。因此MCM計算方法在使用被監(jiān)測的電動機的定制模型時更為有利。在已知電動機處于無故障狀態(tài)下運行時即可以推導(dǎo)出這一定制模型。與此相對應(yīng)的是，MQM計算方法將推導(dǎo)出一個基本模型，而且這種模型包括著大部分公知的電動機形式。因此，其運行狀態(tài)處于邊緣狀態(tài)的電動機可能會超過根據(jù)MQM模型設(shè)置的檢測閾值，但由于MCM模型是針對各個特定的電動機設(shè)定的，所以連續(xù)性地運行狀態(tài)不良可能會在使用MCM時不能被檢測出來。在這兩種計算方法之間的第二點不同在于，MCM必須通過實際運行需要來實施限制。舉例來說，施加在電動機上的輸入信號隨應(yīng)用場合要求的不同而會有所不同。一種適當(dāng)?shù)姆绞绞鞘故┘釉谀Ｐ?4上的輸入信號不象在MQM檢測過程中所施加的輸入信號那樣“豐富”。而且在MCM檢測過程中，施加在電動機上的實際負(fù)載是不知道的，而且在由傳感器34-38獲得測量值的時間里可能會發(fā)生變化。在這種運行條件下，只將模型不受負(fù)載變化影響的那一部分模型化。舉例來說就是，可以僅僅使用方程式(6)，根據(jù)測量得到的電壓和速度輸入信號對電流信號模型化，以獲得供故障分析識別人員使用的結(jié)果。在一種變形實施中，如果施加的為常量負(fù)載，則還可以利用諸如方程式(7)的推導(dǎo)等等技術(shù)來消除未知的負(fù)載項。在這種實施例中，如果結(jié)合使用方程式(6)和對方程式(7)的推導(dǎo)，還可以增大故障分析識別人員所可能獲得的結(jié)果。在上面已經(jīng)結(jié)合附圖對某些最佳實施例進行了說明，但不難理解，這些實施例均是說明性的，而不是限定性的。而且不難理解，本發(fā)明并不僅限于所示出的和所描述出的這些特定的結(jié)構(gòu)構(gòu)成和設(shè)置方式，本領(lǐng)域的普通技術(shù)人員還可以在不脫離本發(fā)明的主題和范圍內(nèi)，獲得許多種變形和改型。權(quán)利要求1．一種用于監(jiān)測在未知負(fù)載下運行的動力機運行狀態(tài)的故障檢測系統(tǒng)，包括耦合在所述動力機上用于測量選定的運行參數(shù)的傳感器；與所述傳感器相連的計算機組件，該計算機組件用于確定當(dāng)所述動力機在無故障狀態(tài)下運行時，理想的、為零的殘余量，從而選擇出不同于零的閾值允許公差，并用于確定所述動力機在運行過程中的多個殘余量，所述理想殘余量是通過用所述選擇出的運行參數(shù)乘以標(biāo)量并將所求得的值疊加而推導(dǎo)出來的；所述計算機組件具有一個存儲器和一個顯示裝置，用于在所述存儲器中對所述每一個殘余量與所述理想殘余量進行比較，以及在所述顯示裝置上顯示出所述動力機是否處于所述多個殘余量小于閾值允許公差的無故障運行狀態(tài)的信息，或是所述動力機是否處于多個殘余量中的至少一個超過閾值允許公差的、出現(xiàn)有故障的運行狀態(tài)。2．一種如權(quán)利要求1所述的系統(tǒng)，其特征在于所述運行參數(shù)包括所施加的電壓，所述動力機的輸出電流和速度，而且所述運行參數(shù)是用模擬傳感器測量得到的。3．一種如權(quán)利要求2所述的系統(tǒng)，其特征在于所述運行參數(shù)是用模擬傳感器測量得到的。4．一種如權(quán)利要求3所述的系統(tǒng)，其特征在于所述系統(tǒng)還進一步包括有數(shù)據(jù)獲取組件，它將所述傳感器耦合在計算機組件上，并且將所述模擬信號轉(zhuǎn)換為代表著該模擬信號的數(shù)字信號。5．一種如權(quán)利要求2所述的系統(tǒng)，其特征在于所述動力機是一個電動機。6．一種如權(quán)利要求2所述的系統(tǒng)，其特征在于所述動力機是一個小功率電動機。7．一種用于監(jiān)測電動機的運行狀態(tài)以便在所述電動機發(fā)生實際損壞之前檢測出可能導(dǎo)致所述電動機損壞的機械故障的方法，該方法包括的步驟有在通過多個傳感器耦合在所述電動機上的計算機中建立與所述電動機相關(guān)的模型；利用所述傳感器測量所述電動機的多個運行信號；利用所述測量得到的多個運行信號求解線性離散-時間狀態(tài)方程；通過計算殘余量的方式，將所述狀態(tài)方程式給出的結(jié)果與由所述模型給出的結(jié)果進行比較；根據(jù)所述比較步驟的結(jié)果，確定所述電動機是否處于無故障運行狀態(tài)；當(dāng)所述電動機處于有故障的運行狀態(tài)時，使所述變化與機械故障相關(guān)聯(lián)，并且給出存在有故障的指示，以防止電動機出現(xiàn)未預(yù)報過的故障；以及在所述電動機的運行過程中的預(yù)定時間間隔中，重復(fù)除建立模型的步驟之外的其它所述步驟。8．一種如權(quán)利要求7所述的方法，其特征在于所述測量多個運行信號的步驟包括在預(yù)定的時間間隔中測量所述電動機的輸出電流，施加在該電動機上的電壓，以及電動機的速度。9．一種如權(quán)利要求7所述的方法，其特征在于所述電動機是一個小功率電動機。10．一種如權(quán)利要求8所述的方法，其特征在于所述建立電動機模型的步驟包括獲得有關(guān)所述電動機的電感和電阻的電動機常量，并且按照下述方程式將所得到的常量與測量得到的信號進行組合Ldi/dt+Ri=V+k1wi其中k1為電動機常量。11．一種如權(quán)利要求8所述的方法，其特征在于當(dāng)所述電動機存在有機械故障時的關(guān)聯(lián)和給出指示的步驟還包括響應(yīng)所述Ldi/dt運行參數(shù)的變化而給出轉(zhuǎn)子不平衡的指示；響應(yīng)所述Ri參數(shù)的變化而給出集電刷出現(xiàn)故障的指示；響應(yīng)所述Ldi/dt運行參數(shù)的振蕩標(biāo)準(zhǔn)偏差而給出軸承出現(xiàn)故障的指示；響應(yīng)所述Ldi/dt和所述fw參數(shù)的變化而給出軸承出現(xiàn)故障的指示。12．一種如權(quán)利要求8所述的方法，其特征在于所述時間間隔最好為400毫秒至1000毫秒。13．一種如權(quán)利要求12所述的方法，其特征在于所述運行參數(shù)的取樣頻率為500Hz至24kHz。14．一種用于監(jiān)測和檢測電動機故障的方法，包括當(dāng)所述電動機處于無故障運行狀態(tài)時，利用多個傳感器測量所述電動機的電壓、電流和速度；將測量得到的所述電動機的電壓、電流和速度乘以固定常量；使用下述的離散狀態(tài)空間方程式實施計算和疊代x(k+1)=Ax(k)+Bu(k)y(k)=Cx(k)重復(fù)測量和相乘步驟；使用下述的離散狀態(tài)空間方程式對其結(jié)果實施計算xf(k+1)=Afxf(k)+Bfuf(k)yf(k)=Cfxf(k)比較值y(k)與值yf(k)之間的差；而且在該差未超過預(yù)定的閾值前，重復(fù)所述重復(fù)、計算和比較步驟之后的步驟。15．一種如權(quán)利要求14所述的方法，還在所述后續(xù)步驟給出的差超過所述預(yù)定閾值時，進一步包括對電感、電動機電阻、電動機慣性矩和電動機常數(shù)選擇參數(shù)閾值；將每一個結(jié)果Ldi/dt、qRi、Jdw/dt、fw、k1wi和i2k2與所述選定的閾值相比較。16．一種如權(quán)利要求15所述的方法，還進一步包括有顯示所述比較步驟的結(jié)果用的顯示步驟。17．一種用于觀察一組電動機的生產(chǎn)質(zhì)量并且用于檢測可能導(dǎo)致所述電動機損壞的機械故障的方法，該方法包括的步驟有選擇一組包括在無故障狀態(tài)下運行的電動機和在出現(xiàn)有一個或多個故障的狀態(tài)下運行的電動機在內(nèi)的電動機；測量所述電動機的多個運行信號，并且提供所述的運行信號，以求解出下述的離散狀態(tài)空間方程式x(k+1)=Ax(k)+Bu(k)y(k)=Cx(k)利用計算機組件推導(dǎo)出所述電動機的經(jīng)驗?zāi)Ｐ?，而且使所述模型具有根?jù)與該電動機的平均值有關(guān)的兩個標(biāo)準(zhǔn)偏差獲得的閾值允許公差；通過對所述多個運行信號實施再次測量的方式檢測該組中的每一臺電動機，并且將在檢測狀態(tài)下超過該閾值極限的電動機由所述電動機組中除去；重復(fù)所述測量、推導(dǎo)和檢測步驟，直到該組中的所有電動機均位于所述閾值之內(nèi)；根據(jù)該組中的剩余電動機對所述電動機的經(jīng)驗?zāi)Ｐ蛯嵤┰俅尉_化處理；以及將所述經(jīng)驗?zāi)Ｐ痛鎯υ谒鲇嬎銠C組件中。18．一種如權(quán)利要求17所述的方法，其特征在于所述檢測步驟還進一步包括利用多個傳感器測量所述電動機的電壓、電流和速度；將測量得到的所述電動機的電壓、電流和速度乘以選定的常量；使用下述的離散狀態(tài)空間方程式對其結(jié)果實施計算xf(k+1)=Afxf(k)+Bfuf(k)yf(k)=Cfxf(k)比較值y(k)與值yf(k)之間的差。19．一種如權(quán)利要求17所述的方法，其特征在于對與所述一組電動機不同的多個電動機相對于所述經(jīng)驗?zāi)Ｐ蛯嵤z測的步驟還進一步包括對一組電動機中的每一個電動機測量所述的電壓、電流和速度；利用所述測量得到的一組運行信號求解離散狀態(tài)空間方程；通過計算殘余量的方式，將所述狀態(tài)方程式給出的結(jié)果與由所述經(jīng)驗?zāi)Ｐ徒o出的結(jié)果進行比較；根據(jù)所述比較步驟的結(jié)果，確定所述電動機是否處于無故障運行狀態(tài)。20．一種如權(quán)利要求19所述的方法，其特征在于所述比較步驟還進一步包括將所述變化與表示所述電動機處于有故障的運行狀態(tài)下時的機械故障相關(guān)聯(lián)，并且給出存在有故障的指示，以便防止電動機出現(xiàn)以外的損壞。21．一種如權(quán)利要求20所述的方法，其特征在于所述關(guān)聯(lián)步驟包括對下述的方程式實施評估Ldi/dt+Ri=V+k1wiJdi/dt+fw=k2i2+M其中k1、k2為電動機常量。22．一種用于檢測一組發(fā)動機是否存在有故障的、并且獲得故障分析識別信息以實施所述故障修正的、基于模型的故障檢測和故障分析識別系統(tǒng)，包括根據(jù)下述方程式產(chǎn)生一個代表著無故障電動機的平均值的系統(tǒng)模型用的組件x(k+1)=Ax(k)+Bu(k)y(k)=Cx(k)其中A、B和C為所述系統(tǒng)模型的參數(shù)；以及通過測量所述電動機參數(shù)并將其與所述系統(tǒng)模型相比較的方式確定系統(tǒng)故障用的組件。23．一種如權(quán)利要求22所述的系統(tǒng)，其特征在于所述確定組件包括有一個具有一個存儲器和一個顯示裝置的計算機，在所述存儲器中存儲有代表著每一個電動機的方程式和代表著所述系統(tǒng)模型的方程式，并且在所述顯示裝置上顯示出所述電動機是否處于代表每個電動機的方程式和代表所述系統(tǒng)模型的方程式之間的差小于閾值允許公差的無故障運行狀態(tài)的信息，或是所述電動機是否處于代表每個電動機的方程式和代表所述系統(tǒng)模型的方程式之間的差超過閾值允許公差的、出現(xiàn)有故障的運行狀態(tài)。24．一種如權(quán)利要求22所述的系統(tǒng)，其特征在于所述電動機是一個小功率電動機。25．一種檢測通用型電動機類型的一組電動機、而且這些電動機在未知運行狀態(tài)下運行用的方法，該方法包括的步驟有測量所述電動機的電壓、電流和速度；將測量得到的所述電動機的電壓、電流和速度乘以選定的常量；使用下述的離散狀態(tài)空間方程式對其結(jié)果實施計算x(k+1)=Ax(k)+Bu(k)y(k)=Cx(k)重復(fù)測量和相乘步驟；使用下述的離散狀態(tài)空間方程式對其結(jié)果實施計算xf(k+1)=Afxf(k)+Bfuf(k)yf(k)=Cfxf(k)比較值y(k)與值yf(k)之間的差；而且在該差未超過預(yù)定的閾值時，重復(fù)所述重復(fù)、計算和比較步驟之后的步驟。26．一種如權(quán)利要求25所述的方法，還在所述后續(xù)步驟給出的差超過所述預(yù)定閾值時，進一步包括對電感、電動機電阻、電動機慣性矩和電動機常數(shù)選擇參數(shù)閾值；將下述方程式中的每一項與所述選定的閾值相比較Ldi/dt+Ri=V+k1wiJdi/dt+fw=k2i2+M。27．一種如權(quán)利要求26所述的方法，還進一步包括有顯示所述比較步驟的結(jié)果用的顯示步驟。28．一種如權(quán)利要求26所述的方法，其特征在于所述比較步驟還進一步包括下述步驟響應(yīng)所述Ldi/dt運行參數(shù)的變化而給出轉(zhuǎn)子不平衡的指示；響應(yīng)所述Ri參數(shù)的變化而給出集電刷出現(xiàn)故障的指示；響應(yīng)所述Ldi/dt運行參數(shù)的振蕩標(biāo)準(zhǔn)偏差而給出軸承出現(xiàn)故障的指示；響應(yīng)所述Ldi/dt和所述fw參數(shù)的變化而給出軸承出現(xiàn)故障的指示。全文摘要本發(fā)明提供了一種基于模型的故障檢測系統(tǒng),以及對電動機、特別是小功率電動機實施監(jiān)測和預(yù)防性維護用的方法。本發(fā)明的這種方法和系統(tǒng)均是建立在軟件基礎(chǔ)之上的,并且使用的是通過無干擾測量獲得的數(shù)據(jù),所以和在先技術(shù)中所提到的方法相比,可以大大降低其成本。這種系統(tǒng)和方法是利用多變量經(jīng)驗?zāi)Ｐ陀嬎惴椒?通過確定其結(jié)構(gòu)構(gòu)成的方式來獲得電動機模型的,并且利用該計算方法比較模型化結(jié)果和測量結(jié)果,確定出作為殘余量項的、通過將相應(yīng)信號相減而獲得的比較值。故障分析識別人員分析這一殘余量,并確定該發(fā)動機是否是無故障的,或以無故障方式運行的。一旦檢測出即將發(fā)生的故障,故障分析識別人員即對發(fā)動機的測量得到的變量進行評估,確定與基準(zhǔn)值的,并對可能會出現(xiàn)的故障或稱故障部件實施故障分析識別。因此,本發(fā)明的這種實施例特別適用于小功率電動機的生產(chǎn)過程,并且特別適用于實施高質(zhì)量的控制檢測。文檔編號G01MGK1233325SQ9719745公開日1999年10月27日申請日期1997年6月20日優(yōu)先權(quán)日1996年6月24日發(fā)明者A·杜亞,O·T·杜拉克巴薩,E·阿爾巴斯,A·H·色拉弗J諾格魯申請人:阿塞里克有限公司,阿米特·杜亞