电机状态监测结果的模糊逻辑方法评定

fhsaxv

　　摘要：本文介绍选择电动机的振动参数作为模糊输入参数，用模糊逻辑方法实现对中小型电动机振动监测结果的综合评估原理和实现方法。列举了部分实验数据以验证该方法的可行性。
3 B& x* t, h- y; }7 Z. l　　关键词：状态监测；电动机；模糊逻辑方法新^***山子石化炼油厂有各类中小型三相异步电动机2000多台，目前主要对90kW以上的200多台A类电机进行振动测试，主要使用Vm-63便携式振动仪，判断依据为振动幅值和速度值标准。
8 [  X& p8 G6 Z. F: Z: s6 [　　针对生产实际和日常维护管理的需要，我们对近年来发生的三相交流异步电动机的机械故障作了统计，总结分析了电动机振动原因及相关振动监测值的特点，对监测数据进行模糊识别，确定被监测设备的运行状态，为电机运行的故障类别和状态提供有效判据，保证了电动机的可靠运行。一、三相异步电动机故障的特点及诊断方法电动机日常维护检修的实践证实，常见电机故障原因主要有电磁振动、电机不对中、转子不平衡、轴承磨损、润滑不良、基础刚性不足和机械松动。电动机电气故障可采用测量运行电流、电机绝缘和绕组直流电阻等方法判断；机械故障常采用振动监测诊断、冲击脉冲法、电流诊断法和频谱分析法等。根据电机振动速度标准IS02373对电动机六个测点位置的规定，振动加速度、速度、位移振幅的特点，以及使用仪器的功能，确定振动监测项目为各监测点上的振动幅值、速度值、加速度高频值Hi和Lo，根据中小型电机的结构取消了非轴伸端轴向的测量值。电动机运行过程中存在着许多不确定因素，因此对其进行故障诊断也存在一定的模糊性，主要表现在：(1)诊断参数的模糊性。用于故障诊断的振动参数的频率范围带有一定的模糊性，不同参数、部位及方向上的振动值超标，所反映的故障状态存在模糊性；(2)诊断方法的模糊性。造成电动机故障的原因常常不是单一的，例如轴承损坏、基础松动等故障常由电磁振动、不对中或动不平衡等引起，因此使用哪种或哪几种方法综合诊断故障，具有模糊性；(3)诊断标准的模糊性。诊断标准是故障诊断的依据，使用哪种标准进行诊断较为准确，现场温度、负荷等运行工况变化时，诊断标准如何修正，都会影响诊断的准确性，且存在较大的模糊性。因此，采用多参数综合分析的模糊振动诊断法符合电动机故障诊断的实际情况，可以收到良好的效果。二、模糊诊断模型的建立由于是针对每台电机建立诊断标准，因此，采用直接方法进行模式识别。多因素综合评判模糊向量的计算式为Y=R•X’其中：模糊关系矩阵R的行向量表示振动故障特征，列向量表示故障原因，“•”表示模糊逻辑算子。由于普通矩阵相乘法则能够避免故障信息的损失，因此，模糊逻辑算子选用普通矩阵相乘的法则。隶属函数反映出现故障的可能性程度。可以采用类似于评判记分的方法确定症状论域的隶属度，即将监测到的各参数值与其对应的故障诊断标准相除，并进行适当的修正，确定隶属度。该方法简单实用，经验证，符合电动机常见振动故障的诊断要求。其计算方法如公式(1)
0 y" D$ J, U  N6 d　　式中：Ux—隶属度；Xi—故障特征参量的实际值；Sx—被诊断电动机相应监测参数的诊断标准；MX—修正系数。所用状态监测仪器测量的振动幅值(双倍幅值)和振动速度值均为中频范围下的有效值，加速度所测的低频值L。为10Hz~1kHz，高频值Hi为1~15kHz，故确定各参数的修正系数如表1所示。
6 G# D. }4 l8 M" K1 {4 \( u- H　　模糊综合诊断必须选择合适的诊断标准。由于电动机转子在工作时需承受各种复杂和交变的应力作用，有些故障诊断的绝对标准不适用或诊断准确性差，故采用相对标准判断较为合理。把电动机自身的状态作前后纵向比较，参数的变化能比较准确地反映其状态的变化，判别的可靠性更大一些，因此，最终确定采用统计法针对每台电机建立其相对标准。
$ i$ H6 y- m5 a$ k8 |# i& f　　由于电机各监测部位的不同监测参数反映不同部件的运行状况，而各部件对电动机的影响程度不同，因此需分别设定所对应的阈值，然后用最大隶属度原则判定最可能出现的原因。阈值原则是指，凡隶属度大于阈值的项所对应的就是故障原因所在，而其中最大隶属度项就是最可能出现的故障原因。通过对各类故障电机的监测数据进行统计汇总，计算其隶属度，求出同类故障的每台电机对应的故障诊断值，并结合对设备影响程度的大小，确定对应故障的阈值如表2所示。
　　利用专家知识建立知识库是模糊推理的关键，故障诊断模糊矩阵反映的是故障原因与故障征兆之间的关系。原因与故障之间错综复杂，为了能从征兆中找出原因，需预先订出征兆与原因之间的相关程度，即模糊诊断矩阵。
　　通过总结分析电机日常检修资料和对应的状态监测数据，对所有进行状态监测的故障电机进行故障类型的标识，计算出每台电机诊断标准的隶属度值即标准隶属度，求出同类故障下每个监测参数中对应隶属度大于相应标准隶属度的个数，将各监测参数所占的百分比作为征兆与原因之间的权系数，以此构成模糊诊断矩阵，见表3。
　　三、诊断实例
; w2 |4 F" w" v, ^+ ^5 f. z　　1.过程分析。2003年4月，该电机振动剧烈，轴承噪声较大，诊断为动平衡不良和前轴承磨损。对前后轴承补充润滑脂后，振动值仍然偏大。后于6月检修时对电机转子进行了动平衡试验，发现转子两端分别有125g和99.7g的不平衡量，分别调整至7.02g和19.5g，并更换了前后轴承，振动消除，运行状况良好。
9 u6 g- H' d" q  ?+ y6 E　　2.诊断分析。通过对不同阶段监测数据的分析计算，得到隶属度值如表5，结合模糊矩阵和诊断阈值进行综合计算，
/ d/ z3 ?8 k; M! p; @! O　　四、结论
　　经现场检验，模糊诊断的计算方法和模糊矩阵及修正系数可以较准确地诊断出电机常见的故障，与解体检修的实际情况基本一致，能较好地为电机的日常维护和管理提供依据，满足设备管理的要求。参考文献：[1]沈标正.电机故障诊断技术[M].机械工业出版社，1996.[2]袁宏义等.设备振动诊断技术基础[M].北京：国防工业出版社，1991，(7):8487.[3]屈梁生等.机械故障诊断学[M].上海科学技术出版社，1986.【MechNet】
文章关键词： 电机状态监测