核心提示：　　隨著經濟建設的發展和電氣化程度的提高，電機設備已被廣泛應用于工業生產的各個領域，及時準確地發現電機設備潛在的和現有的故障是保證生產安全運行的重要措施。因此，研究不同場合、不同運行狀態下電機設備故障

　　隨著經濟建設的發展和電氣化程度的提高，電機設備已被廣泛應用于工業生產的各個領域，及時準確地發現電機設備潛在的和現有的故障是保證生產安全運行的重要措施。因此，研究不同場合、不同運行狀態下電機設備故障診斷理論和技術是設備可靠運行的保證。電機設備是組成供、用電系統的基本元件，在運行中受到電、熱機械、周圍環境等各種因素的作用使其性能逐漸劣化，最終導致故障；一旦發生故障，即使是停止工作的時間極短，也會造成很大的損失一般這些故障的發生總是以各種征兆表現出來，并且故障類型也多種多樣：既有緩變故障和突變故障，又有電氣故障和機械故障；既有線性系統故障，又有非線性系統故障，其關系錯綜復雜，這給電機設備故障的有效、快速診斷帶來一定的困難本文以綜述的形式系統的闡述了電機設備故障診斷的基本原理與國內外現代故障診斷方法，并對各種診斷方法進行分析，指出了電機設備故障診斷技術的發展趨勢2電機設備故障診斷原理電機設備的運行受很多因素影響，如電網電壓、負載性質、安裝環境、產品質量等，惡劣的環境和超技術范圍的運行是導致故障產生的主要原因電機設備的工作原理都是基于電磁理論，其主要由電路（繞組）和磁路（鐵心）兩大部分組成，變壓器為靜止設備，而電機是旋轉設備，它們的故障形成過程和表現形式在許多方面都有相同之處：設備的繞組過熱，絕緣老化，鐵心變形及電機轉子偏心等通常這些征兆是逐漸惡化并失去原有的性能有效及時地通過各種檢測技術和信號分析理論分離不正常狀態信息，并診斷出故障隱患是實現可靠運行，減少維修率，提高生產效率的重要措施目前電機設備故障診斷的基本原理有1）電流分析法通過頻譜等信號分析方法對負載電流的波形進行檢測從而診斷出電機設備故障的原因和程度；2）絕緣診斷法利用各種電氣試驗裝置和診斷技術對電機設備的絕緣結構工作性能是否存在缺陷做出判斷，并對絕緣壽命做出預測；3）溫度檢測方法采用各種溫度測量方法對電機設備各個部位的溫升進行監測，電機的溫升與各種故障現象相關；4）振動與噪聲診斷法通過對電機設備振動與噪聲的檢測，并對獲取的信號進行處理，診斷出電機產生故障的原因和部位，尤其是對機械上的損壞診斷特別有效3電機設備的現代故障診斷方法3.1基于信號變換的診斷方法電機設備的許多故障信息是以調制的形式存在于所監測的電氣信號及振動信號之中，如果借助于某種變換對這些信號進行解調處理，就能方便地獲得故障特征信息，以確定電機設備所發生的故障類型常用的信號變換方法有希爾伯特變換和小波變換>9.希爾伯特變換的具體定義可參見，采用希爾伯特變換實現電機軸承和感應電機轉子故障診斷。小波變換既是時間尺度分析，又是時間-頻率分析，它具有多分辨率的特點，且在時頻兩域具有表征信號局部特征的能力，利用小波變換的奇異點（如過零點、極值點）在多尺度下的綜合表現來檢測信號的局部突變點，從而進行故障診斷。通過對定子電流預處理，并進行二次小波變換，有效的提取電機定子繞組故障特征，并明顯區分由于外部負載突變和外部電流不對稱而引起的定子電流變化診斷結果幾乎不受負載影響，實現了有效可靠地進行電機故障在線診斷。利用小波變換的故障診斷法對同步電機單相短路故障做出了準確的診斷采用小波變換實現采煤機牽引部電機軸承的故障診斷采用小波變換實現變壓器的在線故障診斷。基于信號變換的故障診斷方法在電機設備故障診斷的實際應用中取得了很多成果；尤其是小波變換，很適合于探測正常信號分析中夾帶的瞬態反常現象并展示其成分，在電機設備機械故障診斷中占有重要的地位。但基于信號變換的診斷方法缺乏學習功能3.2基于專家系統的診斷方法基于專家系統的診斷方法是根據被診斷系統的專家以往經驗，將其歸納成規則，并運用經驗規則通過規則推理來進行故障診斷。采用了這種方法建立了調相機故障診斷專家系統，設定調相機故障原因集轉子不平衡，油膜振蕩，轉軸不對中，轉軸裂紋，倍頻共振，分頻共振，定子電壓過高，定子電流過大，溫度過高丨，故障征兆信號采用噪聲信號，通過對噪聲信號進行頻譜分析，提取特征頻譜，當發生某一故障時，必然在頻譜圖上有所反映但這種對應關系從書本和現場很難找到，為此通過調相機故障診斷專家的以往“經驗”和進行故障診斷。該系統還采用自學習的控制策略，完善知識庫，增加系統的自診斷能力，從而大大提高診斷快速性和準確性基于專家系統的診斷方法具有診斷過程簡單快速等優點，但也存在著局限性，基于專家系統的方法屬于反演推理，因而不是一種確保唯一性的推理方法，該方法存在著獲取知識的瓶頸對于復雜系統所觀測到的癥狀與所對應故障之間聯系是相當復雜的，專家經驗歸納成規則往往不是唯一的并且有相當難度因此該方法不適合于復雜電機設備或新的及未有經驗的電機設備的故障診斷另外，基于規則的方法對于診斷結論除了重復被采用的規則外無法做出進一步解釋，通常只能診斷單個故障，難以診斷多重故隱3.3基于模糊理論的診斷方法在故障診斷領域，模糊屬性常常出現，如對征兆的描述：溫度“偏高”，振動“厲害”等都具有模糊特性；故障與征兆的關系往往也是模糊的。模糊理論是處理這類問題的最好的工具模糊故障診斷有兩種方法，一種是先建立征兆與故障類型之間的因果關系矩陣R，再建立故障與征兆的模糊關系方程，即F=這時F為模糊故障矢量；S為模糊征兆矢量：“。”為模糊合成算子，這是基于模糊關系及合成算法的診斷方法。另一種方法先建立故障與征兆的模糊規則庫，再進行模糊邏輯推理的診斷過程，這是一種基于知識處理的診斷方法采用了方法一實現了對鼠籠式感應電機軸承的故障診斷；采用方法二建立了電機定子電流與定子繞組故障的模糊規則庫，通過模糊推理實現了對定子繞組故障的在線診斷模糊語言變量接近自然語言，知識的表示可讀性強，模糊推理邏輯嚴密，類似人類思維過程，易于解釋但是，模糊診斷知識獲取困難，尤其是故障與征兆的模糊關系較難確定，且系統的診斷能力依賴模糊知識庫，學習能力差，容易發生漏診和誤診。另外，由于模糊語言變量是用模糊數（即隸屬度）表示的，如何實現語言變量與模糊數之間的轉化，是實現上的一個難點盡管如此，將模糊理論引入故障診斷領域已是一種符合事物本質的必然趨勢。

　　3.4基于人工神經網絡的診斷方法人工神經網絡（ANN）是由大量簡單處理單元廣泛連接而成的復雜的非線性系統，具有學習能力，自適應能力，非線性逼近能力等。故障診斷的任務從映射角度看就是從征兆到故障類型的映射。用ANN技術處理故障診斷問題，不僅能進行復雜故障診斷模式的識別，還能進行故障嚴重性評估和故使系統在運行過程中不斷獲取新知識，修改規則：障預測由于lANgN能自動獲取診斷知識Ml系統具有自適應能力。

　　將ANN應用于電機設備故障診斷是當前電機設備故障診斷的熱點之一。采用BP網絡對電機設備進行故障診斷其基本思想均采用傳感器獲取表征電機設備故障的特征信號，以轉子電流做為特征信號，以電機設備電氣故障診斷為主，以電機設備噪聲做為特征信號，以電機設備機械故障診斷為主；然后對獲取的特征信號做FFT變換，頻率內特征頻段上特征量的大小和比例關系可以反映出相應的故障類型因此利用特征信號頻譜中的若干個譜峰能量值做為神經網絡的輸入樣本，以相應的故障類型做為神經網絡的輸出樣本，對網絡采用BI算法進行學習，獲取輸入樣本（特征信號）與輸出樣本（故障類型）間的映射關系。利用神經網絡的聯想記憶和分布處理功能對電機設備故障進行診斷BP網絡具有較強的非線性逼近能力，能進行故障模式識別，還能進行故障嚴重程度評估和預測，因此應用較廣。但是，由于BP算法在迭代時采用梯度下降法，存在收斂慢、振蕩和局部極小等問題另外，BP算法用于故障診斷的一個突出問題還在于對異常故障的處理能力低以及不具備增量學習功能能這主要是由于BP算法在數學本質上是內插值法，其解題能力對樣本依賴性極大；當一個與樣本差異較大的新的故障類型發生時，往往會將其歸于一個已知的故障類型或判為正常狀態，產生誤診或漏診，影響了診斷的可靠度因此當前中利用BP網絡進行電機設備故障診斷都采用各種不同的BP改進算法3.5基于集成型智能系統的診斷方法隨著電機設備系統越來越復雜，依靠單一的故障診斷技術已難滿足復雜電機設備的故障診斷要求，因此上述各種診斷技術集成起來形成的集成智能診斷系統成為當前電機設備故障診斷研究的熱點。主要的集成技術有：基于規則的專家系統與ANN的結合，模糊邏輯與ANN的結合，混沌理論與ANN的結合，模糊神經網絡與專家系統的結合。專家系統與神經網絡的結合能充分利用專家系統的專家經驗和神經網絡強大的非線性映射能力。

　　計算機的推理能力以及系統內部的因果關系，同時考慮大量未知情況的存在以及知識不精確度影響，結合，成功的應用于調相機的故障診斷模糊神經網絡技術是把人類的經驗和知識進行數字化的模糊處理，把規則和推理轉換成神經網絡的映射處理和直接從數據樣本中提取經驗規則，然后把這兩種轉換結合起來進行智能信息處理的技術它充分利用了神經網絡處理數字化知識的特點和模糊邏輯處理結構化知識的特點提出將模糊神經網絡應用于無刷直流電機故障診斷，給出了模糊神經網絡的結構和學習算法，并提出了一種閾值向量故障診斷方法，仿真結果表明該方法的有效性采用一種由混沌神經網絡神經元構成的神經網絡，通過研究其非線性動力學特性，混沌吸引子的軌跡及對初始條件的敏感性，實現混沌神經網絡的動態聯想記憶，在此基礎上，成功地應用混沌神經網絡對異步電動機轉子斷條故障進行記憶和恢復。

　　4電機設備故障診斷技術的發展趨勢由于電機設備故障診斷的準確及時對保證生產安全平穩，避免人員、財產的巨大損失具有重要意義故障診斷技術作為一門交叉性科學，從60年代起至今，已在傳統的方法上得到飛速發展，新的理論及現代故障診斷方法不斷出現：小波變換專家系統、模糊系統、神經網絡等都在故障診斷領域得到了成功應甩由于電機設備故障征兆與故障特征間復雜的非線性特性，使故障診斷及識別較為復雜，僅僅靠一種理論、一種方法是無法實現在復雜環境下準確、及時地進行電機設備的故障診斷因此集成型智能故障診斷系統必將是電機設備故障診斷技術的新趨勢另外，無論是什么診斷方法，真實信號的獲取是成功實現故障診斷的前提，多傳感器數據融合理論必將在故障診斷中起重要的作用，已開始了這方面的研究并取得相應的成果