描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787111623403
《电机故障诊断》给出了由法国多个领域研究人员得出的关于电机故障诊断方面的原创性研究成果，可为高可靠性电机设计及电力传动系统监测和维护工程师提供指南。由于电机的监测和故障诊断仍然是一个亟需深入研究的问题，《电机故障诊断》对相关科研人员也具有重要参考价值。
原书前言
第1章电机常见故障及其诊断方法1
1.1概述1
1.2感应电机的组成3
1.2.1定子3
1.2.2转子3
1.2.3轴承4
1.3感应电机的故障4
1.3.1机械故障6
1.3.2电气故障7
1.4感应电机故障诊断方法概述8
1.4.1基于解析模型的故障诊断方法9
1.4.2无需解析模型的故障诊断方法11
1.5本章小结14
1.6参考文献14
第2章感应电机绕组故障建模18
2.1概述18
2.1.1仿真模型与诊断模型18
2.1.2模型选择的目标18
2.1.3模型选择的方法19
2.1.4本章结构安排20
2.2研究框架与一般方法20
2.2.1前提假设20
2.2.2绕组的等效20
2.2.3无故障等效两相电机27
2.2.4考虑定子绕组故障29
2.3定子绝缘故障时的电机建模32
2.3.1定子短路时的电机方程32
2.3.2任意参考系下的状态模型34
2.3.3三相定子模型的扩展38
2.3.4诊断模型的验证39
2.4定/转子耦合故障建模方法的普适化42
2.4.1转子不平衡时的电机方程43
2.4.2定/转子故障时的一般电机模型45
2.5感应电机的监测方法47
2.5.1感应电机故障诊断的参数估计47
2.5.2监测方法的实验验证50
2.6本章小结53
2.7参考文献54
第3章感应电机的闭环诊断56
3.1概述56
3.2闭环辨识57
3.2.1闭环辨识中存在的问题57
3.2.2电机故障诊断中的参数辨识问题59
3.3感应电机闭环辨识的一般方法59
3.3.1考虑控制的作用59
3.3.2基于闭环解耦的电机参数辨识61
3.3.3辨识结果64
3.4定/转子同时故障时的闭环诊断66
3.4.1感应电机通用故障模型66
3.4.2具有先验知识的参数估计67
3.4.3故障的检测与定位68
3.4.4直接辨识和间接辨识的结果比较70
3.5本章小结72
3.6参考文献73
第4章基于观测器的感应电机故障诊断76
4.1概述76
4.2建立数学模型78
4.2.1三相感应电机无故障时的模型78
4.2.2感应电机无故障时的Park模型81
4.2.3感应电机出现故障时的模型84
4.3故障观测器84
4.3.1基本原理84
4.3.2不同种类的故障观测器87
4.3.3扩展观测器92
4.4基于观测器的故障诊断94
4.4.1使用Park模型94
4.4.2使用三相电机模型97
4.4.3观测器重构转矩的频谱分析99
4.5本章小结100
4.6参考文献101
第5章感应电机的热监测103
5.1概述103
5.1.1感应电机温度监测的目的103
5.1.2感应电机温度监测的主要方法104
5.2基于卡尔曼滤波器的实时参数估计107
5.2.1卡尔曼滤波器的特征及优点107
5.2.2扩展卡尔曼滤波器的实现108
5.3热监测的电气模型111
5.3.1连续时间模型111
5.3.2全阶模型112
5.3.3离散化的扩展模型114
5.4实验系统115
5.4.1实验平台简介115
5.4.2热仪表117
5.4.3电气仪表118
5.5实验结果121
5.5.1卡尔曼滤波器的调节121
5.5.2磁饱和的影响124
5.6本章小结126
5.7附录感应电机特性126
5.8参考文献127
第6章基于模型失效方法的汽车铅酸蓄电池内阻估计：
在汽车起动性能评估中的应用130
6.1概述130
6.2汽车起动阶段铅酸蓄电池的分数阶模型131
6.3分数阶模型的辨识133
6.3.1输出误差辨识算法134
6.3.2输出灵敏度计算135
6.3.3估计参数的验证135
6.3.4应用到起动信号中135
6.4用电池电阻作为起动能力的指示器136
6.5模型验证及电池内阻的估计138
6.5.1模型验证的频率法138
6.5.2电池内阻估计的应用140
6.5.3简化的阻值估计器143
6.6电池状态的估计146
6.7本章小结148
6.8参考文献148
第7章基于信号分析技术的感应电机机电故障诊断151
7.1概述151
7.2电流的频谱152
7.3信号处理153
7.3.1傅里叶变换153
7.3.2周期图154
7.4实验中的信号分析155
7.4.1断条引起的故障156
7.4.2轴承故障160
7.4.3静态不对中故障166
7.4.4匝间短路173
7.5本章小结176
7.6附录176
7.6.1附录A实验使用电机的部分特性参数176
7.6.2附录B实验使用滚珠轴承的部分特性参数177
7.7参考文献177
第8章基于神经网络的感应电机故障诊断179
8.1概述179
8.2在故障诊断问题中ANN的使用方法180
8.2.1选择故障指示器180
8.2.2选择神经网的结构181
8.2.3建立学习和测试数据库182
8.2.4神经网络的学习和测试182
8.3监测系统概述183
8.4故障检测可能出现的问题184
8.5提出的鲁棒检测新方法184
8.5.1产生估计的残差185
8.6定/转子故障的特征186
8.6.1正常运行时的残差分析186
8.6.2定子故障时的残差分析186
8.6.3转子故障时的残差分析188
8.6.4同时存在定/转子故障时的残差分析190
8.7利用RNd神经网络检测故障191
8.7.1提取故障指示器191
8.7.2RNd神经网络的学习过程191
8.7.3RNd网络的结构193
8.7.4RNd网络的训练结果193
8.7.5RNd网络的测试结果194
8.8定子故障的故障诊断197
8.8.1选择RNcc网络故障指示器197
8.8.2RNcc网络的学习序列198
8.8.3RNcc网络结构199
8.8.4RNcc网络的学习结果201
8.8.5RNcc网络的测试结果201
8.8.6RNcc网络的实验验证203
8.9转子故障的故障诊断208
8.9.1选择RNbc网络的故障指示器208
8.9.2RNbc网络的学习序列208
8.9.3学习、测试和验证结果209
8.10感应电机完整的监测系统210
8.11本章小结212
8.12参考文献212
第9章静态变流器中的故障检测与诊断214
9.1概述214
9.2故障检测和诊断215
9.2.1神经网络方法215
9.2.2模糊逻辑方法221
9.2.3多维数据分析224
9.3功率电子模块的热疲劳和失效模式231
9.3.1功率电子模块的相关技术231
9.3.2电力电子模块性能退化的原因及主要类型239
9.3.3连接件损坏对电气特性的影响以及对故障诊断的潜在作用244
9.3.4接触面接触不良对热特性的影响和在故障诊断中的潜在应用246
9.4本章小结248
9.5参考文献249
“自动”诊断技术被广泛使用，快速地改变了机器维护保养的方法。数字控制和计算机系统的不断发展为自动控制技术开辟了新的天地，如实时识别与在线自适应控制算法等新功能被集成应用。系统监测已成为日趋复杂的自动化系统中必不可少的管理类功能，自动故障检测和诊断作为监测系统的一个功能，其概念在20世纪80年代已经形成。
不幸的是，电机控制方面的新技术同时也会引起新的电机故障。现在，除了传统的电气故障、机械故障和热故障外，还会出现电力电子和信息系统故障，以及由于脉宽调制电源产生的故障。不管是随之可能出现的电机电源断电还是重构，这些故障可能会立刻产生破坏性的后果，而这些严重的后果都能凸显早期故障诊断技术的必要性。
因此，电机的故障诊断技术，或者更大范围内的电力传动系统故障诊断技术，必将成为调速系统设计、使用和维护的一个基本组成部分。大功率设备成本高昂，其系统完整性必须得到保证，这也体现了对应故障诊断技术的重要性。然而，我们也不能忽视小功率设备，其故障一样会产生巨大的经济损失，甚至导致整条生产线瘫痪。
得益于先进数字控制算法的应用，新的故障诊断方法不断出现。如傅里叶分析的引入就是人工诊断方法的自然扩展，该方法采用振动传感器和电流传感器，可以检测机械轴承故障或笼型电机转子故障。另一方面，这一领域起初就较重视人工智能相关技术的研究，这是因为传统故障诊断方法中有些就是基于专业知识的诊断方法。基于数学模型的故障检测是第三类故障检测方法，例如状态观测和识别，这类方法最早是在自动控制领域发展起来的。
1995年，为了协调电力传动系统故障检测方面的工作， “GDR Electrote- chnique”和“GDR Automatique”（电气工程和自动控制）两大研究组织共同对感应电机的监测和诊断课题展开了联合研究。来自这两大领域的法国研究团队和几个来自信号处理领域的研究团队定期举行会议，展示工作成果，讨论联合研究方案。同样的，“参数辨识”研究团队主要在连续系统的系统辨识和电机物理参数估计方面开展研究工作。经过这些研究团队的共同努力，一致认为故障电机的建模和早期故障检测中的参数辨识是极其重要的。 具体来说，E. Schaeffer在定子绕组短路故障建模（详见第2章）方面的研究，推动了故障检测技术的发展。该方法使得在早期故障检测中建立宏观模型，
以及在交流电机电气故障仿真中建立更加完善的模型成为可能。同样地，J. Faucher及其学生的相关研究工作提出了可替代硬件实验的故障仿真技术，有效地避免了故障实验的潜在破坏性。参数辨识方法很适合电机内部故障的检测（如定子绕组短路、转子断条等），而状态观测的方法则更适合于电机外部故障的诊断，例如传感器或执行器故障。此外，故障模型和包含（关于正常系统）先验知识的物理参数估计方法的结合，使得针对感应电机定／转子的故障诊断方法不断完善。这些方法在另一本专著中有两章进行详细介绍，本书中只在第2章和第3章中有所提及。
《电机故障诊断》中给出的研究成果来自于与前文提到过的研究团队的合作，他们致力于电机故障诊断方法、以及可用于电力传动系统故障诊断的更为普适方法的研究。这里的故障主要是指电机故障，但故障也可能存在于电力电子设备或电池的能量存储系统中。故障类型种类繁多，如定子或转子故障、机械故障、热故障、逆变器故障和充电状态估计等。同时我们发现处理这些故障的方法也多种多样，这些方法主要可分为两大类：一类是基于模型的方法，如参数识别法、状态观测法、无效模型法等；另一类是不依赖于模型的方法，例如频谱分析、神经网络和模糊逻辑等人工智能方法。
读者必须注意的是，故障诊断结果存在概率的问题。检测一个故障，特别是一个早期故障，其检测结果对应某个可信度，最终系统是正常运行或是异常运行的可能性均存在。比如说，由参数识别算法给出的检测结果是电阻增大，这有可能导致转子发热（正常情况），也有可能导致断条（异常情况）。因此，至今为止也没有一个完美的方法可以解决电机故障监测问题，我们需要得到可靠的诊断结果以降低故障的误报率。
《电机故障诊断》中，第１章描述了电机的故障类型、何时发生，并分析了它们的物理成因（内部或外部的原因），如轴承中的感应电流、导体和绝缘体间不断的热循环；然后，介绍了文献中最常用的诊断方法。第２章介绍了一种基于短路位置感应电流的短路绕组建模新方法，该感应电流会在电机气隙中产生干扰磁场。该方法的物理分析推导得到一种考虑定子短路绕组的全新Ｐａｒｋ模型，并可扩展到笼
评论
还没有评论。