专利名称：使用定子电流噪音消除的电动机缺陷检测用系统和方法
技术领域：
本发明一般涉及电动机，特别涉及用于检测指示电动机缺陷的初期条件的系统和方法。
背景技术：
三相感应电动机消耗大的百分比的发电容量。工业的这种“重载机器”的许多应用为风扇和泵工业应用。例如，在典型的集成造纸厂中，低压和中压电动机可包含所有被驱动电气负载的接近70%。由于工业中这些电动机的盛行，三相电动机可靠是最重要的。工业可靠性研究提示，电动机故障典型地分为四个主要类别中的一个。特别地，电动机缺陷典型地由于轴承故障、定子匝(stator turn)缺陷、转子线棒故障或其他一般缺陷/故障导致。 在这四种类型中，轴承、定子和转子故障占所有电动机故障的大约85%。据信，这一百分比可显著减小，如果被驱动设备在安装时更好地对准，并且无论运行条件如何变化保持对准的话。然而，电动机常常耦合到具有旋转不平衡的负载或不对准的泵负载，并由于给予电动机轴承的应力而过早地故障。另外，哪怕在最有利的条件下，手动地检测这种导致缺陷的条件也是困难的，因为这样做需要电动机正在运转。因此，操作者通常需要将电动机从运行中移除以进行维护再检查和诊断。然而，将电动机从运行中移除在许多应用中是不希望的，因为电动机停工时间可能是成本巨大的。因此，已经设计出某些检测装置，其产生关于运行的电动机的反馈。反馈于是由操作者再检查，以便确定电动机的运行条件。然而，监视运行中的电动机的大多数系统仅仅提供对可能已经损坏电动机的缺陷的反馈。因此，尽管运行反馈被发送给操作者，通常太晚以至于不能采取预防动作。某些系统已经试图向操作者提供早期缺陷警示反馈。例如，已经使用振动监视来提供某些早期的基于不对准或不平衡的缺陷。然而，当机械谐振发生时，机器振动被放大。 由于这种放大，表示严重机械不对称的假阳性是可能的。另外，基于振动的监视系统典型地要求将高度侵入性和专业化的监视系统配置在电动机系统中。鉴于基于振动的监视的缺点，已经开发出基于电流的监视技术，以便提供用于检测轴承缺陷的更为便宜、非侵入性的技术。还存在提出基于电流的缺陷检测的限制和缺点。 也就是说，在基于电流的轴承缺陷检测中，可能难以从电动机定子电流中提取缺陷识别标志。对于不同类型的轴承缺陷，缺陷识别标志可能出于不同的形式。根据一般缺陷发展过程，轴承缺陷可分为单点瑕疵或是普遍粗糙(generalized roughness)。当前使用的大多数基于电流的轴承缺陷检测技术指向检测单点瑕疵，并依赖于定位和处理定子电流中的特征轴承缺陷频率。然而，这种技术可能不适合检测普遍粗糙缺陷。也就是说，普遍粗糙缺陷表现出劣化的轴承表面，但不是被必然分辨出的缺陷，因此，特征缺陷频率可能不是必然地在定子电流中存在。由于多数轴承缺陷在一开始建立为普遍粗糙轴承缺陷、特别是在早期，基于电流的轴承缺陷检测技术能够检测这种普遍粗糙轴承缺陷将会是有利的。因此，可能希望设计出一种克服前述缺点的基于电流的轴承缺陷检测技术。通过提供轴承缺陷的早期检测，允许检测普遍粗糙轴承缺陷的基于电流的轴承缺陷检测技术将会是有利的。
发明内容
本发明提供了一种用于借助电流噪音消除来检测即将到来的机械电动机缺陷的系统和方法。电流数据被分解为非缺陷分量(即噪音)和缺陷分量，进行噪音消除，以便隔离电流的缺陷分量并产生缺陷识别符。根据本发明一实施形态，被配置为检测初期机械电动机缺陷的指标的控制器包含处理器，其被编程为从运行中的电动机接收第一实时运行电流数据组，定义第一实时运行电流数据组中存在的噪音分量，基于任何隔离的缺陷分量，产生第一实时运行电流数据组的缺陷指数。处理器进一步被编程为，从运行中的电动机采集至少一个附加的实时运行电流数据组，重新定义所述至少一个附加的实时运行电流数据组的每一个中存在的噪音分量，从所述至少一个附加的实时运行电流数据组移除所重新定义的噪音分量，以便识别其中存在的任何缺陷分量，基于任何所隔离的缺陷分量，对于所述至少一个附加的实时运行电流数据组的每一个产生缺陷指数。根据本发明另一实施形态，用于检测电机中的即将到来的缺陷的非侵入性方法包含，由运行中的电机采集多个定子电流数据组，对于所述多个定子电流数据组中的每一个配置电流数据滤波器，实时地将各个电流数据滤波器应用到其相应的定子电流数据组，以便产生噪音消除后的定子电流。该方法还包含，对于所述多个定子电流数据组中的每一个， 由噪音消除后的定子电流确定缺陷指数，对于所述多个定子电流数据组中的每一个，监视缺陷指数的值，如果预定数量的缺陷指数的值超过控制限制值，产生警报。根据本发明又一实施形态，用于监视电流以预测缺陷的系统包含至少一个非侵入性电流传感器，其被配置为从运行的电动机采集定子电流数据。系统还包含处理器，其被连接为从所述至少一个非侵入性电流传感器接收定子电流数据。处理器被编程为从所述至少一个非侵入性电流传感器重复地接收实时运行电流数据组，其中，所述实时运行数据组表征实时电动机运行。处理器进一步被编程为，由重复接收的实时运行电流数据组的每一个定义非缺陷分量，非缺陷分量为实时运行电流数据的周期性分量，并实时地从所述实时运行电流数据组的每一个中移除非缺陷分量，以便隔离出剩余电流数据。处理器还被编程为对剩余电流数据进行处理以识别可能的轴承缺陷，对于任何识别出的轴承缺陷产生缺陷指数，如果缺陷指数超过缺陷指数阈值，产生警报。由下面的详细介绍和附图，将会明了本发明的多种其他特征和优点。
附图示出了当前为实现本发明想到的优选实施例。在附图中图1为为实现本发明想到的电动机组件的原理图；图2为根据本发明的控制器的框图；图3为根据本发明一实施例的控制器的框图，其用于配置Wiener滤波器；图4为根据本发明一实施例的控制器的框图，其用于使用电流噪音消除来进行缺陷检测；图5为根据本发明一实施例，按照统计处理控制技术，相对于缺陷指数阈值绘制的缺陷指数数据的图表；图6为根据本发明另一实施例的控制器的框图；图7为一流程图，其示出了根据本发明一实施例使用电流噪音消除的用于缺陷检测的技术；图8为一流程图，其示出了根据本发明另一实施例使用电流噪音消除的用于缺陷检测的技术。
具体实施例方式这里给出的本发明的实施例涉及检测异常条件以便预测性地确定潜在的电动机缺陷。电流识别标志分析(CSA)用于再检查从监视运行的电动机的控制器的多个传感器接收的原始数据。系统——其优选为布置在控制器中——将检测/监视到的电流分解为非缺陷分量和缺陷分量，进行噪音消除操作以隔离电流的缺陷分量，并产生缺陷识别符。于是， 在缺陷发生之前，向被监视的电动机系统的操作者前摄地(proactively)警示潜在的缺陷。现在参照图1，电动机组件——例如感应电动机——被配置为驱动负载。电动机组件10包含电动机12，其从电源14接收电力。电动机组件10还包含控制器16 (即电流监视系统)，其用于监视以及响应于操作者输入或电动机缺陷条件地控制电动机10的运行。电动机12和控制器16典型地耦合到电子装置，例如电力控制器或启动器17，并与电动机电源串联，以便控制到电动机12的电力。控制器16包含处理器18，其如同将会参照图2详细介绍的那样，实现确定不希望的机械条件的存在并在缺陷发生之前预测性地向操作者警报潜在缺陷的算法。控制器16还包含电流传感器22。根据本发明一示例性实施例，将会明了， 电流传感器22为已有的传感器，其还用于监视到电动机的电流输入，并且通常监视电动机运行。也就是说，不需要分立的一组用于采集在本发明的噪音消除系统/技术(在下面详细介绍)中使用的电流数据的电流传感器。因此，经由电流传感器22的用在噪音消除系统 /技术中的电流数据采集被理解为构成用于预测性地确定潜在电动机缺陷的“无传感器”电流监视系统/技术。如公知的，电流数据可从三相电动机的仅仅两相采集，因为第三相的电流数据可从被监视的两相的电流数据外推。尽管将要参照三相电动机介绍本发明，本发明可同等地应用于其他的电动机。另外，尽管示为包含一对电流传感器22，还可想到，可使用一个电流传感器来仅仅采集一相的电流。
在本发明一实施例中，电流传感器22采集来自感应电动机的定子电流数据。从传感器22采集的定子电流数据被传送给处理器18，在处理器18中，电流使用CSA被分析，以便检测初期(即，即将到来的)电动机缺陷，例如轴承缺陷。由于特征缺陷频率的识别不是检测所有类型的轴承缺陷(例如普遍粗糙缺陷)的可行方案，根据本发明一实施例，处理器 18被编程为将缺陷检测问题作为低信噪比(SNR)问题来处理。处理器18于是被编程为将定子电流分解为噪音分量和缺陷分量(即轴承缺陷信号)。噪音分量为定子电流中的占优势的分量，并包含供电基波频率和谐波、偏心谐波(eccentricity harmonics)、槽谐波(slot harmonics)、饱和谐波和来自未知源的其他分量，包括环境噪音。由于这些占优势的分量在轴承缺陷存在之前和之后均存在，它们包含的许多信息与缺陷不相关。在这个意义上，它们可被处理为对于轴承缺陷检测问题的“噪音”。由于噪音的强度可能是轴承缺陷信号的IO4 倍(即，几十安培Vs毫安培)，轴承缺陷信号的检测构成低SNR问题。为了解决低SNR问题，处理器18实现噪音消除技术/过程，以便检测轴承缺陷信号。定子电流中的噪音分量被推定，接着，通过其推定以实时的方式被消除，因此由剩下的分量提供缺陷指示符。尽管已经知道处理器18被包含在独立的控制器16中，还可想到，处理器18可被包含在电力控制/启动器17中。另外，可以想到，处理器18可被包含在另一电力控制装置中，例如仪表、继电器或驱动器中。也就是说，可以想到，控制器16可包含已有的电力控制装置，例如仪表、继电器、启动器或电动机驱动器，处理器18可集成在其中。现在参照图2，示出了控制器16的更为详细的框图。如关于图1所陈述的，控制器 16包含处理器18和电流传感器22。另外，继电器组件16包含陷波滤波器对、低通滤波器 26、模拟到数字(A/D)转换器观。陷波滤波器对、低通滤波器沈和A/D转换器观运行为接收由电流传感器22产生的原始数据，并准备用于由处理器18处理的原始数据。也就是说，滤波器M和26用于消除基波频率(例如美国为60Hz，亚洲为50Hz)和低频谐波，因为这些谐波含量不与轴承故障相关。从测量得到的电流数据移除这样的频率(特别是基本频率分量)能大大改进模拟到数字转换分辨率和SNR，因为60Hz频率在电流信号的频谱中具有大的量值。尽管控制器16被示为包含滤波器对、26，然而，还可想到，电流数据可直接从电流传感器22传送到A/D转换器28。如图2所示，处理器至少部分地用作噪音消除系统，其将定子电流分解为噪音分量和缺陷分量。处理器18因此包含输入延迟30和电流预测器32，电流预测器被配置为预测在定子电流中存在的噪音分量。从重复采集的实时定子电流减去噪音分量的预测得到缺陷分量，其被轴承故障/缺陷注入定子电流。可以想到，电流预测器32可被配置为Wiener 滤波器(无限脉冲响应(IIR)或固定脉冲响应(FIR))、最陡下降算法、最小均方(LMS)算法、递归最小二乘(LRS)算法或其他的数字滤波器。现在参照图3，在本发明的示例性实施例中，处理器34在其中包含Wiener滤波器 36，其提供定子电流中的噪音消除和其中的缺陷信号的隔离。为了提供定子电流中准确的噪音消除，处理器34被编程为将Wiener滤波器36配置为准确定义(即推定)定子电流中的大多数噪音分量，使得定子电流中的缺陷信号不包含在其输出中。在配置Wiener滤波器 36时，处理器34分析与健康的轴承条件相关联的定子电流数据。与健康的轴承条件相关联的这种定子电流数据可包含第一定子电流数据组，例如，其是在轴承安装后的短时间内或在轴承条件监视过程开始时采集的，因此确保了定子电流中不包含轴承缺陷分量。第一定子电流数据组因此包含基线电流数据，其实质上包含不具有缺陷信息的纯噪音数据。第一定子电流数据组或基线电流数据由处理器34接收，并被实现为用于配置 Wiener滤波器36。具体而言，基线电流数据用于分配Wiener滤波器36中的系数。处理器 34向Wiener滤波器36分配系数，使得滤波器的预测误差e (η)在均方意义上最小化。如图 3所示，基线电流数据由下式描述χ (n) = Cl1 (η) +d (η) +V1 (η)公式 1其中，Cl1 (η)为噪音分量，d(n)为缺陷信号，V1 (η)为测量噪音。如上所述，基线电流数据没有缺陷信号，照此，公式1减为χ (n) = Cl1 (η) +V1 (η)。在配置Wiener滤波器36时，处理器34通过使用最小均方误差(MMSE)方法来分配滤波器的系数。在实施/应用匪SE方法时，根据下式，处理器34解出系数w(k)，k = 0， 1，……，P，以便使得均方预测误差ξ最小化其中，Ε{}为期望值，nQ为输入χ(η)的延迟，w(k)，k = 0，l，……，ρ为Wiener滤波器36的系数，ρ为滤波器的阶数。通过将ξ关于w(k)的偏导数设置为等于零来寻找系数，如下式代入 -x(n-nQ - k)(公式 3a)到公式3，得到E{e(n)x(n-n0_k)} = 0 ;k = 0，1，...，p (公式 4)已经知道，其为正交原理或投影定理。代入Φ) 二 Φ) — Σ W(J>C -B0 -./')(公式 4a)
/=0到公式4，得到
「「 1Ei χ(η)-Σ^φχ(η-η -j) xfh — κ。—衫=0; k = 0X...,p (公式 5) 或相当于
ρ、 Σ ></)￡{*( —/)x( -we -錢￡·{.< )χ(μ-； k=0X,. p (公式 6)
J=Q通过假设信号χ (η)为广义平稳(WSS)，于是E {x (n-j) χ (n_k)} = rx (k_ j) (公式 7)公式6因此简化为
ρΣ (k^J) +k) I k = ^l-'F (公式 8) /=0以矩阵形式，公式8可被写作
O； k=01l ,p,(公式 3)
或表示为
权利要求
1.一种控制器，被配置为检测初期机械电动机缺陷的指标，其具有处理器，处理器被编程为从运行中的电动机接收第一实时运行电流数据组； 定义第一实时运行电流数据组中存在的噪音分量；从第一实时运行电流数据移除噪音分量，以便识别在第一实时运行电流数据组中存在的任何缺陷分量；基于任何所隔离的缺陷分量，对于第一实时运行电流数据组产生缺陷指数； 从运行中的电动机采集至少一个附加实时运行电流数据组； 重新定义所述至少一个附加实时运行电流数据组的每一个中存在的噪音分量； 从所述至少一个附加实时运行电流数据组的每一个中移除重新定义的噪音分量，以便识别其中存在的任何缺陷分量；以及基于任何所隔离的缺陷分量，对于所述至少一个附加实时运行电流数据组的每一个产生缺陷指数。
2.权利要求1的控制器，其中，处理器进一步被编程为，基于其中的周期性分量，重新定义所述至少一个附加实时运行电流数据组的每一个中存在的噪音分量。
3.权利要求2的控制器，其中，所述至少一个附加实时运行电流数据组的每一个中的周期性分量包含具有变化的频率和幅度的正弦信号。
4.权利要求1的控制器，其中，处理器被进一步编程为，向多个所产生的缺陷指数应用统计过程控制分析，以便计算缺陷指数警示阈值。
5.权利要求4的控制器，其中，处理器进一步被编程为，如果缺陷指数的检测到的变化超过缺陷指数警示阈值，产生警报。
6.权利要求5的控制器，其中，处理器被进一步编程为 确定超过缺陷指数警示阈值的缺陷指数的百分比；以及如果超过缺陷指数警示阈值的缺陷指数的百分比超过预定的百分比，产生警报。
7.权利要求1的控制器，其中，处理器被进一步编程为 基于第一实时运行电流数据组，配置Wiener滤波器；以及基于所述至少一个附加实时运行电流数据组的每一个，重新配置Wiener滤波器， Wiener滤波器被配置为推定与第一实时运行电流数据组以及各个附加实时运行电流数据组对应的重新定义的噪音分量。
8.权利要求7的控制器，其中，缺陷分量包含Wiener滤波器的预测误差。
9.权利要求1的控制器，其中，处理器进一步被编程为，计算缺陷分量的均方根(RMS) 值，以便产生缺陷指数。
10.权利要求1的控制器，其中，缺陷分量包含各个实时运行电流数据组中的非周期性分量。
11.一种用于检测电机中的即将到来的缺陷的非侵入性方法，其包含 从运行中的电机采集多个定子电流数据组；对于所述多个定子电流数据组的每一个，配置电流数据滤波器； 实时地将各个电流数据滤波器应用到其相应的定子电流数据组，以便产生噪音消除后的定子电流；对于所述多个定子电流数据组中的每一个，由消除噪音后的定子电流确定缺陷分量； 对于所述多个定子电流数据组的每一个，监视缺陷指数值；以及如果预定数量的缺陷指数值超过控制限制值，产生警报。
12.权利要求11的方法，其中，对于所述多个定子电流数据组的每一个配置电流数据滤波器包含，对于所述多个定子电流数据组的每一个，重新配置Wiener滤波器。
13.权利要求12的方法，其中，对于所述多个定子电流数据组的每一个重新配置 Wiener滤波器包含，由各个定子电流数据组，推定周期性噪音分量。
14.权利要求13的方法，其中，对于所述多个定子电流数据组的每一个产生噪音消除的定子电流包含，从所述多个定子电流数据组的每一个中消除周期性噪音分量。
15.权利要求12的方法，其还包含通过将最小均方误差(MMSE)操作应用到与所重新配置的Wiener滤波器相关联的定子电流数据组，选择各个重新配置的Wiener滤波器中的系数。
16.一种用于监视电流以预测缺陷的系统，其包含至少一个非侵入性电流传感器，其被配置为从运行中的电动机采集定子电流数据；以及处理器，其被连接为从所述至少一个非侵入性电流传感器接收定子电流数据，处理器被编程为从所述至少一个非侵入性电流传感器重复接收实时运行电流数据组，实时运行电流数据组表征实时电动机运行；由重复接收的实时运行电流数据组的每一个定义非缺陷分量，非缺陷分量为实时运行电流数据的周期性分量；实时地从各个实时运行电流数据组移除非缺陷分量，以便隔离剩余电流数据； 处理剩余电流数据，以便识别可能的轴承缺陷； 对于任何所识别的轴承缺陷，产生缺陷指数；以及如果缺陷指数超过缺陷指数阈值，产生警报。
17.权利要求16的电流监视系统，其中，处理器进一步被编程为，基于各个实时运行电流数据组，重复性地重新配置Wiener滤波器，Wiener滤波器被重新配置为重新定义各个实时运行电流数据组中的非缺陷分量。
18.权利要求17的电流监视系统，其中，处理器被进一步编程为，重新配置Wiener滤波器，以便定义各个实时运行电流数据组中的周期性分量。
全文摘要
公开了用于借助电流噪音消除来检测初期机械电动机缺陷的系统和方法。系统包含控制器，其被配置为检测初期机械电动机缺陷的指标。控制器进一步包含处理器，其被编程为从运行的电动机接收基线电流数据组，并定义噪音电流数据组中的噪音分量。处理器被进一步便成为，从运行中的电动机采集至少一个附加实时运行电流数据组，重新定义各个附加实时运行电流数据组中存在的噪音分量，实时地从运行电流数据中移除噪音分量，以便隔离运行电流数据中存在的任何缺陷分量。于是，处理器被编程为，基于任何隔离的缺陷分量，对于运行电流数据产生缺陷指数。
文档编号G01R31/34GK102341720SQ201080010780
公开日2012年2月1日 申请日期2010年1月7日 优先权日2009年1月8日
发明者M·P·诺瓦克, S·A·迪米诺, 周伟, 陆斌 申请人:伊顿公司