李旭東

摘 要：改革后，我國的科學(xué)水平不斷進(jìn)步，帶動了個領(lǐng)域的發(fā)展。目前，電機是電場核心運行設(shè)備，在實際運行過程中，電機容易出現(xiàn)各種各樣故障，針對該問題，提出了電機運行過程中故障診斷與解決措施。根據(jù)電機不同結(jié)構(gòu)，分析電機啟動控制線路故障原因和轉(zhuǎn)子故障原因，并提出相應(yīng)解決措施，使電機能夠重新安全穩(wěn)定運行。

關(guān)鍵詞：電機運行;故障診斷;啟動控制線路;轉(zhuǎn)子

引言

電機廣泛應(yīng)用在機械制造、冶金煤炭和石油化工等生產(chǎn)領(lǐng)域，對國民經(jīng)濟(jì)的發(fā)展具有支撐性的作用，然而由于電機所處的工作環(huán)境和運行方式的不同，每年均會發(fā)生因電機故障導(dǎo)致的各種生產(chǎn)線停產(chǎn)的事故，嚴(yán)重破壞生產(chǎn)秩序，制約著生產(chǎn)節(jié)奏，因此尋求一種可靠的電機診斷技術(shù)用于指導(dǎo)電機的日常保養(yǎng)，開展針對性的周期維護(hù)工作對生產(chǎn)線的穩(wěn)定運行具有重要的意義。

1電機故障診斷方法的研究現(xiàn)狀

電機故障診斷開始于上世紀(jì)六七十年代，歷經(jīng)事后維修、基于CBM狀態(tài)維修（Condition - basedmaintenance）、PM預(yù)測維修（Predictive Maintenance）等階段，從而逐步加強電機運行系統(tǒng)的穩(wěn)定性、安全性、可靠性、維修經(jīng)濟(jì)性。但是由于電機故障診斷來自于電機本身結(jié)構(gòu)復(fù)雜性，故障關(guān)聯(lián)影響，以及電機涉及機械、電氣等故障診斷問題，因而對電機故障診斷極為復(fù)雜，涉及技術(shù)較多?；趥鹘y(tǒng)電機故障診斷方法一般根據(jù)建實際測量電機運行參數(shù)基礎(chǔ)上，采用信號處理方法，提取一些故障特征量進(jìn)行診斷分析。隨著對電機模型深入研究及實際應(yīng)用工程參數(shù)分析的研究，對異步電機定子電流包含的電機運行狀態(tài)信息及信號的分析，開展了電機電氣類故障檢測和電機振動信號、故障交互影響等研究，并且基于電機運行狀態(tài)的特征量分析，提取出關(guān)鍵故障特征量進(jìn)行電機故障診斷識別，大大提高了故障檢測水平和能力。通過對比分析現(xiàn)場動力運行系統(tǒng)中記錄的各類電機運行歷史數(shù)據(jù)，對于電機運行條件、調(diào)節(jié)方式、變負(fù)荷運行狀態(tài)、電機軸承振動特性、節(jié)能效果等方面進(jìn)行分析，研究轉(zhuǎn)速大范圍變化狀態(tài)下的電機結(jié)構(gòu)共振問題，同時研究故障信號特征提取方法，比如傅里葉短時變換算法、魏格納一維爾分布、經(jīng)驗?zāi)B(tài)分解、小波變換等，引入信號分析應(yīng)用到電機運行狀態(tài)檢測和故障診斷中，極大提高了信號高頻部分的頻率分辨率。

隨著人工智能、機器學(xué)習(xí)技術(shù)的應(yīng)用，智能獲取數(shù)據(jù)驅(qū)動信息，實現(xiàn)設(shè)備自動學(xué)習(xí)及記憶診斷，最大程度減少人為性干預(yù)，從而實現(xiàn)機械故障診斷大數(shù)據(jù)化與智能化，完成整個電機運行狀態(tài)的識別，利用小波尺度域濾波消除干擾噪聲，提高關(guān)聯(lián)維數(shù)計算的準(zhǔn)確性和穩(wěn)定性。

2電機運行過程中故障解決措施

2.1電機轉(zhuǎn)子解決措施

采用信號注入法，其基本思想是：在電機定子繞組中，用頻率信號之外的電源頻率分量，為電機定子繞組產(chǎn)生與負(fù)序旋轉(zhuǎn)磁場引入的轉(zhuǎn)子繞組不對稱的新元件，從而產(chǎn)生新的故障特征元件，從而避免電源頻率分量的影響。這種電源是由晶閘管逆變器提供的，它的電壓和電流含有大量的諧波，這些諧波在某種程度上可以被視為注入信號。所以在消除電機噪聲之前，先采集電源定子電流信號，分析電機故障簡單實用。

2.1.1鋼轉(zhuǎn)子繞組

關(guān)于鋼轉(zhuǎn)子繞組故障解決措施如下所示：轉(zhuǎn)子銅桿斷條的主要原因是銅桿焊接處脫焊和短路環(huán)，此時，處理更加方便，就像對電機處理一樣，先清理，再焊接。電機運轉(zhuǎn)時間長，轉(zhuǎn)子上有大量灰塵、油污、苔蘚可以清潔。要用銼刀和電動研磨機耐心地研磨，而且必須研磨干凈，不然無法焊接一半。中間的轉(zhuǎn)子槽已被發(fā)現(xiàn)銅桿折斷，破碎的銅棒應(yīng)全部打碎，然后對核心部位的雜物進(jìn)行仔細(xì)清理，根據(jù)槽的大小，將新的銅棒推入投幣孔。用端環(huán)焊接牢固。將環(huán)氧樹脂填充于轉(zhuǎn)子槽的氣隙中，使銅棒與鐵芯凝固為一體，可有效防止銅棒內(nèi)部振動，防止疲勞斷裂。

2.1.2鑄鋁轉(zhuǎn)子繞組

關(guān)于鑄鋁轉(zhuǎn)子繞組解決措施如下所示：（1）讓生產(chǎn)廠家重鑄;（2）在熔煉整個轉(zhuǎn)子鑄鋁后，改用銅帶子。特定程序是：鑄鋁完全熔化后，空心鑄鋁槽，增加整個紫銅帶，形成幾個矩形的平行六面體，根據(jù)槽的形狀和大小，以及它的表面積應(yīng)該小于2/3的油罐區(qū)域，這樣就可以避免這樣的問題，比如減小扭矩時開始減小，定子電流增加時開始減小，使汽車在全負(fù)荷下平穩(wěn)運行，銅帶子的長度和寬度要符合一定的比例，槽內(nèi)不能有過多的間隙，以免振動。

2.2電機振動故障解決措施

電動機振動故障主要由于機軸承振動超標(biāo)、電機軸承溫度過高、葉片磨損、動葉卡澀、漏油、旋轉(zhuǎn)失速與喘振、電磁振動和轉(zhuǎn)子產(chǎn)生的機械振動等原因造成。電機軸承振動超標(biāo)主要原因在于葉片非工作面積灰、葉片磨損、葉片腐蝕等。電機軸承振動超標(biāo)極容易造成電動機螺栓松動、軸承和葉片的損壞、機殼等部位的損壞故障。電機葉輪氣流由在葉片非工作面產(chǎn)生旋渦，氣流中積灰累積達(dá)到一定閥值時，將在各葉片上積灰不均勻，容易造成葉輪質(zhì)量的動態(tài)不平衡分布，造成電機振動增大。電機葉片發(fā)生磨損時，葉輪動平衡狀態(tài)發(fā)生變化，導(dǎo)致導(dǎo)致電機振動緩慢上升;另外電動機處于低溫腐蝕狀態(tài)下，容易造成腐蝕小薄鋼片脫落直接打在葉片上，造成葉片的動不平衡鞥形成振動;再有，風(fēng)道系統(tǒng)振動導(dǎo)致電機負(fù)荷增大，電機軸承的振動會逐漸加大，再有電機內(nèi)風(fēng)葉與靜止結(jié)構(gòu)發(fā)生碰摩、葉片松動使其晃度變大、軸與軸承松動、軸承損壞、主軸彎曲等也容易引起電動機振動加劇。另外，轉(zhuǎn)子過臨界轉(zhuǎn)速引起共振、聯(lián)軸器中心偏差大、基礎(chǔ)或機座剛性不夠、原動機振動等原因，產(chǎn)生電動機振動超標(biāo)現(xiàn)象。電動機軸承溫度異常升高原因主要在于軸承冷卻不足、潤滑效果不良、軸承發(fā)生異常;電動機漏油主要是因為軸承骨架油封密封老化、變形、潤滑油質(zhì)不合格、軸承雜質(zhì)進(jìn)入潤滑系統(tǒng)損傷磨壞密封件，軸承箱骨架油封壓環(huán)外鎖緊螺母松動造成潤滑油系統(tǒng)漏油等原因引起;動葉卡澀主要在于電動機動葉片與輪毅間存在空隙，不完全燃燒碳垢、灰塵落入空隙，引起動葉調(diào)節(jié)困難;旋轉(zhuǎn)失速和喘振是電動機的兩種基本異常工況，由于氣流發(fā)生離心造成大量區(qū)域渦流容易引起電機旋轉(zhuǎn)失速。喘振是因為電機處在不穩(wěn)定的工作區(qū)運行出現(xiàn)流量、風(fēng)壓大幅度波動的現(xiàn)象，產(chǎn)生旋轉(zhuǎn)氣流。電機內(nèi)電氣回路產(chǎn)生電磁振動和轉(zhuǎn)子產(chǎn)生機械振動，導(dǎo)致三相電壓、電流不平衡、轉(zhuǎn)子籠條斷裂、各相電阻電抗不平衡、電機設(shè)計缺陷、定轉(zhuǎn)子氣隙不均勻、線圈松動等引起電磁振動增大;再有軸頸橢圓、電機轉(zhuǎn)子動平衡不良、軸承座固定螺絲松動、軸承跑內(nèi)圈、軸承跑外圈、軸承中心不正、軸頸軸套配合緊力不夠，軸承間隙過大等容易引起電機轉(zhuǎn)子機械振動增大。

結(jié)語

電機運行過程中故障會導(dǎo)致相關(guān)生產(chǎn)或工藝設(shè)備非正常運行，造成生產(chǎn)停頓，重要設(shè)備停用，日常生活不方便，給個人和企業(yè)帶來無法彌補的經(jīng)濟(jì)損失，甚至帶來災(zāi)難性的后果。電機故障診斷技術(shù)是在了解、總結(jié)反映電機故障前后運行狀態(tài)的物理量變化規(guī)律的基礎(chǔ)上逐步發(fā)展起來的，從根本上講，在電機負(fù)荷運行或微小拆卸時，通過對其狀態(tài)參數(shù)的檢測與分析，就能判斷出是否有異常，故障發(fā)生的位置及原因，以及對設(shè)備及未來狀態(tài)的預(yù)測，從而及時維修車輛。

參考文獻(xiàn)

[1]茍旭丹.基于Hilbert模量與改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電機轉(zhuǎn)子斷條故障診斷[J].電測與儀表，2018，55（003）：55-58.

[2]高斐，李洪儒，許葆華，等.基于ICPSO優(yōu)化的極限學(xué)習(xí)機在故障診斷中的應(yīng)用[J].中國機械工程，2013，24（20）：2753-2757.