異步電機因其結構簡單、運行可靠及堅固耐用等優(yōu)點，已廣泛應用于農(nóng)業(yè)、商業(yè)和工業(yè)等各個領域。作為重要的能源轉(zhuǎn)換裝置，異步電機的健康、可靠運行對保證生產(chǎn)連續(xù)性、降低系統(tǒng)維護成本具有重要意義。在諸多故障類型中，軸承故障是電機最易發(fā)生的故障，約占電機故障總數(shù)的40%。因此，軸承故障診斷一直是電機故障診斷領域的研究熱點之一。
異步電機軸承發(fā)生故障類型按其受損區(qū)域的大小可分為局部損傷類故障和磨損類故障。當前，對異步電機軸承故障診斷普遍采用振動信號分析方法。但是這種檢測方法需要在電機上安裝振動傳感器，不僅增加了投資及維護工作量，而且在很多場合下安裝振動傳感器設備頗為不便。
電機電流信號特征分析（Motor Current Signature Analysis, MCSA）方法獲取信號方便，能夠有效降低監(jiān)控成本，并易于構成非侵入式的電機連續(xù)狀態(tài)監(jiān)測系統(tǒng)。因此，基于電機定子電流信號分析的軸承故障診斷方法已成為軸承故障診斷研究的熱點。
經(jīng)典MCSA方法是一種基于快速傅里葉變換（Fast Fourier Transform, FFT）的頻域分析方法，當異步電機穩(wěn)定運行時，采集單相定子電流信號，然后對定子電流信號做FFT頻譜分析以達到對故障特征識別的目的。然而電機軸承故障引發(fā)定子電流的變化一般比較微弱，加之基頻頻譜泄露和偏心諧波以及供電系統(tǒng)強噪聲的影響，電機低負載運行時直接通過經(jīng)典的MCSA故障診斷方法很難判定電機軸承是否發(fā)生故障。
近年來，很多學者采用多種信號分析方法進行電機軸承故障診斷。Y. Imaouchen等[9]提出通過Hilbert變換提取電機電流信號的包絡線，使用小波包分解將包絡線信號自適應分解為不同頻帶，并將每個節(jié)點的能量當作特征值對軸承故障作進一步分析。Y. Amirat等[10]提出將采集到的電流信號經(jīng)Hilbert變換提取包絡信號之后，通過統(tǒng)計分析獲得包絡信號的方差作為故障特征值，進而利用設定的閾值判斷雙饋感應發(fā)電機是否發(fā)生軸承故障。
J. Zarei等[11]根據(jù)軸承發(fā)生故障時的定子電流特征，求出三相電流的Park矢量模信號，并利用FFT頻譜分析提取故障特征，通過仿真和實驗驗證該方法可以有效診斷電機軸承早期故障。薛征宇等[12]則提出一種基于Park矢量的改進聚類處理算法，該方法通過辨識電動機三相定子電流中的故障信息進行軸承故障診斷。
而S. B. Salem等[13]運用Hilbert變換和Park變換相結合的技術提取三相定子電流的希爾伯特幅值空間矢量信號（Hilbert Modulus Current Space Vector, HMCSV）和希爾伯特相角空間矢量信號（Hilbert Space Current Space Vector, HPCSV），并進一步使用FFT頻譜分析提取電機偏心和軸承外圈故障特征值，最后利用支持向量機（Suppore Vector Machine, SVM）對電機故障分類。
然而，使用小波包分解對包絡線信號進行分析的軸承故障診斷方法需要較大的計算量，不利于故障的在線診斷；對包絡線信號進行統(tǒng)計分析通過人為設定閾值來判斷軸承是否發(fā)生故障使得診斷方法的通用性差；而基于Park矢量方法的軸承故障診斷方法容易受供電電網(wǎng)頻率波動造成三相電壓不平衡等外界因素的影響。
本文提出一種基于定子電流Hilbert解調(diào)的異步電機軸承外圈故障無速度傳感器診斷方法。該方法通過采用Hilbert解調(diào)求取平方包絡線信號，可以克服供電電網(wǎng)頻率波動造成的影響，而且直接對求取的平方包絡線信號做FFT頻譜分析，根據(jù)平方包絡線頻譜中是否存在軸承外圈故障特征頻率就可以判斷軸承是否發(fā)生故障，使得其計算量少且通用性強。
主要思路是使用Hilbert變換構造定子電流解析信號，在此基礎上，提取解析信號的平方包絡線并做FFT頻譜分析，同時采用齒諧波（Rotor Slot Harmonics, RSH）進行電機轉(zhuǎn)速估計以求取軸承外圈故障特征頻率，最后根據(jù)FFT頻譜中是否存在軸承外圈故障特征頻率以判斷電機是否發(fā)生故障。
該方法能夠?qū)⒐收咸卣黝l率的檢測從傳統(tǒng)的邊頻帶成分轉(zhuǎn)換為對軸承外圈故障特征頻率的直接檢測，可以有效消除基頻頻譜泄露和供電系統(tǒng)噪聲的干擾，改善頻譜質(zhì)量，便于捕捉故障信息。
圖3 電機數(shù)據(jù)采集實驗臺和實驗用外圈故障軸承示意圖
