永磁電機故障診斷和容錯技術概述

1、2017 年第 2 期11永磁電機故障診斷和容錯技術概述（中車株洲電力機車，湖南 株洲 412001）摘 要：永磁電機在國內(nèi)一些關鍵裝備領域（如軌道交通、電動汽車、風力發(fā)電）的應用日益增加，這些領域?qū)﹄姍C的可靠性提出很高的要求。永磁電機由于存在旋轉的永磁體，即使定子已斷電，對電機的損壞行為仍將繼續(xù)，因此電機狀態(tài)監(jiān)測、故障診斷及容錯對維持系統(tǒng)安全可靠十分重要。文章闡述了永磁電機狀態(tài)監(jiān)測和故障診斷技術的發(fā)展近況，特別介紹了轉子去磁、定子繞組匝間短路、轉子偏心等故障的診斷方法及在非穩(wěn)態(tài)下故障診斷、故障容錯運行方法，指出系統(tǒng)故障預診斷和健康管理技術是未來發(fā)展方向。：永磁電機；狀態(tài)監(jiān)測；故障診斷；電信號

2、分析；去磁；匝間短路；偏心；容錯；非穩(wěn)態(tài)號：TM351文獻標識碼：A文章編號：2095-3631(2017)02-0011-06doi:10.13889/j.issn.2095-3631.2017.02.002Review on Fauiagnosis and Fault Tolerant Control forPermanent Magnet Electrical MachinesKE Siqin( CRRC Zhuzhou Institute Co.,., Zhuzhou,Hunan 412001, China )Abstract: Permanent magnet electrical

3、machines (PMEM) have started to be more preferred in some safety critical application fields such as rail-transit, electric vehicle, wind power generation etc, and reliability of electrical machine is highly required in these fields. Due to the presence of rotating permanent magnets, damage to the m

4、achine will continue even if the stator is disconnected from the line, so condition monitoring, fau iagnosis techniques(CMFD) and fault tolerant control for PMEM are very important for system safe operation. It reviewed recent reports on CMFD for PMEM, specially diagnosis methods for faults such as

5、rotor demagnetization, stator inter-turn short and eccentricity. Fault tolerant control and fau iagnosis under non-stationary condition for PMEM were also presented and prognosis andhealth management is pointed to be the trend in this field.Keywords: permanent magnet electrical machine; condition mo

6、nitoring; fauinter-turn short circuit; eccentricity; tolerant control; non-stationary conditioniagnosis; electric signal analysis; demagnetization;很高要求的領域，如軌道交通、電動汽車、風力發(fā)電等，0引言電電機的狀態(tài)監(jiān)測和故障診斷尤為重要，因此一直以來是電驅(qū)動系統(tǒng)中的關鍵部件，承擔著將受到高度重視。近年來，隨著的快速發(fā)展，率轉換為機械功率的重要任務。20 世紀最常用的電動電機狀態(tài)監(jiān)測和故障診斷技術也有相應的進步。國內(nèi)外在電機的狀態(tài)監(jiān)測與故障診斷領域開

7、展了不少工作， 已有較多文獻1-3，但有關永磁電機方面的相關文獻較少。本文僅就永磁電機狀態(tài)監(jiān)測和故障診斷技術， 特別對轉子去磁、定子繞組匝間短路、轉子偏心等故障的診斷方法及在非穩(wěn)態(tài)下故障診斷、故障容錯運行等作一些簡要介紹 。機是直流電速發(fā)展，異步電，隨著電子功率器件及技術的迅變頻驅(qū)動取而代之。21 世紀以來，永磁電以其效率高、性能比好的優(yōu)勢，在一些重要領域已取代異步電。在一些對安全、可靠性有收稿日期：2016-12-20作者簡介：（1968-），女，工程師，主要從事科技期刊編輯4及科技文獻研究工作。綜論122017 年第 2 期1狀態(tài)監(jiān)測機座的橫向振動是由軸承磨損或轉子偏心等所致，而這還是產(chǎn)生

8、不平衡磁拉力的主要。這些力可能導致軸對電機進行狀態(tài)監(jiān)測的主要目的是監(jiān)測電機狀態(tài)的變承的過早磨損。機械振動的檢測有兩種方法，一種是將加速度傳感器安裝在軸承座上，測量較高頻率范圍的振動；化、辨別變化的（診斷）、預計在可見的未來電機的狀態(tài)（預診斷）。故障的包含實質(zhì)上的不確定性，因另一種是將度傳感器安裝在定子側的機座上，對橫向此預診斷是一項的工作，本文對此不作詳細介紹。振動進量。一些電氣故障也可以通過對振動信號的分狀態(tài)監(jiān)測的第一步是從各種傳感器獲取信號；第二步是信號調(diào)理，包括被測數(shù)據(jù)的初始處理；第三步是故障診斷。1.1 狀態(tài)信號檢測根據(jù)被測信號類別，狀態(tài)監(jiān)測包括電信號、磁信號、振動信號、溫度狀態(tài)及聲學

9、信號等檢測方法。1.1.1 電信號檢測 3電信號檢測僅對電信號（如電流、電壓）作評估， 其優(yōu)點是非侵入性、信號獲取容易。特別是電流信號， 只需利用系統(tǒng)已有的傳感器便能獲取，同時電流檢測電路便于與保護和調(diào)速系統(tǒng)集成，實現(xiàn)成本低、難度小， 因此本文主要關注電流檢測方式。目前，電流信號分析法（motor current signal analysis, MCSA) 已成為電機故析進行監(jiān)測。文獻6 基于振動信號分析提出一種永磁同步電故障檢測和的方法，可用于監(jiān)測轉子偏心、去磁及定子繞組匝間短路等故障。1.1.4 溫度狀態(tài)檢測溫度狀態(tài)檢測可以通過直接測量方式或由狀態(tài)觀測器或模型方式進行。直接測量法是通過預

10、先埋置在定子繞組、軸承等部位的溫度傳感器來進行檢測溫度信號， 已被廣泛采用；但受傳感器數(shù)量和分布位置等因素限制，該方法有一定的局限性，特別是對轉子溫度，難以采用該方法獲得。文獻7 基于永磁磁通與溫度的敏感關系提出了一種磁通觀測器，其通過對永磁同步電機轉子磁通變化的觀測來間接評估磁鐵的溫度。文獻8 介紹了幾種關于轉子磁鐵溫度的監(jiān)測方法，如熱模型、磁通觀測器及電壓信號注入方式等并對其優(yōu)缺點進行了評估。1.1.5 聲學信號檢測聲學信號檢測是基于電機發(fā)出特殊聲音的狀態(tài)，但測量結果與電機運行環(huán)境的背景噪音有很大關系，因此很難在現(xiàn)實的工業(yè)環(huán)境中采用。隨著數(shù)據(jù)分析技術的進步，文獻 9 提出了一種聲學信號的識

11、別方法來診斷電機故障。1.2 信號調(diào)理通過傳感器獲得的信號稱為原始信號，一部分可直接利用，如溫度、位移等；但大部分由于含有豐富的噪聲或諧波 , 這些信號必須經(jīng)過處理。初始處理包括對被測數(shù)據(jù)進行濾波、變換、檢測、頻譜分析、估算、壓縮、障診斷最常用、最有效的方法，可以監(jiān)測以發(fā)現(xiàn)早期故障。該方法對平穩(wěn)信號能給出滿意的結果，但無法用于非平穩(wěn)信號的故障診斷，這是因為其所用的快速傅里葉變換（fast Fourier tranform，F(xiàn)FT) 不適用于非穩(wěn)態(tài)。1.1.2 磁信號檢測磁信號檢測是對被埋在定子槽內(nèi)或放置在電機外部（如Rogowki 線圈）的磁場測量線圈 5 的信號進行評估?；谕獯艌龅姆椒?，其

12、優(yōu)點為非侵入性，而且操作簡單；缺點是磁場建模。外磁場可分解為軸向和徑向。軸向磁場處于含電機軸線的平面內(nèi)，是由定子繞組端部或鼠籠端環(huán)中的電流所產(chǎn)生；徑向磁場處于與電機軸線垂直的平面內(nèi)，它是氣隙磁場的鏡像，會受定子鐵心及機座影響而衰減。在合適位置用測量線圈就可以測量外部漏磁場。例如，當定子繞組匝間短路時，氣隙磁場出現(xiàn)了不對稱，所產(chǎn)生的磁密分量將明顯地出現(xiàn)在外部漏磁場中。值得一提的是，用外部漏磁場檢測比用電流檢測識別等一系列工作，處理后提取并分析特一步狀態(tài)評估提供依據(jù)。1.3 故障診斷號，為下目前電機故障診斷方法可以分為 3 類： 基于模型的方法、基于信號的方法及人工智能（artificial in

13、telligence，AI) 方法。基于模型的方法，其采用數(shù)學模型來描述電機的運的靈敏度要高。據(jù)，軸向漏磁監(jiān)測方法可以用來檢測定子匝間短路、氣隙偏心、轉子斷條、非多種故障。1.1.3 振動信號檢測運行等行狀態(tài)，故障診斷速度快，能用于故障監(jiān)測；但需要振動信號檢測是基于對振動度或速度的評估，一準確的電機模型，而且故障診斷殘值不僅受系統(tǒng)故障影響，還受系統(tǒng)模型不確定性及干擾信號的影響。系統(tǒng)不確定性般采用壓電傳感器測取振動信號。機械的不平衡或故障難以由電信號來檢測，因此用振動信號來檢測由機械引無法用數(shù)學建模，并且模型與真實系統(tǒng)存在性能差異，起的故障更為合理。引起機械振動的可能是電氣故障，可能對基于模型的

14、故障診斷系統(tǒng)產(chǎn)生虛假殘值。也可能是機械故障。兩者以不同的方式影響振動。例如，2017 年第 2 期：永磁電機故障診斷和容錯技術概述13基于信號的方法，其經(jīng)初步處理后的信號需在不同的域內(nèi)進行頻率分析，以抽取更敏感、更能反映電機狀態(tài)的特征量，然后將其與無故障理想狀態(tài)下抽取的特征量進行對比。對于平穩(wěn)信號，一般采用 FFT 時域分析或頻域分析方法；而對于非平穩(wěn)信號，要用時頻域或小波分析法等更先進的方法來抽取特征量。該方法的主要優(yōu)點是不需要電機的動態(tài)模型，但故障診斷處理速度較另兩種方法的慢。目前，基于信號的故障檢測方法主要分為兩類，一種基于電流殘值，另一種基于電壓殘值。（1）式中：fs電源頻率；p極對數(shù)

15、；k正整數(shù)。檢測轉子磁鐵缺陷的法是估算在同步參中 d 軸定子繞組磁鏈值。磁鐵 d 軸磁通與定子繞組的磁鏈由式（2）給出。磁鐵的磁場強度用的平均值來衡量。（2）基于電壓殘值的故障檢測方法速度較快，和虛假ee式中：idsd 軸定子電流瞬時值；iqsq 軸定子電流瞬時值；Vqsq 軸定子電壓瞬時值；Ldsd 軸定子電感瞬時值；rs定子電阻；e轉子轉速瞬時值。文獻 13 推薦一種角域 - 階次比跟蹤 （angulardomain order tracking AD-OT) 方法對電流信號進行分故障能力較強，但需要額外的電壓傳感器。基于電流殘值的故障檢測方法，由于電流傳感器在系統(tǒng)中已存在，ee因此應用較

16、普遍，但速度較慢，基于人工智能的方法包括能力也較差。系統(tǒng)（expertsystem）、模糊邏輯（fuzzy logic）、人工神經(jīng)網(wǎng)絡（artificial neural network，ANN）及支持矢量機（support vector machine，SVM）等，是用于復雜系統(tǒng)的故障診斷最流行的 。其中 ANN 要求具有強大的計算能力，適合析。該方法一直被用于振動信號分析，這是第一次將其用于對永磁電機電流的分析。為獲得去磁磁通的大小和角度，文獻 14 推薦了一種狀態(tài)觀測器，其基于數(shù)學模型而構建，將 d 軸和 q 軸在失磁后的磁通作為未知量輸入，算法簡單、快速，能滿足在運行中實時監(jiān)測的要求。

17、文獻 15 推薦了一種滑模狀態(tài)觀測器（sliding檢測逐步發(fā)展的故障。系統(tǒng)常采用表，因此反應速度很快；其缺點是領域內(nèi)被有效表達。的經(jīng)驗知識可能無法observer）用來未知輸入對殘差產(chǎn)生的干擾。由于2永磁電機故障及其診斷永磁電機由于存在旋轉的永磁體，即使定子已從電源斷開，對電機的損壞行為仍將繼續(xù)。因此對永磁電機， 不僅需要在設計和制造工藝上強調(diào)可靠性，而且狀態(tài)監(jiān)測及容錯運行對電機的可靠運行也具有十分重要的意義。永磁電機故障可分為電氣故障（系統(tǒng)和繞組故障）、機械故障（軸承故障和偏心）和磁性故障（去磁）。觀測器的參數(shù)是由線性矩陣不等式而確定，故所產(chǎn)生的殘差只對故障信號敏感，提高了故障檢測的精度。

18、用該方法對永磁電機去磁故障進行檢測并了實際應用的驗證。2.2 轉子偏心故障，其效果得到轉子偏心為機械故障。氣隙偏心狀況通常有兩種類型：靜態(tài)偏心 (SE) 和動態(tài)偏心 (DE) （圖 1）。SE 是由定子內(nèi)徑的橢圓度或裝配不良引起的，其偏心的位置在空間上是固定的。DE 是由轉軸彎曲、軸頸為橢圓、機軸承故障及其檢測已有很多專門文獻，可參見文獻 10-11，因此這里不作介紹。下面主要就去磁、定子繞組短路及轉子偏心等故障的診斷方法等進行闡述。2.1 轉子去磁故障通常，啟動電流大、由瞬態(tài)到穩(wěn)態(tài)迅速變化時的電樞反應作用等因素易使永磁電機產(chǎn)生去磁故障，尤其是械共振、軸承磨損等引起。這兩種狀況也可能同時存在，

19、稱為混合偏心 (ME)。在高溫及弱磁同時存在的工，電樞反應作用更容易使磁鐵磁通發(fā)生不可逆的損失。去磁故障的結果是導致電機效率降低、振動及噪聲增加。目前，在對安全有很高要求的領域，其使用的電機在設計上采取有效措施以降低電樞反應的去磁作用并采用高溫磁鐵如釤鈷（Sm-Co） 磁鐵等來提高電機本身的抗去磁能力 12。與此同時， 加強對去磁故障的監(jiān)測也十分重要。產(chǎn)生局部去磁故障后，在 FFT 頻譜中會出現(xiàn)附加的邊帶分量，這些邊帶分量在頻帶中的位置可由式 (1) 給出：（a）正常轉子（b）靜態(tài)偏心轉子 （c）動態(tài)偏心轉子圖 1 氣隙偏心Fig. 1 Eccentricity由于偏心會產(chǎn)生不均衡磁拉力，使振

20、動增大，導致繞組和機座松動、絕緣磨損，甚至定子和轉子相磨。當氣隙存在偏心時，氣隙磁導沿圓周方向會出現(xiàn)不均勻現(xiàn)象，從而在定子電流中感應出諧波分量。這些特征諧波分量的頻率為142017 年第 2 期f 偏心=1±(2k-1)/pfs文獻16 采用（3）障引起的不對稱效果就反映到電的電壓上。為此，有限元法（time-stepping finite推薦一種基于電壓的匝間故障檢測方法，但需要增加電壓傳感器及連線。對存在匝間故障的電機建模，得出的結論是：匝間短路故障減小了電機阻抗及反電勢的正序分量，但同時也增加了負序分量及阻抗矩陣里的耦合項。根據(jù)電壓參element method, TSFEM)

21、 為存在偏心故障的永磁電機建模。永磁電機不同部件的幾何和物理特性、氣隙因定子槽引起的磁導不均勻性、永磁體的非線性特性、定子和轉子鐵心特性，這些因素在建模時均應考慮。用TSFEM 法對定子電流進行運算，以此作為故障診斷的合適信號。因此給SE，DE 和ME 導入一種新的頻率模式，從中抽取的邊帶分量幅值被用來診斷不同類型的偏心故障。偏心的類型由K 型近鄰分類器（K-nearest neighbor classifier) 確定，最后用ANN 對偏心程度進行評估。文獻17 為永磁電機的偏心故障引入一個新指數(shù)，其由定子電流在小波分解中基于能量、形狀因素、幅值等因子抽取的信號來確定。用TSFEM 為偏心故

22、障的永磁電機建模，將定子電流作為合適信號處理。由K 型近鄰分類器確定偏心的類型，用模糊支持向量機(fuzzy support vector machine, FSVM）評定轉子的偏心程度。文獻18 采用有限元分析法分析偏心故障。用離散小波變換法（discrete wavelet transform, DWT) 從定子電流基于能量的計算結果中抽取特號對故障作評估。在永磁電機轉速和轉矩變化情，該算法可用于檢測偏心及去磁故障。2.3 定子繞組故障定子繞組故障屬電氣故障，故障形式主要有 5 種， 即匝間短路、線圈間短路、相間短路、線與地間短路和開路（圖 2）。故障起初是在同一線圈里發(fā)生匝間短路； 故障

23、若蔓延，則會發(fā)生相間短路，甚至發(fā)展成接地故障。中正序和負序分量的不同，可以間短路故障的存在。并顯示定子匝文獻 19 將基于負序分析與模糊邏輯相結合的方法用于永磁電機定子故障的診斷。將負荷波動引起的高頻成分從總負序電流中，獲得校正的負序電流。該電流分量提供對定子故障程度的數(shù)值評估。模糊邏輯的使用，提高了故障檢測方法的靈敏度，從而降低了負荷波動時的虛警率。文獻 20 推薦的智能保護系統(tǒng)由 2 部分組成，其一是 K 型近鄰分類器， 用于檢測系統(tǒng)從正常運行、相間故障及開路狀態(tài)中辨識出匝間短路故障，同時檢測出故障相；其二是基于改進引力搜索訓練的智能神經(jīng)網(wǎng)絡（ANN trained with improv

24、ed gravitation search algorithm)，用來確定故障總量。文獻 21 推薦了一種基于定子電流 Concodia 圖的圖樣分析和識別技術，用以確認定子繞組匝間短路故障及相應的故障程度指數(shù)，方法簡單且在離線模式下工作，為狀態(tài)監(jiān)測的一個替代。故障程度指數(shù)FS（I 式（4）在 0 和 1 間變化。（4）在 5 種故障模式中，匝間短路被認為是最具性的一種，因為另 4 種形式故障通常是匝間短路故障的延續(xù)，而匝間故障在起始階段很難被檢測到。式中：Rh健康狀態(tài)下電機圓圖的半徑；Rf故障狀態(tài)下電機橢圓圖的長軸半徑。3非穩(wěn)態(tài)下的永磁電機故障診斷技術在軌道交通、電動汽車、風力發(fā)電等傳動領域

25、，永磁電機的運行狀態(tài)通常是迅速變化的。短時葉變換（short time Fourier tansform, STFT) 是非穩(wěn)態(tài)狀態(tài)下故障診斷的經(jīng)典方法。這是一種線性時頻表示（time frequency representation , TFR) 分析技術，其簡單但只適用于變化較慢的場合。采用二次時頻表示技術（quadratic TFR）作為非穩(wěn)態(tài)狀態(tài)下運行電機轉子故障診斷的一個方法已被證明是切實、有效的。Wigner-Ville 分布（WVD), Choi-Williams 分布（CWD）及 Zhao-Atlas Marks 分布（ZAM）圖 2 Y 型聯(lián)結定子繞組故障模型Fig. 2 P

26、ossible fault modes in Y-connected stator windings傳統(tǒng)的匝間故障檢測方案幾乎都是監(jiān)測線電流的負序分量或負序阻抗，并依賴對稱感應電機的數(shù)學模型來說明不平衡電源電壓對負序電流的影響；如若忽略固有的不對稱，則會導致誤判。固有不對稱問題可通過基于神經(jīng)網(wǎng)絡的方法引導出。雖然該技術用于異步電機效果很好，但并不適用于永磁電機。因為傳動系統(tǒng)中的電流器會調(diào)節(jié)電流跟蹤參考值；由于電流被調(diào)節(jié)，由故等二次 TFR 法被認為是處理非平穩(wěn)信號的工具。時頻分布技術雖然已被驗證有效，但信息處理量大。2017 年第 2 期：永磁電機故障診斷和容錯技術概述15雖然二次 TFR（如

27、 WVD 及 CWD）比線性 TFR 的譜圖計算密集度更高，但能提供更好的頻率分辨率，且用相應的逆變器損壞時，不平衡電流會引起轉矩抖動， 導致電機無法平順運轉，從而造成系統(tǒng)毀損。文獻 24 對電動汽車永磁電機傳動系統(tǒng)電壓源逆變器的各種容錯方法進行了綜述，認為相冗余的逆變器拓撲最適合ZAM 分布法能量性能最好。CWD 是 WVD 優(yōu)越的頻率分辨率和ZAM 高度交互項抑制間一個很好的折衷。然而，最好的頻率分辨率和良好的能量是以增加計電動汽車永磁電機傳動系統(tǒng)容錯。算量為代價。若忽略復雜性增加的問題，由于 CWD 的計算時間只有幾十微秒，因而能實時應用。近年來，DWT 或 Hilbert-Huang

28、變換（HHT）技術的采用，為非多相電機已被建議在各種重要應用場合采用。這類電機由于較多，能提供較高的冗余度以及較低的轉矩波動。其最大的優(yōu)點是在任何不平衡狀態(tài)下有較高的容錯能力，即使出現(xiàn)一相或兩相故障，仍能繼續(xù)運行。文獻 25 在提出故障檢測與運行策略后，構建了系統(tǒng)平穩(wěn)信號分析提供了更的。文獻 22風力發(fā)電機的非穩(wěn)態(tài)運行工況，采用瞬時對稱分量分解法描述數(shù)值和復數(shù)帶通濾波（complexvalued filtering) 來篩選基頻附近的分量。為從基頻附動態(tài)模型進行分析和推導。在法則上，提出通過智能互補的滑模（complementary sliding mode control,CSMC) 并結合

29、非對稱歸屬函數(shù)之 TSK 型模糊神經(jīng)網(wǎng)絡 (TSK Fuzzy neural network-asymmetric membershipfunction, TSKFNN-AMF）方法對六相永磁電機傳動系近抽取有用信息， 可使用文中提出的樣本抽樣（sample-per-sample) 算法并對穩(wěn)態(tài)或非穩(wěn)態(tài)下的數(shù)據(jù)進行處理。關于非穩(wěn)態(tài)工況永磁電機的故障診斷還可參11，13-21。統(tǒng)實施容錯，以性能，達到容錯的穩(wěn)定性要求。文獻 26 基于 Park 變換，采用矢量空間解4永磁電機故障容錯技術采用永磁電機驅(qū)動時，匝間故障是一種特殊問題。耦建立電機的數(shù)學模型。五相永磁電機有高容錯率的特性，在電機發(fā)生單相

30、開路故障后，采用定子電流補這是由于當故障發(fā)生后，永磁體通常立刻停止旋轉，償法對其進行。結果表明，采用容錯后，因而故障電流繼續(xù)，直至電機發(fā)生嚴重的熱損壞。電機平均轉矩顯著提高、轉矩脈動大幅削減。所以對永磁電機，不僅要求有一種可靠的匝間故障檢測方法，而且要求有能維持驅(qū)動系統(tǒng)不中斷運行的補救措施，以期當出現(xiàn)定子匝間短路故障后，電機仍能在不降5結語電機監(jiān)測及診斷技術在過去20有了很大進步，從簡單的電機保護裝置到能監(jiān)測運行狀態(tài)、防止早期故障發(fā)生的先進裝置。文中所述的技術可用來提高永磁電機運行的可靠性，由此可減少非計劃的停機時間，提升低運行性能的情繼續(xù)運行。對此，只有基于冗余的方法才能解決該問題。定子匝間

31、短路故障，文獻 23 提出了一種簡電機的利用率，其潛在效益是巨大的。單的容錯策略，其無需任何硬件上的改進，且造成以往對電機狀態(tài)監(jiān)測的目標僅限于電機內(nèi)部的電氣和機械性能，但如今已覆蓋包括逆變器、負荷狀態(tài)及傳動系統(tǒng)中一些其他部件的監(jiān)測。首個用于電機在穩(wěn)態(tài)運行下狀態(tài)監(jiān)測的 MCSA 技術，現(xiàn)在仍作為首選的方法在應用，但已遠遠不能滿足現(xiàn)實情況復雜系統(tǒng)的需求。基于故障狀態(tài)的物理現(xiàn)象，先進的數(shù)字信號處理和可靠的決策過程等新技術代表了近期的技術發(fā)展水平。當然，驅(qū)動裝置能力的完全喪失。一般情，由定子匝間短路造成定子電壓的不對稱對整個定子電壓只有很小的影響，故障相電壓的幅值幾乎與同步旋轉參的復定子電壓矢量相同

32、，因而故障繞組的電流if 由式（5）給定。該方程強調(diào)，對給定的運行狀態(tài)，適當選擇 d，q 電流組合，能顯著降低定子電壓。相應地，在維持給定的運行狀態(tài)下，i 顯著減小。f更完善的故障識別和技術、故障預診斷技術仍在繼續(xù)探索中。對運用狀態(tài)不敏感且在時變狀態(tài)下的驅(qū)動系統(tǒng)的故障檢測、故障程度評估及對驅(qū)動系統(tǒng)的容錯等是近期研究的熱點。電信號分析仍是目前電機狀態(tài)檢（5）測主要使用方法。若結合模糊邏輯方法，將可能提式中：Rf繞組短路部分的電阻值；短路繞組的分數(shù)；L1S漏感；L1繞組平均自感；L2自感的一次諧波幅值。永磁電機驅(qū)動系統(tǒng)是高度非線性系統(tǒng)，且對于系統(tǒng)參數(shù)變化及外來干擾相當敏感，尤其當電機繞組斷線或供一

33、個更具綜合處理能力的電機狀態(tài)檢測方案。將一些彼此相關技術融合到一種集合式方案中，其優(yōu)點是可覆蓋的故障范圍廣，能提高故障檢測及診斷的準確性，并有助于預診斷技術的開發(fā)。隨著 AI 技術的發(fā)展，在162017 年第 2 期國外，一種系統(tǒng)故障預診斷和健康管理技術（prognosisand health management，PHM) 已在國防、核能等以安Elektrotechniczny, 2013, 89(2)229-233.14YANG Y M, LI Y Q. Demagnetization fauiagnosis of permanentmagnet in synchronous motorJ

34、. COMPUTER M NEW TECHNOLOGIES, 2014, 18(12D)221-225.LING &全為關鍵要素的領域得到應用 27-28，相信能在國內(nèi)強調(diào)安全的關鍵裝備領域得到應用。的將來也15HE J, ZHANG C F, MAO S A,. Demagnetization faultdetection in permanent magnet synchronous motors based on slidingobserverJ. Journal of Nonlinear Science and Applications, 2016,參1：，9(5)2039-2

35、048.16EBRAHIMI B M, FAIZ J, ROSHTKHARI M J. Static-, Dynamic-,，. 異步電的狀態(tài)監(jiān)測與故障診斷技術綜and Mixed-Eccentricity Fauiagnoses in Permanent-Magnet述J.科技大學學報（自然科學版），2001（3) 285-289.Synchronous MotorsJ. IEEE Transactions on IndustrialLIU Z X, ZHANG Z, YING X G. A Summary of On-line ConditionElectronics, 2009, 56(

36、11)4727-4739.Monitoring and Fauiagnostics for 3-phase Induction MotorsJ.17EBRAHIMI B M, ROSHTKHARI M J, FAIZ J,. AdvancedJournal of Wuhan University of Science and Technology(Nature Science Edition), 2001(3) 285-289.2RIERA-GUASP M, ANTONINO-DAVIU J A, CAPOLINO G A.Advances in Electrical Machine, Pow

37、er Electronic, and DriveEccentricity Fault Recognition in Permanent Magnet SynchronousMotors Using Stator Current Signature AnalysisJ. IEEETransactions on Industrial Electronics, 2014, 61(4)2041-2052.18ROSERO GARCÍA J, Luis Romeral J, ROSERO GARCÍA E.Detecting eccentricity faults in a PMSM

38、 in non-stationary conditionsCondition Monitoring and Fauetection: State of the ArtJ.IEEE Transactions on Industrial Electronics, 2015, 62(3) 1746-1759.J. INGENIERÍA E INVESTIGACIÓN , 2012, 32(1)5-10.19QUIROGA J, LIU L, CARTES D A. IEEE Fuzzy Logic based Fault Detection of PMSM Stator Wind

39、ing Short under Load Fluctuation using Negative Sequence AnalysisC/American Control3GRITLI Y. Diagnosis and Fauetection in Electrical Machinesand Drives based on Advanced Signal Processing TechniquesD. Bologna Universita di Bologna, 2014.Conference. Washington, 200811-13.4HENAO H, CAPOLINO G-A, FERN

40、ANDEZ-CABANAS M,. 2 0 TA G H I P O U R - G O R J I K O L A I E M , R A Z AV S M I ,SHAMSINEJAD M A. Intelligent Determining Amount of Inter- Turn Stator Winding Fault in Permanent Magnet Synchronous Motor Using an Artificial Neural Network Trained by Improved Gravitational Search AlgorithmJ. Journal

41、 of Advances inTrends in Fauiagnosis for Electrical Machines: A Review ofDiagnostic TechniquesJ. IEEE Industrial Electronics Magazine, 2014, 8(2) 31-42.5HENAO H, DEMIAN C, CAPOLINO G. A frequency-domain detection of stator winding faults in induction machines using an external flux sensorJ. IEEE Tra

42、nsactions on Industry Applications, 2003, 39(5) 1272-1279.Computer Research, 2015, 6(1)63-84.21HADEF M, DJERDIR A, IKHLEF N,. A Fault SeverityIndex for Stator Winding Faults Detection in Vector ControlledPM Synchronous MotorJ. Journal of Electrical Engineering &6ALAMEH K, CITÉ N, HOBLOS G,.

43、 FAUETECTIONAND ISOLATION APPROACH FOR PERMANENT MAGNETSYNCHRONOUS MACHINESC/ICSV22, Florence (Italy) , 2015 12-16.7SPECHT A, BOCKER J. Observer for the Rotor Temperature of IPMSMC/14th International Power Electronics and Motion Control Conference, EPE-PEMC, 2010.Technology, 2015, 10(5)709-718.22CAB

44、LEA G, GRANJON P, B'ERENGUER C. Method of analysing non-stationary electrical signalsC/4th International Conference on Condition Monitoring of Machinery in NonStationary Operations (CMMNO). Lyon, 2014.23LEE Y, HABETLER T G. A Stator Turn Fault Tolerant Strategy for Induction Motor Drives in Safe

45、ty Critical ApplicationsC/IEEE8WALLSCHEID O, HUBER T, PETERS W,. Real-Time CapableMethods to Determine the Magnet Temperature of Permanent Magnet Synchronous MotorsA ReviewC/Conference of IEEE Industrial Electronics Society, 2014 811-818.9GLOWACZ A. Recognition of Acoustic Signals of Synchronous Mot

46、ors with the Use of MoFS and Selected ClassifiersJ. Measurement Science Review, 2015, 15(4) 167-175.10MBOO C P, HEROLD T , HAMEYER K. Impact of the load in the detection of bearing faults by using the stator current in PMSMs USBC/Proceedings 2014 International Conference on Electrical Machines (ICEM).11ABBAS A H, AL-SAFFAR A A. SHARY D K. Bearings fault diagnosis in direct torque con