异步电机无测速转速估计新方法及其在振动分析中的应用研究

本研究针对异步电机振动监测中转速估计精度不足的问题，提出了一种基于单次振动测量的无测速自动转速估计算法。该方法仅需电网频率、变频驱动(VFD)设置和电机极数等基本信息，通过多谐波联合优化实现了0.10 Hz均方根误差的转速估计，在NLN-EMP数据集2300余次测试中90.1%案例满足0.0165 Hz最大误差要求，显著优于现有方法，为旋转机械状态监测提供了更精准的频域分析基础。

　　

在工业制造和海事领域，旋转机械的状态监测(CM)对保障设备可靠性至关重要。其中异步电机驱动的离心泵作为关键设备，其振动监测依赖精确的转速估计以识别特征谐波频率。然而现有无测速(tacholess)转速估计方法面临三重困境：需要显著基频谐波峰值、依赖详细机器参数、计算复杂度高，导致在平衡良好的电机中应用受限。更严峻的是，传统方法在荷兰海军电泵(NLN-EMP)数据集测试中，对44次谐波的识别误差高达0.37 Hz均方根误差(RMSE)，严重影响高频故障特征的准确追踪。

荷兰海军维护与保障局(Naval Maintenance and Sustainment Agency, Royal Netherlands Navy)的Sietze Bruinsma团队在《Results in Engineering》发表的研究，创新性地开发了五阶段转速估计算法。该方法突破性地利用电网频率和电机极数等基本信息，通过谐波能量粗估、局部极值验证、抛物线插值精修和漏斗优化等步骤，在保持计算效率的同时实现超高精度转速估计。

关键技术包括：1）基于3秒振动信号的快速傅里叶变换(FFT)分析；2）100次谐波能量累加初步估计；3）汉宁(Hanning)窗优化的频谱峰值检测；4）抛物线插值提升频率分辨率；5）谐波加权评分函数实现最终优化。研究采用包含2300余组测量的NLN-EMP数据集验证，涵盖健康状态和11类故障类型。

【主要结果】

1. 算法性能验证：在合成信号测试中，新方法与参照方法均实现0.003 Hz误差，但实际电机测试显示显著优势。对转子条通过频率(RBPF)的识别，新方法90.1%案例满足0.0165 Hz精度要求，较参照方法12%的达标率提升7倍。

2. 故障类型适应性：在松动底座(98.68%)和不对中(97.78%)等强谐波故障中表现最佳，而在气蚀(85.60%)和定子短路(78.89%)等复杂工况下仍保持优势。特别值得注意的是，该方法在基频振幅极低的电机2数据中仍能准确识别40次谐波。

3. 参数敏感性：3秒时间窗和0.05 Hz步长构成最优参数组合，延长测量时间至5秒可进一步降低误差，但权衡时效性后选择3秒方案。

4. 跨设备验证：在行星齿轮箱测试中，新方法2.1759 Hz的估计结果与编码器2.1739 Hz参考值仅相差0.002 Hz，证实方法普适性。

【结论与意义】
该研究解决了工业界无测速转速估计的核心痛点：1）突破了对显著基频峰值的依赖，使平衡良好电机的精确监测成为可能；2）仅需极少量先验知识，大幅提升方法适用性；3）计算耗时仅0.9秒/次，满足在线监测需求。特别重要的是，0.10 Hz的RMSE精度使高阶谐波(如40次RBPF)的准确追踪成为现实，为基于人工智能(AI)的故障诊断提供了可靠的频域特征输入。未来研究可进一步探索极低速工况下的算法优化，以及动态转速条件下的适应性改进。