综述：电机定子绕组绝缘诊断信号处理方法与指标综述

《Machines》：A Review of Electric Machine Stator Winding Insulation Diagnostic Signal Processing Methods and Metrics

　　

定子绕组绝缘故障是电机故障的主要原因。早期检测绕组绝缘劣化对于防止灾难性损坏和最终的电机故障至关重要。各种状态监测和诊断方法已被开发出来，用于在机器运行时评估绝缘健康状况。这些诊断方法依赖于不同的信号处理技术，用于从测量信号中提取对绝缘敏感的信息。本文综述了应用于定子绕组绝缘状态监测的诊断信号处理技术，涵盖时域、频域、时频域和数据驱动方法。在适当的情况下，给出了所综述技术的底层数学公式，讨论了其对绝缘状态监测敏感性的物理基础，并指出了主要优势和局限性。提供了带有汇总表的比较分析，以突出检测灵敏度、计算成本、硬件要求和实际部署考虑之间的权衡。该综述表明，时域和频域方法实现简单，而时频域和数据驱动方法通常提供更高的性能，但需要更多的计算和验证。此外，比较显示匝间和主绝缘监测获得了更多的研究关注，而相间绝缘仍然发展不足。本综述最后确定了将该领域从实验室演示推进到工业应用所需的挑战和未来研究方向。

1. 1.
   引言
   电能在工业、交通和能源系统中广泛应用，其可靠运行取决于定子绕组绝缘系统的完整性。绝缘的主要功能是防止绕组匝间、相间以及绕组与接地定子铁芯之间短路。绝缘的正常老化和不同类型应力引起的不利条件都会导致其劣化和故障。定子相关故障约占感应电机所有故障的28%，而在石化行业额定功率2000 kW以上的高压电机中，定子绕组故障高达总故障的60%。大多数定子故障起源于匝间绝缘故障，若未检测到，可迅速发展为相间或对地短路，造成灾难性且不可逆的损坏。从匝间故障到完全绕组失效的过渡可能在数秒内发生，因此早期检测非常重要。定子绕组绝缘劣化由四种主要应力因素组合引起：热、电、环境和机械，通常称为TEAM应力。传统上，定子绕组绝缘状况通过离线测试方法评估，需要机器停机，这促使了在线绝缘状态监测方法的发展，能够在实际运行应力下捕获绝缘状况并持续跟踪退化趋势。过去二十年，诊断信号处理技术已从时域参数提取扩展到经典FFT-based电机电流特征分析、基于范数的谱偏差指标、时频方法（包括短时傅里叶变换、小波变换和小波包分解、分数阶傅里叶变换）、通过经验传递函数估计的阻抗谱、PWM激励下的局部放电信号处理，以及结合信号处理和机器学习及深度学习的数据驱动方法。现有文献综述未能从信号处理角度提供统一覆盖。本文旨在通过呈现定子绕组绝缘状态监测中信号处理技术的全面综述来填补这一空白，并在必要时给出数学公式、讨论物理基础及优劣势。
2. 2.
   定子绕组绝缘系统
   图2显示了成型绕组定子槽的横截面，展示了绝缘层物理布置。绝缘可根据位置和功能分为三类：匝间绝缘、主绝缘和相间绝缘。尽管图2涉及成型线圈，但一般绝缘原理可扩展到散下绕组线圈，其同样具有匝间、主绝缘和相间绝缘。从状态监测角度看，每种绝缘类型将寄生电容引入定子绕组的电路，每种类型的劣化都会对绕组高频行为产生不同变化。理解这些区别对解释后续章节的信号处理技术很重要。
   2.1. 匝间绝缘
   匝间绝缘隔离同一线圈内相邻导体。在散下低压电机中，由制造过程中直接涂覆在每根导线上的漆包线涂层提供。在成型绕组电机中，单个匝在用带材组装前包裹额外的匝绝缘带。匝间绝缘是绝缘系统中最薄和最脆弱的层，因此大多数定子绕组故障是匝间绝缘故障。当匝间绝缘失效时，相邻导体之间形成低阻抗路径，导致循环故障电流，产生局部加热，并可在数秒内迅速蔓延至完全绕组故障。
   2.2. 主绝缘
   主绝缘在整体线圈组件和接地定子铁芯之间提供主要介电屏障。在散下绕组电机中，通常在线圈和槽壁之间放置槽衬实现。在额定电压6 kV及以上的机器中，主绝缘外表面施加半导体涂层以确保与定子铁芯的电接触并防止槽放电活动。当主绝缘劣化时，通过分层、空隙形成、吸湿或热劣化，绝缘电容增加，绝缘电阻减小。流过主绝缘的泄漏电流由主绝缘电容C_GW和电阻R_GW决定。
   2.3. 相间绝缘
   相间绝缘分隔共享同一定子槽或端部绕组相邻的异相绕组。在成型绕组电机中，由放置在双层绕组两个线圈边之间的相间隔板提供。相间绝缘故障导致两相短路，产生高故障电流，通常造成灾难性损坏。
   2.4. 电气等效表示
   寄生电容与每个导体的串联电阻和电感的组合形成分布式RLC网络，支配定子绕组的高频阻抗行为。图3显示了简化的三相绝缘等效电路模型，其中每相绕组通过C_GW与R_GW并联接地，并通过C_PP与相邻相耦合。
3. 3.
   传统离线状态监测方法
   在线状态监测技术发展之前，定子绕组绝缘评估依赖一套完善的离线测试方法，需要机器退出服务并断开电源。这些方法虽广泛用于调试和定期维护，但停机带来重大限制，推动了在线方法的发展。
   3.1. 绝缘电阻测试
   绝缘电阻测试是最基本和广泛使用的定子绕组绝缘离线测试。测试涉及在绕组导体和接地定子铁芯之间施加直流电压，通常为500 V至10 kV，并在指定时间间隔后测量泄漏电流。绝缘电阻由施加电压与测量泄漏电流之比计算。标准推荐基于电机额定电压和绕组温度的最小可接受IR值。虽然测试使用兆欧表即可轻松执行，但测得的电阻对温度、湿度和表面污染高度敏感，若这些条件不受控，解释可能困难。
   3.2. 极化指数
   极化指数是IR测试的延伸，定义为连续施加直流电压10分钟后测量的绝缘电阻与1分钟后测量的绝缘电阻之比。PI指示绝缘随时间吸收和保留电荷的能力，与健康绝缘材料的状况相关。健康绝缘系统通常PI值大于2，而低PI值表明绝缘受污染或严重劣化。PI相对于单次IR读数的优势在于，作为比率，它对温度变化较不敏感，因为分子和分母受到类似影响。
   3.3. 损耗因数
   损耗因数（tan δ）测试，也称功率因数测试，测量绝缘系统中的介质损耗。当交流电压施加于绝缘时，产生的电流既有容性分量（由于绝缘作为电介质）也有阻性分量（由于绝缘中的损耗）。损耗因数是阻性电流与容性电流之比，tan δ增加表明介质损耗增加，与吸湿、污染、空隙形成或热劣化有关。绝缘系统的电容通常与损耗因数一起测量，电容变化可指示绝缘劣化。
   3.4. 冲击测试
   冲击测试是评估匝间绝缘完整性的主要离线方法。测试中，对绕组施加高压、快上升时间脉冲，并记录产生的振荡电压波形。在健康绕组中，冲击波形反映绕组的特性阻抗。若存在匝间绝缘弱点，弱化匝上的电压在冲击期间超过其介电强度，导致瞬时击穿，改变绕组的有效电感，并产生振荡频率和衰减模式的可检测变化。冲击测试能有效检测现有匝间故障，但一直存在争议，因为高压脉冲本身可能进一步应力绝缘，在某些情况下可能损坏正在劣化的绕组。
   3.5. 局部放电
   离线局部放电测试是额定电压6 kV及以上高压电机最成熟的诊断方法。对绕组施加高交流电压，同时PD传感器检测绝缘内部局部介电击穿产生的电磁脉冲。相位分辨局部放电模式，绘制PD幅值与施加电压相位角的关系，用于根据相关标准分类绝缘缺陷的类型和严重程度。然而，离线PD测试在正弦交流电压激励下进行，不能代表逆变器供电电机中绝缘所经历的条件，其中PWM电压波形产生重复陡前沿脉冲，可在比正弦局部放电起始电压更低的电压水平触发PD事件。
4. 4.
   诊断信号采集与测量量
   任何定子绝缘状态监测方法的有效性取决于被测信号携带的信息内容。这些信号可以是原始信号或从这些原始信号导出的处理信号。表1描述了定子绝缘状态监测中使用的主要诊断信号源及其对绝缘劣化敏感的物理基础。图5显示了逆变器供电机器驱动系统中定子绝缘状态监测的主要测量和导出信号采集量，包括定子相电流、泄漏电流、共模电压、高频阻抗、局部放电脉冲、振动和杂散磁通。
5. 5.
   综述方法与文章分类
   本文综述的文献选择旨在概述电机定子绕组绝缘状态监测的诊断信号处理方法。纳入文章基于至少一个或多个标准：提出了定子绕组绝缘的诊断信号处理方法或实验验证；提供了与绝缘劣化相关的数学公式和诊断特征；提供了定子绕组故障检测的信号处理方法。排除了专注于机械故障、转子故障、变压器绝缘和通用机器学习应用的文章。类别包括时域、频域、时频域和数据驱动方法。图6按方法学对所有参考文献进行了分类。图7还呈现了诊断信号处理技术的层次分类，根据操作域分为四类：时域、频域、时频域以及数据驱动和混合方法。结构从左至右从计算简单技术进展到更复杂和数据密集型方法，反映了实现简单性和检测能力之间的实际权衡。
6. 6.
   时域诊断信号处理方法
   时域方法提供基本的测量度量，如峰值、峰峰值、RMS、上升时间、衰减率和瞬态振铃行为。这些度量有用，但可能无法提供关于定子绝缘状况的足够信息。因此，许多诊断方法以时域信号处理为第一步，随后进行其他方法，如频率分析和时频分析或统计特征提取。
   6.1. 瞬态窗口的RMS
   瞬态电流在定义观测窗口内的均方根值表示为公式(5)，其中i_k[n]是测量窗口k内索引n处的瞬态电流样本，N是窗口内的样本数。
   6.2. 瞬态电流的峰值
   该度量用于识别开关转换后定义观测窗口内的最大绝对幅度。定子电流的峰值通常表示为公式(6)。在先前研究中，提出了基于泄漏电流振铃峰值的度量来监测机器的绝缘状态，公式可表示为公式(7)，其中I_aging是电机老化时的峰值，I_baseline是电机的基线峰值。
   6.3. 统计描述符
   直接从时域瞬态波形计算的统计描述符提供了一组表征振荡形状、分布和脉冲性的通用特征。最常用的描述符包括：波峰因数，定义为峰值与RMS值之比，显示波形有多尖峰；峭度，衡量振幅分布的“尾部”，显示信号包含多少罕见极端振幅；偏度，衡量分布的不对称性。
   6.4. 应用与基本局限
   在逆变器供电电机中，施加的电压脉冲激发定子绕组的高频寄生网络，在电流响应中产生阻尼振荡。先前工作表明绝缘劣化可修改此瞬态响应，因此周期、幅度和时间可相对于健康基线进行跟踪。特征如瞬态幅度A、振荡周期T和稳定时间t_s可从开关瞬态波形中轻松随时间跟踪，用于绝缘状况评估。图8显示了用于绝缘评估的测量泄漏电流瞬态示例，带有时间域特征。几项研究已使用泄漏电流的瞬态特性进行主绝缘监测，包括使用PWM开关事件后定子电流的高频振铃，以及泄漏电流瞬态响应的过冲。时域方法的常见局限包括：绝缘劣化产生的信号弱，难以解释；需要遵守香农采样定理的高带宽传感器；测量信号易受逆变器开关噪声影响。
7. 7.
   频域诊断信号处理方法
   7.1. 快速傅里叶变换
   傅里叶变换是用于绝缘状态监测的基础频谱分析方法。几乎所有本文讨论的方法要么使用快速傅里叶变换为基础，要么以其为基准。离散时间信号x[n]长度为N的离散傅里叶变换定义为公式(11)，其中X[k]是频率bin k处的复值频谱系数。FFT的频率分辨率由采样频率与样本数之比确定。FFT在电机状态监测中最常见的应用是电机电流特征分析。MCSA的原理是机器中的故障会在气隙磁场中产生特征变化，进而在定子电流中感应出健康机器中不存在的附加谐波分量。这些故障相关谐波出现在FFT频谱的特定频率处，其幅度可随时间跟踪作为故障严重程度的指标。但MCSA主要用于转子故障检测，其在定子绝缘故障的应用有限，因为绝缘劣化的频谱特征不如转子故障那样明确定义或被普遍认可。FFT应用于绝缘状态监测时有几个众所周知的局限：假设信号在分析窗口内平稳，这意味着任何时变频谱内容被平均且无法在时间上解析；固定频率分辨率意味着频率分辨率和时间响应性之间存在根本权衡；谐波分量也可由电源电压不平衡和磁饱和产生，使得仅用FFT难以区分早期绕组故障与其他来源。
   7.2. 基于范数的方法
   基于范数的偏差指标已广泛应用于评估逆变器供电电机中主绝缘和匝间绝缘劣化。这些方法基于绝缘劣化改变定子绕组的寄生电容，从而修改机器的高频行为，这在线路电流或泄漏电流等信号的频谱中可观察到。该方法的关键优势在于电机驱动器中的逆变器通过其正常开关操作为此提供激励，且驱动器的现有电流传感器可提供测量，无需额外硬件。均方根误差范数偏差首次被提出并确定为绝缘状态指示器。如图9所示，ISI量化了开始时（健康参考）获得的振幅谱与稍后操作期间获得的振幅谱之间的偏差，在定义的频率范围内计算。后续工作提出了平均绝对误差范数作为谱偏差的替代指标，例如状态估计因子，采用电流响应的频域表示与健康基线之间的MAE。基于范数的偏差概念也已扩展到阻抗域，其中相同指标应用于机器的高频阻抗谱，在线获取阻抗谱需要信号注入方法或利用经验传递函数估计从开关瞬态中提取阻抗。
   7.3. 阻抗响应（ETFE）
   电机的阻抗响应可从电压和电流测量获得，作为其傅里叶变换之比。对于线性时不变系统，经验传递函数估计提供了宽带信号的非参数频率相关阻抗估计，如公式(16)所示。更长持续时间的脉冲在较低频率提供更好分辨率，而较短脉冲在较高频率提供更高分辨率。ETFE的准确性可通过捕获更多数据并取平均来提高。图11显示了计算ETFE可采用的多种阻抗测量方式。图12显示了使用两种不同电压电流测量阈值获得的原始共模阻抗表征示例。图13呈现了阻抗表征方法的流程图。详细建模方法中，ETFE被用于验证成型电机线圈的多导体传输线模型，通过比较模型和ETFE测量来验证准确性，并分析绝缘分层和空隙的影响。
   7.4. 关键发现
   频域方法表明绝缘改变了定子和泄漏电流以及阻抗响应的频谱内容。基于FFT的方法易于应用，但在故障分量微弱或混入谐波时受限。基于范数的方法提供了一种更简单的方法来跟踪绝缘随时间的老化，利用信号的频谱内容。
8. 8.
   时频域诊断信号处理方法
   8.1. STFT
   FFT虽然具有高分辨率，但由于无法精确定位频谱中特定频率的精确时间，不适用于分析非平稳信号。短时傅里叶变换通过分段处理解决此限制，将输入信号分割成窄时间间隔，然后对每段进行傅里叶变换，从而提供时间和频率信息。STFT的表达式如公式(19)所示。窗口函数和所用频率分辨率对准确频率定位至关重要。在先前研究中，STFT应用于相电流、其包络和定子电流空间矢量模块，用于在线匝间短路检测，显示电流包络的STFT能够揭示由匝间故障引起的分量幅度增加。另一项研究实现了基于STFT的MCSA在线方法，使用0.1秒采集窗口和10000个样本连续跟踪故障相关谐波的幅度演变。还有研究提出使用优化的Slepian窗口来改善STFT的时间-频率分辨率，实验验证表明Slepian窗口显著减少了与标准高斯窗口相比的频谱泄漏。
   8.2. 分数阶傅里叶变换
   分数阶傅里叶变换是快速傅里叶变换的扩展，在时频区域内操作。FrFT可表示为公式(20)-(22)，其中旋转角度控制时域和频域之间的分解程度。当α=π/2时，FrFT简化为标准傅里叶变换。FrFT用于绝缘诊断的关键优势是通过优化旋转角度，变换可调整以最大化绝缘敏感频谱分量的能量集中。先前研究提出了FrFT-Mel方法用于匝绝缘状态预测，将FrFT应用于高频开关振荡电流，在优化的分数阶（p=0.88）下，随后使用定制Mel滤波器组进行特征提取，实现了比传统FFT高出七倍以上的匝绝缘状态检测灵敏度提高。
   8.3. 小波变换
   小波变换通过将信号分解为母小波函数的缩放版本，提供多分辨率分析。不同于仅提供频率信息的FFT，或小波通过旋转阶数旋转时频轴的FrFT，小波在时间和频率上均提供定位，使其适合分析逆变器供电电机中非平稳瞬态响应。
   8.3.1. 连续小波变换
   连续小波变换定义为公式(23)-(24)。先前研究将定子相电流对称分量的CWT分析应用于PMSM定子绕组的状态监测和故障诊断，使用复广义摩尔斯小波作为母小波，并确定基频处的CWT系数幅度是匝间短路的高度敏感指标。摩尔斯小波显示出比莫莱特和凸包小波对早期故障具有更高灵敏度。
   8.3.2. 离散小波变换
   对于离散时间信号，近似系数和细节系数定义为公式(25)。先前研究提出了基于DWT和小波包系数的定量故障指标，用于感应电机启动瞬态中断条检测，选择离散Meyer小波因其良好的频率定位特性。
   8.3.3. 小波包变换/小波包分解
   先前研究提出了一种新颖的基于WPD的绝缘状态监测技术，可同时从高频线电流检测和分类匝间和主绝缘劣化。高频线电流表示为公式(26)-(27)，其中瞬态电流i_trans隔离高频振荡。WPD重构也表示为公式(28)。关键见解是瞬态电流i_trans中的主导振荡对应于共模阻抗的第一和第二反谐振频率f_ar1和f_ar2，且匝间和主绝缘劣化对这些频率的影响不同。主绝缘劣化导致f_ar1显著偏移，而匝间劣化主要影响f_ar2。
   8.3.4. 小波基选择
   母小波的选择是影响小波绝缘状态监测性能的关键决策。图17显示了常用小波族的代表性函数。先前研究表明离散Meyer小波一致提供优越的频率定位，而Daubechies族在能量集中和熵最小化之间提供良好平衡。比较五种小波族的研究表明，尽管所有五族都能达到可接受的分类精度，但离散Meyer小波始终提供最有利的结果。然而，多标准调查表明没有普遍最优的小波，最佳选择取决于具体信号特性和分析目标。
   8.3.5. 小波选择准则
   文献中提出了三种选择适当母小波的准则：最大能量准则，选择使感兴趣包中小波系数捕获的能量最大化的小波，能量计算公式为公式(29)；香农熵，量化小波系数中能量的散布，熵定义为公式(30)；能量-香农熵比，将能量和熵结合为单一指标，公式为公式(31)。图18总结了基于WPD的绝缘状态监测的一般算法步骤。
   8.3.6. 分解层数选择
   分解层数的选择对有效绝缘监测至关重要，必须满足公式(32)，其中f_packet是包索引，l是分解层数，f_s是采样频率，F是目标反谐振频率。更高的分解层数产生更窄的频带，改善第一和第二反谐振区域之间的分离，但增加计算成本和小波系数的数量。实践中，分解层数必须足够高以使感兴趣的频率落入不同的包中，但又不能太高以至于每个包中的信号能量过于稀疏而无法可靠计算SOH。对于MHz范围内的采样率，分解层数5提供的频带宽度在数十kHz量级，足以隔离所测试机器的频率区域。
   8.4. 局部放电信号处理方法
   局部放电是发生在绝缘系统内部空隙、分层或表面的局部介电击穿。在线PD监测的核心信号处理挑战是将PD脉冲与噪声成分分离，信噪比通常非常低，特别是在逆变器供电电机中，开关噪声可能比PD脉冲大几个数量级。图20显示了不同测量灵敏度下的典型PD脉冲电流波形。滤波是第一阶段，有助于针对与PD脉冲可分离的频率分量。FFT通常是分析频谱的标准工具，但由于丢弃时间信息，无法单独定位PD脉冲，因此需要时频技术（包括STFT或小波分析）将PD脉冲与干扰源分离。小波变换是最广泛应用的方法。最常用的PD分类框架是相位分辨局部放电分析，形成脉冲计数与电压和PD脉冲相位角关系的模式。专家和专业设备通常用于诊断PD输出以分类特定类型。ML越来越多地用于分类，但部署ML进行PD分类的主要障碍包括缺乏大型公共PRPD数据集、跨机器和工作条件的有限泛化以及ML模型缺乏可解释性。
9. 9.
   数据驱动与混合方法
   前面讨论的定子绝缘诊断信号处理方法都依赖领域知识来定义频谱特征、频带或偏差指标。许多这些信号处理技术可与ML模型一起部署在数据驱动框架中。数据驱动方法可分为四类：特征工程机器学习、深度学习、 prognostics和剩余使用寿命、混合物理信息。
   9.1. 带ML分类器的信号处理前端
   这是最常见的配置，结合了传统信号处理前端和ML分类器。该方法遵循经典机器学习流程，其中先前章节回顾的信号处理技术（FFT、FrFT、STFT、WPD）用于将测量信号转换为有用特征，然后输入SVM、KNN、决策树和随机森林等ML算法。基于所综述论文，该类别进一步分为用于机器学习分类的信号和/或技术类型。先前研究应用小波分析与ML方法进行故障检测和分类，使用瞬态相电流的Wavelet Scattering Transform提取特征，或将CWT与摩尔斯小波应用于定子相电流负序分量提取输入特征，比较了KNN、SVM和MLP，KNN在不同负载转矩水平和一至三匝短路严重程度下实现了99.75%的分类有效性。除线电流外，泄漏电流也可用作数据驱动特征提取的来源，但需要高灵敏度电流互感器。PD也受益于ML分类，研究了SVM和KNN对不同类型PD故障分类的性能，使用离散小波变换和统计参数提取PD的不同特征，SVM优于所有KNN模型。此外，PD图像已部署在特征工程中，CNN模型在增强数据上训练用于故障检测和分类。
   9.2. 端到端深度学习
   一个更近期的方向减少了信号处理阶段，使用深度学习架构学习原始或轻度预处理信号与绝缘健康指标之间的映射。动机是手动特征工程可能无法捕获最独特的信号特征，且特征可能因机器类型和工作条件而异。先前研究报告称，基于FFT和STFT的电流特征分析无法区分模拟感应电机中某些定子绕组故障情况与健康情况，但直接训练在时序电流数据上的长短期记忆网络实现了97%的分类准确率，表明循环架构可提取常规频域分析遗漏的时态故障特征。另一项研究提出了一种基于增强开关振荡信号的监测逆变器供电机器终端绝缘劣化的数据驱动方法，训练一维卷积神经网络回归模型直接从增强信号预测终端绝缘电容，达到皮法级别的电容估计精度。还有研究使用高阶谱分析，计算定子相电流的双谱，并将生成的二维双谱图像馈入CNN进行匝间短路检测。
   9.3. 绝缘预测信号处理方法
   本节简要讨论定子绝缘系统剩余使用寿命估计的信号处理方法，需要持续跟踪从调试到故障的绝缘参数和指标。文献中已跟踪不同指标并转化为RUL，例如电容、损耗因数、泄漏电流或局部放电趋势。先前研究提出了基于等效主绝缘电容和损耗因数的多频测量方法，通过四个定子样本的加速老化直到故障连续跟踪电容和损耗因数，建立了电容进展轨迹与最终故障时间之间的联系，从而能够根据当前电容值及其变化率预测绝缘故障的剩余时间。最近方法倾向于跟踪泄漏电流特征，提出了通过监测泄漏电流瞬态响应过冲幅度在线预测RUL的方法，开发了峰值检测器电路提取泄漏电流峰值而非高频采样，并应用扩展卡尔曼滤波算法预测泄漏电流趋势。此外，混合RUL方法将物理或分析电机模型与数据驱动方法结合，例如有限元分析开发槽几何结构，模拟介电常数和电导率变化，基于泄漏电流衰减进行RUL预测，并使用定子等效电路模型验证多个劣化级别。
   9.4. 数据驱动方法的挑战与提出的解决方案趋势
   数据驱动方法的主要挑战包括：有限标记数据、有限训练数据（数据稀缺）、数据隐私约束、泛化能力差、计算复杂性和缺乏可解释性。为克服这些挑战，已开发出先进ML技术，如迁移学习、自监督学习和联邦学习。迁移学习允许模型根据自身学习目标从未标记数据中学习特征，解决有限标记数据问题。自监督学习允许模型根据自身学习目标从未标记数据中学习特征，解决有限标记数据问题。联邦学习是一种协作框架，其中个体参与者训练全局模型而不共享数据，从而帮助解决有限训练数据和数据隐私问题。大多数关于这些先进ML方法的研究显示出有希望的结果，特别是针对转子故障诊断，但针对定子绝缘状况评估的研究报道有限，这突显了一个不断增长的研究领域。
10. 10.
    讨论
    前面的章节综述了应用于电机定子绕组绝缘状态监测的诊断信号处理技术。为给定应用选择合适技术需要考虑多种因素，直接跨方法比较必要但具挑战性。表5提供了所综述技术的精简比较摘要，对每种技术识别了主要发现、局限性和实施的关键实际考虑。表6将每种信号处理技术映射到三种主要绝缘故障类型：匝间、主绝缘和相间，显示它们是否经过验证和支持参考文献。需注意，没有单一技术能满足所有监测要求。最优方法取决于具体应用约束、计算资源以及目标是故障检测、严重程度分类还是RUL预测。从比较中可得出几点观察：对于限于标准逆变器驱动中现有电流传感器且无额外硬件的从业者，基于范数的方法和时域方法是最现实的部署选项。对于区分匝间和主绝缘劣化重要的应用，WPD和ETFE是唯一证明此能力的方法。在最大检测灵敏度优先且计算成本不受约束的情况下，FrFT方法提供了比传统FFT最高的报告灵敏度改进。局部放电分析仍是唯一提供主动绝缘击穿直接证据的技术，但其硬件要求和PWM开关下的低SNR使其在线实施最具挑战性。数据驱动方法提供最高分类精度，但目前限于训练模型的特定机器。表6显示匝间故障检测是研究最广泛的类别，几乎所有技术都表现出某种能力。主绝缘故障检测也通过泄漏电流、WPD和基于PD的方法得到充分覆盖。然而，相间故障检测仍是文献中的重大空白，极少技术针对该故障类型得到验证。
11. 11.
    结论、局限性与未来方向
    本综述提供了应用于电机定子绕组绝缘监测的诊断信号处理技术。方法根据其信号处理域组织，包括时域、频域、时频域和数据驱动方法。讨论的每个方法涵盖了基本操作原理、测量信号、从信号中提取的绝缘特征以及实施的实际要求。可以说，没有单一技术能满足所有监测要求，最优方法取决于传感硬件、感兴趣的绝缘层、计算资源以及目标是检测、分类还是寿命预测。本综述的主要贡献是从诊断信号处理角度组织了定子绕组绝缘监测，为研究人员提供了比较诊断方法的更清晰基础。本综述中呈现的绝缘故障映射显示了当前方法发展完善之处以及仍需进一步工作的地方。匝间是研究最广泛的，但相间绝缘状态监测仍需要更多研究。综述还汇集了影响不同方法的主要权衡。更简单的方法，包括时域指标和基于FFT的分析，更易于实现，但对微弱或非平稳信号的灵敏度可能有限。更先进的方法，包括小波变换、FrFT和ML，可提高灵敏度和分类，但通常要求更高的采样率和更多计算资源。这种比较有助于研究人员为特定监测目标选择合适方法，并开发改进的在线绝缘状态监测诊断方法。
    从本综述确定的几个局限性包括：实验室实现与具有有限计算资源的商业驱动控制器部署之间的差距仍是先进信号处理技术用于在线绝缘监测工业采用的最重大障碍；数据驱动绝缘监测的进展受限于缺乏标准故障数据集、通用测试程序和共享基准，不同研究使用不同电压水平、老化方法、传感器、信号处理技术和故障定义，使得公平比较方法困难；许多研究使用外部电容模拟绝缘劣化，虽然这些方法对受控测试有用，但可能无法完全代表自然老化或故障定子绕组的行为。
    一些未来方向包括：制定标准老化协议、基准、信号采集方案和评估指标；使用自然老化定子和故障机器验证所提方法；开发缩小频带的方法用于主绝缘、匝间和相间绝缘故障定位而非检测；更多关注将逆变器用作诊断工具而不仅仅是电压应力源；更多研究专注于将迁移学习、联邦学习和自监督学习应用于定子绝缘状态监测。