基于Park变换的感应电机诊断新MSCSA技术

《Electronics》：A New MSCSA Technique for Induction Motor Diagnosis Based on the Park Transform Approach

　　

感应电机在工业应用中发挥着关键作用，使得预防性维护与故障诊断技术相结合对于确保可靠运行至关重要。感应电机最广泛使用的诊断方法之一是电机电流特征分析（Motor Current Signature Analysis, MCSA）。然而，该方法存在一定局限性，尤其是在检测早期或微小故障方面。另一种成熟的技术是电机平方电流特征分析（Motor Square Current Signature Analysis, MSCSA），它通过从电机电流信号中提取额外的故障相关信息，克服了MCSA的部分局限性。本文提出一种新的诊断技术，命名为MSCSA-APT（Motor Square Current Signature Analysis–Alternative Park Transform），基于电机电流的频谱分析。与传统MSCSA方法相比，所提方法通过频域分析提供额外信息，从而提升故障检测能力。该方法基于电机平方电流信号的平方，并采用替代Park变换（Alternative Park Transform, APT）来增强故障特征提取。研究人员通过仿真和实验结果验证了所提方法。尽管该方法已针对不同类型故障的识别进行评估，但在检测定子短路故障方面尤为有效。

**论文解读：基于替代Park变换的MSCSA新方法在感应电机定子匝间短路故障诊断中的应用**

**研究背景与问题**

感应电机在现代工业中广泛使用，其可靠运行对生产连续性至关重要。然而，电机在运行中易发生定子绕组故障（如匝间短路）、转子电气故障及机械故障，这些故障若未及时发现，可能导致严重停机事故。传统的故障诊断方法包括电机电流特征分析（MCSA），该方法通过分析单相定子电流的频谱来识别故障特征频率，但存在局限性：在检测早期或微小故障时，微弱故障侧边带易被强大的基频分量（50Hz或60Hz）的频谱泄漏淹没，导致灵敏度不足。为克服此问题，研究人员提出了电机平方电流特征分析（MSCSA），通过平方电流信号引入更多故障相关频率分量，但该方法在定子匝间短路故障的严重程度评估上仍不够敏感。此外，近年来基于深度学习（如CNN、LSTM）和Transformer的智能诊断方法虽精度高，但存在计算开销大、缺乏物理可解释性、对数据不平衡敏感等问题，不便于工业边缘部署。因此，亟需一种兼具高灵敏度、低计算复杂度且物理可解释的故障诊断方法。

**研究目的**

本研究旨在提出一种基于MSCSA和替代Park变换（APT）的新诊断技术——MSCSA-APT，通过将基频能量转移至直流分量，消除频谱泄漏，从而显著提升定子匝间短路故障的检测灵敏度和信噪比。

**主要关键方法**

本研究采用以下关键技术方法：
1. **电机平方电流特征分析（MSCSA）**：对单相定子电流进行平方运算，获得包含直流分量和2倍基频分量的新信号，再通过频谱分析提取故障特征。
2. **替代Park变换（APT）**：修改传统Park变换矩阵，用α-β轴电流分量替代三角函数权重，使变换后的直轴电流（i’_d）恒为零，交轴电流（i’_q）等于空间矢量模的平方，从而将基频能量完全映射至0Hz直流分量。
3. **频谱分析与故障严重性指数**：对交轴电流平方信号进行FFT分析，定义故障严重性指数（SF）为故障特征频率分量与直流分量的比值。
实验样本来源于实验室测试台：一台1kW、220/380V、2极、50Hz三相感应电机，使用LEM LA 55-P霍尔效应电流传感器（每相一个），以5kHz采样率采集16位分辨率数据，共65536个样本用于离线FFT分析。定子匝间短路故障通过外部抽头电路板安全注入（10匝和40匝短路）。

**研究结果**

**4.1 实验设置**
研究人员搭建了包含电流传感器、信号调理系统和频谱分析仪的实验平台。定子绕组经外部抽头连接至交互电路板，可手动选择短路匝数并插入限流电阻，防止绝缘热损坏。预处理阶段首先去除直流偏移，然后依次执行平方、APT、交轴电流平方、FFT及SF计算。该处理链可模拟或数字实现。

**4.2 获得结果**
在MSCSA技术下，健康电机频谱仅含直流和100Hz分量（2f）。当发生定子匝间短路时，频谱中出现多个故障特征频率，如（f ± sf）附近侧边带和（2f ± sf）附近侧边带，且随短路匝数增加（从10匝到40匝）幅值显著增大。
在MSCSA-APT技术下，基频分量被完全移至0Hz（直流），故障频谱的噪声基底大幅降低。图12和图13显示，10匝故障时微弱侧边带清晰可见，40匝故障时幅值放大明显。主故障特征频率位于（2f - 2sf）附近，与理论分析一致。

**4.3 定量性能评估与比较**
研究人员定义了故障指数灵敏度（FIS）和信噪比改进（SNR_imp）。在额定负载下，MSCSA-APT的FIS达到40.6dB，SNR_imp较MCSA提升+23.7dB，较标准MSCSA提升+16.3dB，证明其显著增强的早期故障检测能力。

**4.4 讨论**
**4.4.1 计算复杂度与实时可行性**：MSCSA-APT的预处理阶段（电流平方、Clarke变换、APT）复杂度为O(N)，FFT阶段为O(N log N)。对于N=4096样本，非线性预处理仅占整体算法时钟周期的1.2%~1.5%，在150~400MHz工业微控制器上可实现毫秒级计算，完全满足实时边缘监测需求。
**4.4.2 推广至其他故障类型**：该方法的通用性分析表明，断条故障特征频率可映射至（2f ± 2sf），气隙偏心故障映射至（2f ± f_r），轴承故障映射至纯缺陷频率m·f_b。因此，MSCSA-APT适用于所有调制定子电流的感应电机故障。
**4.4.3 未来工作**：需进一步进行详细计算复杂度分析，并扩展至其他故障类型、运行条件及电机结构，同时与扩展Park矢量法（EPVA）等先进方法进行定量比较。

**4.5 局限性与边界条件**
该方法对传感器增益失配和直流漂移敏感，非理想硬件可能导致伪影侧边带。在严重电网电压畸变（高THD）下，电流仅方法可能不如同时测量电压和电流的方法（如瞬时功率法）。因此，MSCSA-APT最适合传感器校准良好且优先采用电流信号的应用场景。

**结论**

本文提出了一种新的感应电机故障诊断方法——MSCSA-APT，通过对平方定子电流进行替代Park变换并分析交轴电流平方的频谱，实现了比传统MCSA和MSCSA更丰富的频谱内容。该技术将基频电网能量完全移至0Hz直流分量，消除了相邻低频交流频谱的泄漏，使诊断噪声基底降至约-82.1dB，信噪比改进（SNR_imp）较MCSA提高超过+23dB，较经典单相MSCSA提高超过+16dB。非线性平方阶段的计算开销低于FFT基线的1.5%，验证了其在低成本嵌入式边缘处理器上的实时可行性。尽管在严重电网畸变或传感器不平衡条件下存在边界敏感性，但该方法具有确定性、高可解释性以及对早期弱故障指示的显著灵敏度，成为现代工业24/7状态监测网络中计算密集型“黑箱”人工智能模型的实用替代方案。