吳國沛，余銀犬，涂文兵

（華東交通大學(xué)機電與車輛工程學(xué)院，江西南昌 330000）

永磁同步電機（permanent magnet synchronous motor，PMSM）具有結(jié)構(gòu)簡單、運行穩(wěn)定、效率高和外形多樣等顯著優(yōu)點。隨著永磁同步電機的應(yīng)用越來越廣泛，人們對它的運行安全性和穩(wěn)定性越來越關(guān)注[1]。與電勵磁電機相比，永磁同步電機最大的不足在于其內(nèi)部的永磁體可能會退磁，從而導(dǎo)致電機的效率降低或驅(qū)動模塊損壞，嚴重時可能會造成電機報廢[2]。這一問題極大地限制了永磁同步電機的應(yīng)用[3-4]。同時，永磁同步電機還可能出現(xiàn)電路故障和轉(zhuǎn)子偏心故障。此外，同其他旋轉(zhuǎn)機械一樣，在長期工作后，永磁同步電機的軸承可能會出現(xiàn)故障甚至卡死，進而導(dǎo)致整個電機損壞。因此，對永磁同步電機的各類故障進行預(yù)測和診斷具有重要價值和意義。

1 永磁同步電機的結(jié)構(gòu)和工作原理

1.1 永磁同步電機的結(jié)構(gòu)

永磁同步電機主要由定子（含繞組）、轉(zhuǎn)子和永磁體三部分組成。其中：定子為在電機工作過程中固定不動的部分；轉(zhuǎn)子由導(dǎo)磁軛和轉(zhuǎn)軸組成。根據(jù)永磁體在轉(zhuǎn)子上的分布，可將永磁同步電機分為表貼式（表面凸出式和表面插入式）、內(nèi)嵌式和內(nèi)置式（徑向式、切向式和混合式），其內(nèi)部結(jié)構(gòu)分別如圖1至圖3所示；根據(jù)勵磁方向，可將永磁同步電機分為徑向勵磁式和軸向勵磁式。表貼式永磁同步電機的磁力線分布和磁感應(yīng)強度分布分別如圖4和圖5所示。

圖1 表貼式永磁同步電機內(nèi)部結(jié)構(gòu)Fig.1 Internal structure of surface mounted PMSM

圖2 內(nèi)嵌式永磁同步電機內(nèi)部結(jié)構(gòu)Fig.2 Internal structure of embedded PMSM

圖4 表貼式永磁同步電機的磁力線分布Fig.4 Magnetic field line distribution of surface mounted PMSM

圖5 表貼式永磁同步電機的磁感應(yīng)強度分布Fig.5 Magnetic induction intensity distribution of surface mounted PMSM

1.2 永磁同步電機的工作原理

在同步旋轉(zhuǎn)坐標系下，永磁同步電機的電壓方程和磁鏈方程分別為：

式中：ud、uq，id、iq，Ld、Lq，ψd、ψq分別為永磁同步電機直軸和交軸（即d軸和q軸）的電壓、電流、電感和磁鏈；Rs為定子的電阻；ωe為電角度；ψf為永磁體的磁鏈。

永磁同步電機的電磁轉(zhuǎn)矩Te為：

式中：p為永磁體的極對數(shù)。

永磁同步電機的工作原理為：當(dāng)定子繞組的A相、B相和C相分別通入三相交流電后，定子繞組周圍會產(chǎn)生空間磁場，該磁場與永磁體產(chǎn)生的磁場相互影響，從而產(chǎn)生電磁轉(zhuǎn)矩；當(dāng)輸出的電磁轉(zhuǎn)矩超過轉(zhuǎn)子的摩擦轉(zhuǎn)矩、永磁體的阻尼轉(zhuǎn)矩和電機的負載轉(zhuǎn)矩之和時，電機開始轉(zhuǎn)動，其轉(zhuǎn)速n=60f/p，其中f為永磁同步電機的電流頻率。

2 永磁同步電機故障診斷方法總結(jié)

如圖6所示，永磁同步電機的故障主要分為5類，分別為退磁故障、電路故障、轉(zhuǎn)子偏心故障、軸承故障和其他故障。

圖6 永磁同步電機故障分類Fig.6 Fault classification of PMSM

2.1 退磁故障診斷方法

永磁同步電機的退磁故障可分為均勻退磁故障和不均勻退磁故障，前者指所有永磁體均發(fā)生退磁故障，后者指部分永磁體發(fā)生退磁故障。永磁體的磁滯回線如圖7所示。由圖7可知，隨著磁場強度H的增大，永磁體的磁感應(yīng)強度逐漸增大至最大值Bm，此時對應(yīng)的磁場強度為Hm；當(dāng)磁場強度減小為0 A/m時，永磁體的磁感應(yīng)強度為Br，稱作剩余磁感應(yīng)強度；當(dāng)磁場強度反向增大至對應(yīng)的磁感應(yīng)強度為0 T時，此時磁場強度為-Hc，其中Hc稱作矯頑力。

圖7 永磁體的磁滯回線Fig.7 Hysteresis loop of permanent magnet

由永磁體的磁滯回線可得，永磁體的磁性強弱主要取決于磁感應(yīng)強度B，其表達式為：

式中：μ0為真空磁導(dǎo)率，μ0=4π×10-7H/m。

永磁同步電機的永磁體在高頻振動或高溫等惡劣環(huán)境下易退磁。引發(fā)永磁體退磁的原因主要有由定子匝間或相間短路引起的高溫、電樞反應(yīng)（包含過流）和機械振動。當(dāng)永磁同步電機發(fā)生退磁故障后，其特征信號會發(fā)生變化。目前，常用于退磁故障診斷的特征信號包括徑向磁感應(yīng)強度[5]、反電動勢[6]、定子電流[7]和電磁轉(zhuǎn)矩[8]。當(dāng)永磁同步電機的永磁體發(fā)生不同程度的均勻退磁故障時，其徑向磁感應(yīng)強度、定子電流和電磁轉(zhuǎn)矩的變化情況分別如圖8至圖10所示。

圖8 不同程度均勻退磁故障下永磁同步電機的徑向磁感應(yīng)強度Fig.8 Radial magnetic induction of PMSM under different degrees of uniform demagnetization fault

圖9 不同程度均勻退磁故障下永磁同步電機的定子電流Fig.9 Stator current of PMSM under different degrees of uniform demagnetization fault

圖10 不同程度均勻退磁故障下永磁同步電機的脈動轉(zhuǎn)矩Fig.10 Torque ripple of PMSM under different degrees of uniform demagnetization fault

目前，針對永磁同步電機退磁故障的診斷方法主要有以下幾種：通過建立永磁同步電機退磁故障模型獲取特征信號后直接診斷的方法[5-8]；基于退磁故障特征信號直接利用算法進行診斷的方法[9-10]；對退磁故障特征信號進行處理后直接診斷的方法[11-13]；對退磁故障特征信號處理后利用算法進行診斷的方法[14-18]。

分析圖7至圖9可知，當(dāng)永磁同步電機發(fā)生均勻退磁故障時，其徑向磁感應(yīng)強度的幅值變小，定子電流和電磁轉(zhuǎn)矩（穩(wěn)定運行過程）的幅值變大，該規(guī)律可作為永磁同步電機退磁故障診斷的依據(jù)。張文敏等[5]分析了永磁同步電機發(fā)生退磁故障后，其徑向磁感應(yīng)強度和電磁轉(zhuǎn)矩的變化。Gritli等[6]通過評估永磁同步電機定子電壓經(jīng)傅里葉變換（Fourier transformm，F(xiàn)FT）后的5次和7次諧波來獲取永磁體的退磁故障指數(shù)，以判斷永磁體磁鋼的狀態(tài)，并利用有限元仿真分析、數(shù)學(xué)解析模型和實驗驗證了該方法的有效性。何靜等[7]以磁場同步旋轉(zhuǎn)坐標系下永磁同步電機的定子電流為狀態(tài)變量，搭建了退磁故障數(shù)學(xué)模型，并以該數(shù)學(xué)模型為基礎(chǔ)編寫了基于狀態(tài)觀測器的退磁故障實時診斷方法，該方法簡潔明了，穩(wěn)定性好且結(jié)果準確。張志艷等[8]研究了永磁同步電機的電磁轉(zhuǎn)矩和電磁力與退磁故障的關(guān)系。Chang等[9]利用自動編碼器和K均值聚類算法對永磁同步電機的退磁故障進行診斷，并通過實驗驗證了該方法的準確率高達96%，但未研究永磁體不均勻退磁的情況。文傳博等[10]提出了一種基于卡爾曼濾波算法和小波變換的永磁同步電機磁鏈信息在線監(jiān)測算法，既能實現(xiàn)電機退磁障礙的在線監(jiān)測，又提高了診斷速度和準確率。Barmpatza等[11]利用快速傅里葉變換（fast Fourier transformm，F(xiàn)FT）對永磁同步電機的反電動勢進行了處理，并通過觀察反電動勢的諧波幅值變化來判斷電機是否發(fā)生退磁故障。Gritli等[12]提出了一種基于小波變換的永磁同步電機反電動勢分析方法，經(jīng)實驗驗證該方法能有效地診斷電機的退磁故障。Gherabi等[13]對永磁同步電機的定子電流進行了傅里葉變換，并通過觀察電流頻譜的實部和虛部來診斷電機的退磁故障。張丹等[14]對發(fā)生退磁故障的永磁同步電機的磁感應(yīng)強度進行重構(gòu)，并結(jié)合概率神經(jīng)網(wǎng)絡(luò)（probabilistic neural network，PNN）算法實現(xiàn)了對永磁體局部退磁故障的診斷，準確率高達99.4%。Ullah等[15]利用可視化幾何組（visual geometry group，VGG）網(wǎng)絡(luò)對永磁同步電機的振動信號和定子電流進行處理，并將特征信號轉(zhuǎn)換成圖像，該方法的診斷準確率高達 96.65%。 Song等[16]提出了一種融合S變換（S-transform，ST）和粒子群優(yōu)化-最小二乘支持向量機（particle swarm optimization-least square support vector machine，PSO-LSSVM）的永磁同步電機局部退磁故障識別系統(tǒng)，該系統(tǒng)對故障特征具有較高的敏感度且能有效地提取故障特征信號，可準確識別退磁故障，識別準確率為100%。Song等[17]利用小波變換和包絡(luò)分析對永磁同步電機的磁信號進行處理，并通過漢寧窗優(yōu)化來增強故障特征，結(jié)果表明該方法在不同噪聲環(huán)境下均具有較強的魯棒性和有效性。Krichen等[18]通過研究發(fā)現(xiàn)，不均勻退磁會引入特定的諧波，均勻退磁會使給定轉(zhuǎn)矩下的定子電流幅值增大，并提出了基于快速傅里葉變換的永磁同步電機退磁故障診斷方法。

綜上所述，對于永磁同步電機退磁故障的診斷，相比于直接利用算法進行診斷的方法或?qū)收咸卣餍盘栠M行處理后直接診斷的方法，對故障特征信號處理后利用算法進行診斷的方法的診斷速度更快，適用范圍更廣且準確率更高。

2.2 電路故障診斷方法

永磁同步電機的電路故障分為3類：1）電流傳感器故障；2）定子匝間短路故障；3）定子相間短路故障。

2.2.1 電流傳感器故障

提高電機的容錯能力可以提升電機的效率，而提高容錯能力的前提是能快速且準確地診斷電流傳感器故障。目前，用于永磁同步電機電流傳感器故障診斷的方法主要分為融合算法和容錯控制以及基于狀態(tài)觀測器的方法。

Azzoug等[19]提出了一種基于矢量控制和電流估計的異步電動機電流傳感器容錯控制方法，該方法實現(xiàn)了傳感器故障的診斷、故障傳感器的隔離以及通過適當(dāng)?shù)碾娏鞴烙媮碇貥?gòu)控制系統(tǒng)。El-khil等[20]基于對永磁同步電機定子電流的分析，提出了一種用于三相永磁同步電機驅(qū)動器中電流傳感器故障診斷的新方法，與類似的診斷方法相比，該方法可以區(qū)分開路和電流傳感器故障，具有很高的魯棒性。Li等[21]提出了一種用于診斷永磁同步電機電流傳感器嚴重故障的混合容錯策略。林京京等[22]提出了一種能提高系統(tǒng)容錯率的方案，其可用于永磁同步電機電流傳感器故障的診斷。應(yīng)黎明等[23]提出了一種能在線檢測電信號且能實現(xiàn)故障前后無縫銜接的永磁同步電機傳感器故障診斷方案。Gao等[24]提出一種了基于狀態(tài)觀測器的電流傳感器故障診斷方法。在文獻[24]的基礎(chǔ)上，Lee等[25]提出了一種新的診斷方法，其不僅可以診斷電流傳感器故障，還能直接應(yīng)用于容錯電機驅(qū)動。Yu等[26]提出的3種并行自適應(yīng)觀測器能夠?qū)﹄娏鱾鞲衅鞴收线M行診斷和定位。楊海濤等[27]提出了基于參數(shù)間隔孿生支持向量機的增量學(xué)習(xí)算法，但其適用范圍小，僅限于電流滯環(huán)所控制的永磁同步電機。孫艷歌等[28]提出了一種基于信息熵的數(shù)據(jù)流自適應(yīng)集成分類算法，該算法具有很高的容錯率和抗干擾性，且在保證較高的電流傳感器故障診斷準確率的前提下提高了診斷速度。

綜上所述，對于永磁同步電機電流傳感器的診斷，融合算法和容錯控制的診斷方法具有診斷范圍廣的優(yōu)點；基于狀態(tài)觀測器的診斷方法具有診斷迅速且準確的優(yōu)點。

2.2.2 定子匝間短路故障

定子匝間短路故障是永磁同步電機較為常見的故障，其產(chǎn)生原因較為復(fù)雜，可簡單歸結(jié)為以下4點：

1）在電機起動過程中，定子匝間絕緣體承受暫態(tài)過電壓；

2）電機定子繞組溫度過高導(dǎo)致定子匝間絕緣體失效；

3）電機振動導(dǎo)致定子繞組線圈相互接觸、擠壓、摩擦和損壞；

4）電機長期在潮濕、高溫等惡劣環(huán)境下工作。

在永磁同步電機的實際應(yīng)用中，各種過載電壓是導(dǎo)致定子匝間絕緣體損傷的主要原因。當(dāng)發(fā)生定子匝間短路時，短路線圈產(chǎn)生的反電動勢與正常線圈的相反，故短路線圈產(chǎn)生的磁場的方向與原磁場方向相反，使得永磁同步電機內(nèi)部溫度升高，進而導(dǎo)致其永磁體發(fā)生退磁故障。圖11所示為三相永磁同步電機定子匝間短路（A相短路）示意圖。圖中：u、i分別為電壓、電流；R、L和V分別表示電阻、電感和電壓表，其中Rf表示短路支路的電阻；a、b、c分別對應(yīng)A、B、C相。圖12所示為永磁同步電機定子匝間短路實物圖。

圖11 永磁同步電機定子匝間短路示意圖Fig.11 Schematic diagram of stator inter-turn short circuit of PMSM

圖12 永磁同步電機定子匝間短路實物圖Fig.12 Physical drawing of stator inter-turn short circuit of PMSM

針對永磁同步電機定子匝間短路故障的診斷，陳勇等[29]以融合的定子齒尖振動信號和定子電流為特征信號，并結(jié)合改進小波包變換算法和快速傅里葉變換來診斷永磁同步電機的定子匝間短路故障，該方法的診斷準確率和速度比采用單一特征為故障判斷依據(jù)的方法均要高。王小強等[30]通過對比故障電機的數(shù)學(xué)模型來診斷永磁同步電機的定子匝間短路故障。王棟悅等[31]以融合的機械振動信號的二倍頻分量和定子電流為新的故障特征信號，用于診斷永磁同步電機的定子匝間短路故障，結(jié)果表明該方法的診斷準確率明顯高于傳統(tǒng)方法，且適用于精度要求較高的場合。丁石川等[32]通過直流分量和二倍頻諧波分量的幅值來判斷永磁同步電機是否發(fā)生定子匝間短路故障，該方法的診斷準確率相比于傳統(tǒng)的基于定子電流的診斷方法高，且診斷簡單及成本低。李永剛等[33]基于多個融合信號實現(xiàn)了永磁同步電機定子匝間短路故障的診斷，該方法解決了基于單一故障特征的方法診斷精度低的弊端，提高了故障診斷的準確率。陳慧麗等[34]結(jié)合在線檢測和離線檢測兩種方法，對永磁同步電機定子匝間短路故障進行診斷，使得診斷速度大幅提高。相比于文獻[34]的綜合診斷方法，彭偉等[35]提出的永磁同步電機定子匝間短路故障在線檢測方法在對故障特征信號進行快速傅里葉變換時引入了布萊克曼窗，實現(xiàn)了故障特征信號的快速獲取，但該方法的適用范圍較小，不適合用于輕微故障的診斷。趙洪森等[36]通過提取負序電流作為故障特征信號來診斷同步發(fā)電機的定子匝間短路故障。

綜上所述，針對永磁同步電機定子匝間短路故障的診斷方法大多為基于信號處理的方法，且融合多個故障特征信號以及對故障特征信號進行預(yù)處理均能提高故障診斷的準確率。

2.2.3 定子相間短路故障

在實際應(yīng)用中，定子相間短路故障對永磁同步電機的影響比定子匝間短路故障更大[37]。然而，目前對定子匝間短路故障的研究比較多，而針對定子相間短路故障的研究相對匱乏且不夠深入。圖13所示為永磁同步電機定子相間短路實物圖。

圖13 永磁同步電機定子相間短路實物圖Fig.13 Physical diagram of stator inter-phase short circuit of PMSM

針對永磁同步電機定子相間短路故障的診斷，齊歌等[38]研究了雙三相永磁同步電機的一相短路故障，但未研究相間短路故障。陳麗[39]只對永磁同步電機定子相間短路故障進行了仿真分析，但未進行實驗驗證，可靠性不強且適用范圍較小。田代宗等[40]建立了發(fā)生相間短路故障的十二相可控整流永磁同步電機的數(shù)學(xué)模型，并通過比較電機內(nèi)部電氣量的分布情況來診斷其是否發(fā)生相間短路故障，該方法的適用性較強。

2.3 轉(zhuǎn)子偏心故障診斷方法

永磁同步電機的轉(zhuǎn)子偏心故障主要分為轉(zhuǎn)子靜偏心和轉(zhuǎn)子動偏心兩種情況，其他類型的轉(zhuǎn)子偏心故障（如轉(zhuǎn)子斜偏心和轉(zhuǎn)子軸向偏心）的研究還比較少。轉(zhuǎn)子靜偏心是指轉(zhuǎn)子的旋轉(zhuǎn)中心與定子圓心不重合，但轉(zhuǎn)子的旋轉(zhuǎn)中心不變，由電機安裝偏差造成，如圖14所示；轉(zhuǎn)子動偏心是指轉(zhuǎn)子旋轉(zhuǎn)中心與定子圓心不重合，且轉(zhuǎn)子繞著定子圓心旋轉(zhuǎn)，由電機長期劇烈振動造成，如圖15所示。針對永磁同步電機轉(zhuǎn)子偏心故障的診斷，Park等[41]利用模擬霍爾傳感器對永磁同步電機的轉(zhuǎn)子故障進行了診斷和分類，通過對電機在偏心、局部退磁和負載不平衡條件下進行實驗測試發(fā)現(xiàn)，該方法可以在較低的附加成本下提高故障診斷的可靠性和靈敏度。此外，Park等[42]還利用模擬霍爾效應(yīng)場傳感器來診斷永磁同步電機的轉(zhuǎn)子偏心故障和永磁體局部退磁故障，結(jié)果表明，利用霍爾效應(yīng)場傳感器可以直接測量因轉(zhuǎn)子磁場不對稱而引起的電機內(nèi)部磁通量的變化，該方法可靈敏、可靠地診斷動態(tài)的轉(zhuǎn)子混合偏心和永磁體局部退磁故障。Cira等[43]通過觀察永磁同步電機的振動信號來診斷其轉(zhuǎn)子的靜、動偏心故障，結(jié)果表明，靜偏心改變了振動信號的階數(shù)，而動偏心同時改變了振動信號的階數(shù)和頻率，并通過有限元分析和實驗驗證了上述結(jié)果。Liu等[44]建立了永磁同步電機轉(zhuǎn)子偏心的數(shù)學(xué)模型，通過分析d、q軸的電感來診斷其轉(zhuǎn)子偏心故障，并通過實驗驗證了所提出的故障診斷方法的有效性。基于文獻[44]，李全峰等[45]對表貼式永磁同步電機的轉(zhuǎn)子偏心故障進行了有限元仿真分析，結(jié)果表明，當(dāng)轉(zhuǎn)子發(fā)生靜偏心時，電機的徑向電磁力波幅值增大；當(dāng)轉(zhuǎn)子發(fā)生動偏心時，電機的徑向電磁力波出現(xiàn)倍頻數(shù)為分數(shù)的諧波分量，導(dǎo)致電機的振動變大，因此可通過這些故障特征信號來診斷電機的轉(zhuǎn)子偏心故障。楊存祥等[46]建立了轉(zhuǎn)子偏心程度不同的永磁同步電機的模型，先對定子電流進行預(yù)處理，再對處理后的定子電流進行頻域分析，以分析轉(zhuǎn)子的動偏心程度與故障特征頻率之間的關(guān)系。仇志堅等[47]搭建了表貼式永磁同步電機轉(zhuǎn)子的靜偏心解析模型，通過磁感應(yīng)強度和不平衡磁拉力的解析結(jié)果來診斷轉(zhuǎn)子靜偏心故障。

圖14 永磁同步電機轉(zhuǎn)子靜偏心示意Fig.14 Schematic diagram of rotor static eccentricity of PMSM

圖15 永磁同步電機轉(zhuǎn)子動偏心示意Fig.15 Schematic diagram of rotor dynamic eccentricity of PMSM

綜上所述，永磁同步電機轉(zhuǎn)子偏心故障的診斷主要是先通過建立仿真模型或解析模型來獲取轉(zhuǎn)子偏心故障特征信號，再直接利用故障特征信號或利用處理后的故障特征信號進行診斷。其中，常用的轉(zhuǎn)子偏心故障特征信號為振動信號、定子電流和磁感應(yīng)強度等。

2.4 永磁同步電機軸承故障診斷方法

永磁同步電機的軸承故障是較常見的故障類型。永磁同步電機中軸承的結(jié)構(gòu)及其徑向載荷分布如圖16所示[48]。正常的軸承在工作時會因自身結(jié)構(gòu)特點、安裝誤差等而產(chǎn)生振動，而軸承發(fā)生故障時也會產(chǎn)生振動，但這2種振動的特征是不一樣的。

圖16 軸承的結(jié)構(gòu)及載荷分布Fig.16 Structure and load distribution of bearing

當(dāng)軸承的不同部件發(fā)生故障時，其振動頻率不同。不同故障下軸承的振動頻率如下[48]。

式中：Nb為滾動體個數(shù)；fr為電機實際的旋轉(zhuǎn)頻率；Db為滾動體直徑；Dc為軸承節(jié)圓直徑；α為滾動體與軌道的接觸角，當(dāng)滾動體不承受徑向載荷時，α=0°。

針對永磁同步電機軸承故障的診斷，宮文峰等[48]提出了一種改進的卷積神經(jīng)網(wǎng)絡(luò)-支持向量機（convolutional neural networks-support vector machine，CNNs-SVM）方法，可以快速且準確地診斷永磁同步電機軸承的輕微故障。Lee等[49]提出了縮放快速傅立葉變換（zoom fast Fourier transform，ZFFT）方法，該方法無須額外安裝傳感器，且在實現(xiàn)最小化計算成本的同時提高了永磁同步電機軸承故障診斷的準確率。Li等[50]提出了一種基于離散小波變換（discrete wavelet transform，DWT）和長短時記憶（long-short term memory，LSTM）神經(jīng)網(wǎng)絡(luò)的移動機器人永磁同步電機軸承故障類型識別與分類方法，即先利用離散小波變換分解采集的振動信號以得到分類率較高的特征，再將特征向量作為長短時記憶神經(jīng)網(wǎng)絡(luò)的輸入，實驗結(jié)果表明，該方法可在不同轉(zhuǎn)速下準確識別電機軸承故障的類型。陳健等[51]推導(dǎo)了永磁同步電機空氣動力噪聲頻率的表達式，發(fā)現(xiàn)可通過檢測電機端蓋處的振動信號來診斷電機軸承是否損壞。在文獻[51]的基礎(chǔ)上，王春雷等[52]結(jié)合神經(jīng)網(wǎng)絡(luò)算法，先將振動信號轉(zhuǎn)換成二維時頻圖輸入來訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN），再利用卷積神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)優(yōu)勢來分析軸承故障類型與故障特征之間的關(guān)系，從而提高了電機軸承故障的診斷速度和準確率。袁建虎等[53]搭建了基于小波時頻和卷積神經(jīng)網(wǎng)絡(luò)的分類器模型，該模型利用連續(xù)小波變換（continuous wavelet transform，CWT）對滾動軸承的振動信號進行處理，能準確識別各類軸承故障。許愛華等[54]提出了改進的變分模態(tài)分解（variational mode decomposition，VMD）方法，可對原始信號進行去噪處理并提取微小的故障特征信號，相比于常用的經(jīng)驗?zāi)B(tài)分解（empirical mode decomposition，EMD）方法和變分模態(tài)分解方法，其診斷速度更快且準確率更高。王麗華等[55]使用短時傅里葉變換（short-time Fourier transform，STFT）將異步電機的振動信號轉(zhuǎn)換成時頻譜圖，再將處理后的故障特征信號作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，以進行電機軸承故障診斷。楊春潔[56]在處理故障特征信號前，先利用LabVIEW軟件對機車牽引電機軸承的振動信號進行小波包去噪處理，而后融合Hilbert包絡(luò)分析對電機軸承進行故障診斷。

綜上所述，永磁同步電機軸承故障的診斷方法也大多為結(jié)合模型搭建和信號處理的方法，即先搭建故障模型以提取故障軸承的振動信號，再對振動信號進行處理，最后利用算法進行故障診斷。

3 結(jié)論

本文總結(jié)了永磁同步電機的退磁故障、電路故障、轉(zhuǎn)子偏心故障和軸承故障的診斷方法，得出的結(jié)論以下。

1）對于永磁同步電機的退磁故障，直接利用故障特征信號進行診斷的方法耗時少且簡單；對故障特征信號處理后利用算法進行診斷的方法的診斷速度更快，適用范圍更廣且準確率更高。

2）對于永磁同步電機的電路故障，大多是通過建立故障模型（數(shù)學(xué)模型或有限元模型）來獲取特征信號，并直接利用特征信號或利用處理后的特征信號進行診斷，其中聯(lián)合信號處理的診斷方法的準確率較高。

3）對于永磁同步電機的轉(zhuǎn)子偏心故障，大多是通過對比由解析法獲得的電機轉(zhuǎn)子未偏心時的特征信號與由有限元仿真獲得的電機轉(zhuǎn)子偏心后的特征信號（或處理后的特征信號）來診斷的。

4）對于永磁同步電機的軸承故障，大多是通過檢測電機的振動信號來診斷的，該方法具有較高的可行性和準確性，且預(yù)先對振動信號進行去噪處理可提高診斷準確率。