收藏本站
当前位置：电机状态监测结果的模糊逻辑方法评定
式中：Ux—隶属度；Xi—故障特征参量的实际值；Sx—被诊断电动机相应监测参数的诊断标准；MX—修正系数。所用状态监测仪器测量的振动幅值(双倍幅值)和振动速度值均为中频范围下的有效值，加速度所测的低频值L。为10Hz~1kHz，高频值Hi为1~15kHz，故确定各参数的修正系数如表1所示。
模糊综合诊断必须选择合适的诊断标准。由于电动机转子在工作时需承受各种复杂和交变的应力作用，有些故障诊断的绝对标准不适用或诊断准确性差，故采用相对标准判断较为合理。把电动机自身的状态作前后纵向比较，参数的变化能比较准确地反映其状态的变化，判别的可靠性更大一些，因此，最终确定采用统计法针对每台电机建立其相对标准。
由于电机各监测部位的不同监测参数反映不同部件的运行状况，而各部件对电动机的影响程度不同，因此需分别设定所对应的阈值，然后用最大隶属度原则判定最可能出现的原因。阈值原则是指，凡隶属度大于阈值的项所对应的就是故障原因所在，而其中最大隶属度项就是最可能出现的故障原因。通过对各类故障电机的监测数据进行统计汇总，计算其隶属度，求出同类故障的每台电机对应的故障诊断值，并结合对设备影响程度的大小，确定对应故障的阈值如表2所示。
利用专家知识建立知识库是模糊推理的关键，故障诊断模糊矩阵反映的是故障原因与故障征兆之间的关系。原因与故障之间错综复杂，为了能从征兆中找出原因，需预先订出征兆与原因之间的相关程度，即模糊诊断矩阵。
通过总结分析电机日常检修资料和对应的状态监测数据，对所有进行状态监测的故障电机进行故障类型的标识，计算出每台电机诊断标准的隶属度值即标准隶属度，求出同类故障下每个监测参数中对应隶属度大于相应标准隶属度的个数，将各监测参数所占的百分比作为征兆与原因之间的权系数，以此构成模糊诊断矩阵，见表3。
三、诊断实例
1.过程分析。2003年4月，该电机振动剧烈，轴承噪声较大，诊断为动平衡不良和前轴承磨损。对前后轴承补充润滑脂后，振动值仍然偏大。后于6月检修时对电机转子进行了动平衡试验，发现转子两端分别有125g和99.7g的不平衡量，分别调整至7.02g和19.5g，并更换了前后轴承，振动消除，运行状况良好。
2.诊断分析。通过对不同阶段监测数据的分析计算，得到隶属度值如表5，结合模糊矩阵和诊断阈值进行综合计算，
四、结论
经现场检验，模糊诊断的计算方法和模糊矩阵及修正系数可以较准确地诊断出电机常见的故障，与解体检修的实际情况基本一致，能较好地为电机的日常维护和管理提供依据，满足设备管理的要求。
上一篇：车用电机驱动系统技术和产业蓄势待发 2025-11-03
下一篇：电机轴承异音分析和解决 2025-11-03
