电动机故障诊断技术的应用分析论文

电动机故障诊断技术的应用分析论文

　　无论是在学习还是在工作中，大家一定都接触过论文吧，论文一般由题名、作者、摘要、关键词、正文、参考文献和附录等部分组成。相信写论文是一个让许多人都头痛的问题，下面是小编收集整理的电动机故障诊断技术的应用分析论文，欢迎阅读与收藏。

　　摘要：

　　当前，大型机械设备中安装电动机是非常普遍的，是辅助机械设备生产功能的一种手段，然而电动机在长期不间断工作，在电能转化为机械能的过程中造成温度持续上升、电动机性能降低、工作效率低下、电动机出现故障的情况，因此故障诊断技术的快速发展是延长电动机使用寿命的关键。本文立足于现实角度，针对现阶段电动机容易出现故障的类型，维修管理中应用的故障诊断技术的如何应用进行分析。希望通过本次研究，来探讨故障诊断技术在电动机维修管理上的应用情况，从而对相关专业知识有更深层次的理解。

　　关键词：

　　故障诊断技术,电动机,维修管理,技术

　　引言：

　　电动机的出现可以追溯到上个世纪初，随着二次工业革命的快速发展，电动机发挥了巨大的作用。随着我国科学技术、生产技术的突飞猛进，电动机在制造业、工业、农业中发挥了巨大的作用。然而长时间通过工程机械高频率使用电动机，很容易造成电动机故障。因此，故障诊断技术也顺势而生，当前电动机的故障主要包括四种类型，然而该如何进行故障诊断，从而对症下药，是当前专家学者与技术人员共同重视的问题，也是需要持续研究的课题。

　　1、电动机出现的故障类型分析

　　1.1转子故障

　　转子故障主要是因为电动机在长期运行的过程中，由于转子长期处于机械制动的高频率里，所以很容易存在转子故障。电动机转子也包括两个板块：定位轴承、非定位轴承。定位轴承主要是承担转子在高速运转过程中承担负荷力度。在电动机运行的过程中为了避免其他外部作用力造成的损害电动机的情况，还需要安装非定位轴承。

　　因此，定位轴承与非定位轴承都可能因为电动机遭受了各种作用力造成损害或者损毁的情况，最终导致电动机出现转子故障，这种故障出现是电动机的常见故障之一，也是电动机无法持续运转的关键因素，最终形成断条。

　　1.2定子故障

　　定子故障的产生很大程度是因为电动机的外部绝缘体受到了损害导致的；还有一种可能是由于电动机在使用的过程中出现了匝间短路故障。一旦出现了匝间短路则匝间绝缘需要承担暂态过电压。出现这种情况很大程度上是由于电动机长期处于较差环境中，并且持进行高速作业，造成的短路故障、绝缘变形、绝缘损坏的情况下出现的定子故障。

　　定子故障的产生也是非常常见的，维修人员可以通过故障检修技术来探讨电动机的使用状况、预计电动机的未来使用寿命。定子故障的产生也说明电动机的各个零部件、线路的性能出现了问题。

　　1.3气隙偏心故障

　　气隙偏心故障的产生是由于电动机在组装过程中产生零部件、线路出现偏差。出现这种故障一般情况下是由于组装问题、组装人员专业素质导致的。

　　出现气隙偏心故障的另一原因就是电动机长期作业，在不断震动和高频度使用的过程中造成了零部件松动、轴承故障，或者是因为定子铁芯内径的椭圆度不符合电动机的长期作业指标，从而导致的气隙偏心故障。一旦出现这种故障，很容易产生连锁效应，导致电动机无法正常运作，最终导致定子、转子之间出现了间隙。当电动机无法正常运转时，自然对工程机械的使用造成了困难。

　　1.4轴承故障

　　轴承故障的产生原因与气隙偏心故障有相似之处，也是由于零部件长期作业的过程中出现了松动、间隙之后产生的问题。由于轴承承担着电动机运转的多方力量，所以在实际运作的过程中很容易出现温度升高的情况。当温度不断升高，则轴承的径杆因热量影响，产生胀力，从而使轴承松动。电动机的轴承受到转子重力的影响，也必然会导致轴承径杆的表面因为长时间的旋转导致了磨损的情况。再加上轴承圈和轴表面在长期的旋转中呈现机械摩擦，最终导致电动机内部出现热量，最终对轴承造成破坏，导致电动机无法正常、持续的运转。

　　2、电动机故障诊断技术的应用分析

　　2.1神经网络诊断

　　神经网络诊断的方法是目前使用较多的一种诊断方法。神经网络诊断是模仿人类大脑神经元结构，将电动机内部作为大脑结构，从而建立起非线性动力学网络系统，最终由各个单元进行集成式扫描处理，高度并联。

　　通过互联网数学模拟的能力，进行电动机的故障诊断工作。神经网络诊断方法与传统的计算机诊断方法有所不同。只需要通过软件编制相应的程序，以软件编制任务为基础，高度实行诊断指令，感知与处理电动机内部各个零部件的参数、具体数据，并对比故障之前的.电动机各项零部件的参数，从而扫描出高故障的零部件样本。

　　通过这种方法，能够更强的感知到电动机内部故障，判断是定子故障还是转子故障，并判断什么区域的零部件出现了松动、磨损的情况。因此，可以看出神经网络诊断主要是将电动机内部各项参数提前掌握，最终实现运算、对比、扫描工作来确诊。

　　2.2专家系统诊断

　　专家系统故障诊断与神经网络诊断有相似之处，前者是依靠互联网数字技术，而专家系统诊断则是依靠了人工智能技术。该技术是综合了电动机故障检修相关专家的意见，并结合智能技术检测电动机各项参数，最终进行综合判断。

　　在使用专家系统诊断时，工程师需要根据自身知识素养来建立诊断模型，通过模型对比，逐一排查的方式，对电动机故障确诊。这种方法是目前较为新颖的检测技术，在建立模型、与专家系统诊断结合的过程中，能够对应解决故障，针对性延长电动机使用寿命，而且综合判断的准确率很高，在快速检测中实现全面排查工作，还能够对电动机有更加系统的诊断报告，帮助相关人员了解与判断电动机状态、未来预计使用寿命。

　　2.3信号处理诊断

　　信号处理诊断技术是针对电动机发生故障后发出信号、指令来判断故障情况。除了一些先进的电动机机器设备外，一些企业会在电动机的绝缘设备上安装诊断用信号处理装置，通过安装这种装置，能够完全对应信息处理要求。而维修人员、工程师则根据信号处理诊断技术，对电动机发出的信号时域、时频来进行分析（分析内容是信号的时域、频域、频率分量的变化、信号非平稳时的时变函数判断），从而对相关设备发出的故障进行计算、参数对比，信号处理方式。

　　2.4混合诊断方法

　　混合诊断方法也是常见的故障诊断技术，是结合以往的应急型故障诊断方法（该方法需要综合素质较高的工程师、检修工人来进行，结合仪器检测来综合判断电动机故障原因，但由于是肉眼检测和主观判断检测，所以准确率不高）的基础上，结合电动机维修管理工作，实施定期维护、管理工作，来进一步获取电动机内部定子、转子、各项零部件的数据参数，从而避免一旦出现故障会出现明显的数据误差，不利于判断重点损坏区域。当前，这种故障诊断技术随着互联网技术、数字技术的推进，也逐渐走向智能化，方便检修人员实时进行参数对比，方便预判电动机的状态，制定故障维修方案。

　　3、结束语

　　本文主要分析的是故障诊断技术在电动机维修管理中的应用，针对目前电动机故障类型进行系统分析与探讨，并针对故障诊断技术的分别具体应用进行详细的探讨，希望通过本文的分析，能够对相关专业知识有更深层次的了解。电动机是工程机械运行的重要组成部分，因此了解故障诊断技术的基础上，能够对相关专业研究有一定的引导作用。

　　参考文献

　　[1]刘迎春.故障诊断技术在煤矿机电设备维修中的运用探讨[J].现代工业经济和信息化，2019,9(02):111-113.

　　[2]王镇林.“电动机故障诊断”实训教学中任务驱动教学法的“微课”应用[J].科技创新导报，2018,15(31):144,146.

　　[3]孙慧影，林中鹏，刘银丽，李萌.基于随机游走蜂群算法优化的RBF神经网络电动机故障诊断研究[J].水电能源科学，2017,35(08):165-168.