李睿彧 刘 飞 梁 霖,2 罗爱玲 徐光华,3

（1. 西安交通大学机械工程学院 西安 710049 2. 西安交通大学现代设计及转子轴承系统教育部重点实验室 西安 710049 3. 机械制造系统工程国家重点实验室（西安交通大学） 西安 710054）

0 引言

交流变频电机是工业中应用广泛的动力驱动部件，其运行状态将直接影响设备运行的安全性及稳定性。转子断条作为最常见的故障形式，在早期故障检测中具有识别难、隐含性强的特点，致使工业检测中识别率较低[1]。尽管利用振动信号检测电机故障已开展了众多研究[2-3]，但振动信号在强电磁干扰环境下往往成分复杂，早期故障特征信息易被噪声等不相干成分淹没。而电流信号具有信噪比高、非侵入式检测的优点，能直接反映电机的内部动态机械与电气特性[4]。因此，本文将利用电流信号检测交流变频电机早期转子断条故障作为研究的关键。

目前，电流信号检测技术（Motor Current Signature Analysis, MCSA）以信号基频及旁瓣分量为分析特征已被应用于电机故障监测中[5]。但对于交流变频电机来说，由于受工作特性的限制，电机在低速状态下的转子断条故障初期阶段，(1±2s)fs（s为转差率，fs为电流基频）特征频率分量相对微弱，且s和fs较低，导致特征频率旁瓣分量容易与基频混叠，难以识别[6]。这一问题已引起一些学者的重点关注。就提高电流信号频谱分辨率研究方面，G. Singh等[1]利用多重信号分类（Multiple Signal Classification, MUSIC）算法来提高电流二次方伪谱的分辨率，以提高转子断条故障检测的灵敏度。在此基础上，孙丽玲等[7]提出一种MUSIC与模拟退火算法相结合的电机转子断条故障检测方法，以实现对转子断条故障特征频率幅值和相位的准确估计。……