感应电机作为工业领域的“动力心脏”，被广泛应用于工厂产线、电动汽车、电梯与空调等场景。然而，其转子断条故障虽仅占电机故障的7%–12%，若未能及时发现，将导致相邻导条电流激增50%，可能引发更严重的连锁事故。当电机由变频器驱动并运行在闭环速度控制模式时，传统电机电流信号分析往往失效——控制策略会在电流中引入与断条特征相似的谐波，导致误诊频发。来自意大利帕维亚大学与西班牙巴利亚多利德大学的团队在Machines 期刊发表了文章，提出了一种基于零序电压分析的断条检测新方法：通过监测零序电压三次谐波附近的特定频率成分𝑓₁(3−2𝑠)，构建新的故障严重程度指数𝑛_𝑍𝑆𝑉=𝑉_3−2𝑠/𝑉₃。实验表明，在直接市电、开环标量控制以及闭环速度控制等多种工况下，该指标在健康电机中稳定在0.010左右，故障电机中跃升至0.110–0.252，且随负载增加而单调增长。该研究为高性能变频驱动系统的状态监测引入了可靠诊断手段，有望实现关键故障的“早诊早治”，显著降低意外停机风险。

• 实验方案

团队搭建了一套完整的电机驱动实验平台以模拟工业现场工况：选用一台ABB M2AA 100 LC-4三相异步电动机，通过Danfoss VLT Midi Drive FC 280变频器供电；在电机端布置LEM霍尔效应传感器 (LV25-P电压传感器、LA25-NP电流传感器) 和Kübler增量式编码器 (D-70054 with 1024 PPR)，通过NI cDAQ-9174数据采集卡以100 kHz采样率采集15.5 s的电压、电流、转速和扭矩信号。负载由24V卡车交流发电机和电阻箱构成，可手动调节0-85%额定负载。

图1. 实验装置。

实验通过转子端环钻孔方式模拟断条故障，采用内部模型控制 (IMC) 调谐PID控制器，设计两种适配不同工业需求的控制器：快响应 (欠阻尼，𝐾_𝑃=0.30，约 3.5 秒达稳态且有超调)、慢响应 (过阻尼，𝐾_𝑃=0.69，约6秒达稳态无超调)。研究覆盖5类核心工况并设置多负载等级：市电直接供电 (基线对照)、逆变器供电+开环标量控制、逆变器供电+无传感器空间矢量闭环控制、逆变器供电+快/慢响应PID矢量闭环控制 (编码器反馈)，通过分级调节负载模拟真实运行状态，对比定子电流与零序电压在不同工况下的频谱特征，验证新方法鲁棒性。

• 计算方法

本研究分别对传统定子电流和零序电压进行频谱分析，通过经典故障指标与全新零序电压指标的量化对比，验证新方法的有效性。核心计算方法与特征提取如下：

1. 零序电压计算：针对星型连接异步电机，通过三相相电压合成零序电压，公式为：

𝑉_𝑍𝑆𝑉=1/3 (𝑉_𝑎+𝑉_𝑏+𝑉_𝑐) (𝑉_𝑎、𝑉_𝑏、𝑉_𝑐 为三相相电压，单位𝑉）。转子断条会破坏转子电路对称性，在零序电压频谱中引入(3−2𝑠)𝑓₁、(3−4𝑠)𝑓₁ 特定故障分量。此类分量集中在三次谐波附近，是故障检测的核心特征。

2. 传统电流故障指标：采用Bellini等人提出的定子电流故障严重程度指标，公式为：

其中𝐼_𝑛为定子电流 (1±2𝑠)𝑓1边频分量幅值和，𝐼𝑝为电流基波幅值 (单位A)，𝑅为转子导条数量。该指标仅在开环工况下可有效量化故障，在闭环控制下则因控制策略引入的额外谐波而失效。

3. 全新零序电压故障指标：基于零序电压频谱特征，设计无量纲故障严重程度指数：

其中𝑉_3−2𝑠为零序电压中 (3−2𝑠)𝑓₁故障分量的幅值，𝑉₃为零序电压三次谐波的幅值。通过故障特征分量与三次谐波的比值实现故障的精准量化，该比值形式消除了信号绝对幅值的影响，使指标对电机个体差异和工况变化具有更强鲁棒性。

研究先对采集的原始信号进行频谱分析，对比定子电流、零序电压在健康/故障状态下的频谱差异；再分别采用传统电流指标和全新零序电压指标对故障进行量化，验证两种方法在不同工况下的有效性。

图2. 电流频谱假阳性。

图3. 零序电压频谱分析。

• 研究结论

实验结果表明，传统定子电流分析法在闭环速度控制下完全失效。控制策略引入的干扰谐波使断条特征被淹没，健康与故障电机指标高度重叠，甚至出现反向误判。而零序电压分析为这一难题提供了有效解决方案：故障状态下，(3−2𝑠)𝑓₁特征分量幅值较健康状态提升20 dB以上，且不受控制策略、PID参数影响。基于此构建的新指标𝑛_𝑍𝑆𝑉=𝑉_3−2𝑠/𝑉₃表现稳健。健康电机稳定在0.010左右，故障电机随负载增大从0.110升至0.252，形成数量级差异，可同时实现故障识别与严重程度量化。该研究为变频驱动异步电机的转子断条监测提供了普适性技术方案。未来将进一步验证其在非50Hz工况、暂态过程及其他故障类型中的适用性，助力工业智能运维发展。

阅读英文原文：https://www.mdpi.com/2075-1702/12/9/662

• Machines 期刊介绍

主编：Antonio J. Marques Cardoso, University of Beira Interior, Portugal

主要发表机械设备故障诊断和预测、机械设计、机电一体化、机器人、叶轮机械、控制及自动化、电机和驱动器、先进制造等领域的最新学术成果。

2024 Impact Factor：2.5

2025 CiteScore：6.1

Time to First Decision：17.6 Days

Acceptance to Publication：2.7 Days

期刊主页：https://www.mdpi.com/journal/machines

支持单位：