- 回首頁
- 機械工業雜誌
機械工業雜誌
購物提醒:當您要離開或跳轉頁面時,請先將您想要購買的文章加入購物車,以便快速紀錄完成購買流程!
摘要
軸承是旋轉機械中的重要元件,其故障可能導致設備停機甚至更嚴重事故。以「振動訊號分析」作為軸承故障診斷法雖然常見,但存在成本高昂且易受環境雜訊干擾的問題。本研究提出一種基於馬達電流訊號分析之軸承故障診斷方法,利用永磁同步馬達內部固有的電流訊號進行故障辨識。並透過三相電流同步與快速傅立葉轉換,使得雜訊降低以有效提取故障特徵頻率。該方法已在一套小型永磁同步馬達平台上獲得驗證。實驗結果顯示,該方法可在低負載與低轉速條件下準確診斷軸承故障,並具有低成本與易於實現等優勢。
Abstract
Bearings are critical components in rotating machinery, and their failures may lead to equipment downtime or even more severe accidents. Although vibration signal analysis is a commonly used method for bearing fault diagnosis, it suffers from high implementation costs and vulnerability to environmental noise. This study proposes a bearing fault diagnosis method based on motor current signal analysis, which utilizes the inherent current signals within a Permanent Magnet Synchronous Motor (PMSM) to identify faults. By applying three-phase current synchronization and Fast Fourier Transform (FFT), the proposed method effectively suppresses noise and extracts fault characteristic frequencies. The approach was experimentally validated on a small-scale PMSM platform. Results demonstrate that the method can accurately diagnose bearing faults under low-load and low-speed conditions, while offering advantages such as low cost and ease of implementation.
前言
軸承被譽為旋轉機械的「工業關節」,是各類機械設備(如內燃機、電動機、變速箱、發電機與風扇)中不可或缺的關鍵元件。由於軸承常運作於嚴苛的環境條件下,其故障亦成為旋轉設備故障的主要來源之一。當軸承發生故障時,可能導致系統停機,甚至在嚴重情況下引發人員傷亡。因此,確保軸承健康狀態,並對其進行狀態監測與預測性診斷,是機械系統維護中的重要議題。
作為支撐與固定旋轉軸的核心元件,軸承需承受各種外部載荷,因此蘊含豐富的動態運作資訊,成為分析機械動態行為的理想位置[1]。典型滾動軸承主要由內圈、外圈、滾珠與保持架所構成。依照故障模式,軸承故障可分為:單點缺陷、多點缺陷與擴散型缺陷[2]。
單點缺陷會在振動、電流或聲音等訊號中產生明確的特徵頻率。該頻率依缺陷發生的位置而有所不同。透過適當的訊號處理技術可實現早期故障診斷(Early Fault Diagnosis, EFD),以提前辨識及預測故障,並採取預防措施。單點缺陷的類型主要包括裂縫、點蝕、穿孔與剝落。由於軸承長期承受週期性載荷與高速運轉,內外環易產生材料疲勞與裂縫。據統計,90%軸承故障為內環與外環裂縫所致,其餘10%為滾珠或保持架損壞[2]。
Mariela Cerrada 等學者[2]指出,主流的軸承故障診斷技術包括振動訊號、聲音訊號、電流與電壓訊號之分析。以振動訊號為基礎的診斷法,透過各類訊號處理技術對時域資料進行分析,以判斷異常訊號 [3]。當軸承故障發生時,因運轉不規則會產生明顯的振動與噪音,因此可藉由取得軸承運轉的時域訊號進行異常檢測與故障定位。由於振動訊號與旋轉機械之動態行為高度相關,故其為最常用之實務診斷方法 [3][4]。
振動訊號主要透過加速規進行擷取。儘管其能有效監測機械運轉狀態,卻仍存在以下缺點:(1)容易受環境雜訊干擾,影響準確性;(2)感測器安裝位置對量測結果影響顯著,需預留空間並評估設備相容性;(3)高解析與精密的加速規成本較高。[3][6]
為克服感測器安裝不便與成本問題,近年來逐漸發展出馬達電流訊號分析(Motor Current Signature Analysis, MCSA)技術。MCSA 為非侵入式診斷方法,透過分析馬達電流訊號,即可同時監測機電系統的健康狀態。由於電動機運轉必須透過電流,因此電流訊號能直接反映馬達運作狀態,成為理想的非侵入式診斷依據。其主要優勢為:(1)可透過成本較低的電流感測器取得訊號;(2)診斷過程不會干涉系統正常運作;(3)訊號具抗環境雜訊能力。[5]
基於上述優勢,MCSA 技術已逐漸受到廣泛關注。與振動訊號分析相比,MCSA 僅需安裝兩個外部電流感測器即可,有效降低感測器安裝與相容性問題[4][7]。
本研究的主要目標為:(1)建立一套電流回授訊號擷取與分析技術,以降低振動與雜訊干擾並提升故障診斷準確度;(2)實現無感測器之診斷方法,直接透過馬達原始電流回授訊號進行診斷,無需額外加裝加速度計,降低成本並提升空間配置彈性;(3)建構一套預兆式管理系統(Prognostic Management System, PMS),以實現故障的早期偵測。
基於馬達電流訊號分析之故障診斷法技術研究
本文分成三個部分,第一部分為軸承故障特徵頻率與電流故障診斷理論,介紹如何將機械端的故障訊號,過渡並顯現至電氣端。第二部分為訊號處理及模擬分析,利用MATLAB軟體模擬故障訊號及訊號降噪處理後,透過快速傅立葉轉換分析電流訊號,比對正常與故障頻譜差異。最後於實驗平台上擷取馬達電流實地進行分析診斷,並透過馬力計負載馬達反帶動受測馬達,擷取分析「感應電流」之改良方式,進一步提升訊號強度與診斷效果。
更完整的內容歡迎訂購
2025年07月號
(單篇費用:參考材化所定價)