摘要：论文对牵引电机的构成、工作原理、常见故障及故障检测机理进行了分析，并对目前存在的牵引电机故障分析和诊断方法进行了论述。
关键词：牵引电机；故障分析；故障诊断方法
0引言
牵引电机是驱动装置的关键部件之一，其正常运行对车辆的行车安全和运输效率至关重要。在车辆运行时，牵引电机的工作条件恶劣，需经受灰尘、雨雪的侵袭，环境温度变化剧烈，负载变化频繁，动力作用大，承受来自轮轨的冲击和振动。这使得牵引电机易发生损坏，需要经常进行诊断。本文通过对牵引电机的构成、工作原理、常见故障及故障检测机理进行了分析，并对目前存在的牵引电机故障分析和诊断方法进行了论述。
1牵引电机故障机理
CRH380A型动车组采用我国YQ365型牵引电机。牵引电机安装在动车转向架轮上，主要由转子、定子、轴承、速度传感器、温度传感器等组成。该牵引电机采用三相鼠笼式结构，刚性悬挂在转向架上。牵引电机定子主要包括定子绕组、铁芯两部分。电机转子采用铜条鼠笼结构，主要由端环、导条、转轴、和铁芯压圈等部件组成。
1.1异步牵引电机工作原理
牵引电机工作时，当绕组接入三相电源时，定子绕组将产生旋转的正弦分布磁动势，作用在气隙上产生旋转磁场切割转子导体产生感应电势，在转子导体中将有电流通过。转子电流和定子磁场在转子上产生机械转矩。旋转磁场与转子导体中的电流相互作用，产生电磁力，在电磁力的作用下形成电磁转距，拖动转子顺着旋转磁场方向旋转。只有同步转速n1大于转子转速n时，即n<n1时，转子回路才产生感应电流，定义转差率为：s=（n1-n）/n。
1.2牵引电机常见故障
动车组牵引电机的常见故障有定子故障、转子故障、轴承故障和气隙偏心故障等，定子故障表现为局部过热或绝缘失效，主要是由定子匝间短路造成的；转子可能出现的故障有转子断条或端环断裂，这些故障会使牵引电机在运行过程中发热，造成导条和端环损坏；轴承由保持架、滚动体、外圈和内圈组成，其故障也出现在这些部位，另外还可能出现局部损伤、磨损等。牵引电机气隙偏心故障分为铁芯呈椭圆形或定转子不同轴心造成的静态偏心和由转轴弯曲、轴径椭圆、高转速时的机械共振造成的动态偏心故障。
1.3牵引电机故障检测机理
牵引电机不同部件发生故障的机理是不同的。以轴承故障为例，轴承是动车组牵引电机的重要部位之一，动车在实际运行的过程中，轴承更容易受到损害，而且故障率很高，产生的故障也难以诊断。当电机轴承发生故障时，轴承会出现轻微裂纹甚至断裂的情况。而当轴承高速运转时，故障部位会在载荷的作用下与正常部位不断地进行碰撞，碰撞产生的冲击力会导致轴承座和其它零件的振动，形成一系列减幅振荡，这些减幅振荡会产生不同的频率。在进行故障检测时，可以通过提取电机的故障特征频率，对其进行分析和诊断，进而判断出电机的相应故障。
1.4牵引电机故障分析及诊断方法
1.4.1牵引电机故障特征的提取方法
故障诊断的流程主要包括信号检测、故障基本特征提取、故障特征识别和故障诊断决策四个阶段，其中故障特征的提取和特征识别分析阶段尤为关键，必须采用合适的方法进行信号处理和分析。动车组牵引电机的故障特征提取与识别就是应用各类信号处理和分析技术对牵引电机各装置的监测信号进行分析，进而提取出对特定故障敏感的特征信息。现有的用于牵引电机故障信号采集检测的技术主要有在线放电检测法；振动检测法；磁通检测法；绝缘检测法；温度检测法；定子电流检测法。这些方法采集所得的信号往往包含很多噪声，难以准确提取故障特征信号。针对这个问题，逐渐发展形成了许多信号处理的方式。传统的信号处理方式包括傅里叶分析、包络分析、相关分析和频谱分析等，其中最典型的是利用傅里叶变换对稳态信号进行分析，通过对信号的时频分析达到分离噪声，得到有效信号的目的。但动车组采集现场环境复杂，干扰较多，得到的信号具有很大的随机性，往往包含许多突变信号，这大大影响了故障特征的提取。因此，对于从牵引电机采集所得到的非平稳信号，研究人员开始采用希尔伯特-黄变换、小波分析等进行处理。小波分析方法具有很好的时频局部化特性，能够对信号高频处时间细分，低频处频率细分，即可以对信号的细节进行有效的识别，相比傅里叶变换具有很大的优势。但小波分析也存在频域分区不合理，对信号细节分析不够完善、合理等的缺点。在动车组故障特征提取时，经验模态分析也是一种常用的方法，该方法基于信号的局部时间尺度，把信号合理分解为多个不同的模态函数，而每个模态函数代表了故障信号的不同细节特征，这些函数可以对信号细节特征进行很好的表征。但若有突变信号，该方法容易出现模态混叠的现象，影响故障特征提取的准确性。牵引电机的故障特征提取结果会直接影响到后续的故障诊断，现有的提取方法虽然都具有一定的局限性，但在噪声处理和特征提取方面还是可以得到较为理想的结果。
1.4.2牵引电机故障诊断方法
针对动车组牵引电机的组成和结构，现有的故障诊断方法有支持向量机、专家系统、人工神经网络、信息融合等方法。专家系统是应用最为广泛的一种故障诊断方法，整个系统由知识库、数据库、机器学习、人机接口等组成，但这种方法存在获取知识较难、学习能力弱、容错能力差等缺点，在实际应用于电机故障诊断时效果并不理想。人工神经网络具有自学能力、并行计算能力和一定的联想能力。将提取得到的牵引电机故障特征数据导入神经网络后，通过训练可以诊断出某些故障所具有的敏感特征。但人工神经网络要想得到好的训练结果，需要应用大容量的训练样本，泛化能力不强，学习效率不够稳定，而且该学习算法的收敛速度慢，容易陷入局部最优化现象，造成电机故障诊断结果不明确。支持向量机的主要思想在于通过学习得到一个最优的超平面作为决策曲面，从而实现数据分类的目的，支持向量就是指能够支持把两类数据分开的超平面上的向量点。相比于人工神经网络，支持向量机在处理电机故障信号时，抗噪声能力强，所需要的训练样本较少，训练时间较短，而且能够有效地避免局部最优化现象。但该算法程序中的不敏感损失参数、核函数参数和规则化参数等的选择对诊断效果有着很大的影响。另外，现有的动车组列车往往配有状态监测和故障诊断系统，但该系统的应用仍然具有一定的局限性，时常发生故障误报的情况，而且该系统所提供的故障信息和解决方案往往具有一定的片面性，维护人员需要重新综合分析故障信息。显然，虽然现有的诊断方法有很多，但这些方法在应用于牵引电机故障诊断时，都具有一定的局限性，难以得到较好的诊断结果，有时需要结合其他算法（如粒子群算法等）进行参数优化后，才能得到相对准确的故障诊断结果。牵引电机的故障提取和诊断技术仍旧需要进一步的研究。
2结语
动车组牵引电机因其重要性以及工作环境的恶劣，需要经常进行故障诊断。现有的故障特征分析和诊断方法都存在一定的局限性，难以得到好的识别效果，需要通过进一步研究，综合不同种算法的特性，利用算法融合，进一步得到较好的故障诊断结果。
参考文献：
[1]吕锋.数据融合驱动电气设备故障的智能诊断[M].科学出版社，2013.
[2]张建文，姚奇，朱宁辉，杨丽，鲁庆.异步电动机定子绕组的故障诊断方法[J]高电压技术，2007（06）.
[3]余景辉，谢志江.小波奇异性检测在机械故障诊断技术中的应用[J].机械工程师，2007（06）.
[4]张士强，孟凡环，暴勇临.机车车辆牵引电机转子拆解机设计与分析[J].机床与液压，2017（22）.
[5]陈超玉，姚秋华，龙云峰，洪凤平.高速交流牵引电机转子不平衡问题分析[J].技术与市场，2016（07）.
[6]陈哲明，曾京.牵引电机转子振动对高速列车动力学性能的影响[J].工程力学，2011（01）.
作者:程海鹏 吴连军 宋山 刘佳朋 单位:中车青岛四方机车车辆股份有限公司
