中国科学院沈阳自动化研究所、中国科学院大学、辽宁科技大学电子与信息工程学院的研究人员幽默虎、王卓等在2018年第21期《电工技术学报》号执笔(用电机电流信号特性分析(MCSA )方法诊断轴承外环故障时，容易受到基频泄漏和偏心谐波及供电系统噪声的影响。 由于MCSA方法无法诊断低负荷运行条件下的轴承外环故障问题，提出了基于Hilbert解调方法提取定子电流平方包络的诊断方法。

首先利用Hilbert变换构造定子电流分析信号，提取定子电流分析信号的平方包络线； 然后对提取的平方包络进行快速傅立叶变换(FFT )分析； 最后根据FFT频谱是否存在故障特征频率fof来判断轴承有无故障。

该方法可将故障特征频率的检测从传统的边带分量|f1fof|转换为轴承外环故障特征频率fof的直接检测，有效消除基频泄漏和供电系统强噪声的干扰。 电机在不同负载运行状态下的实验结果验证了所提方法的有效性和稳定性。

异步电机以其结构简单、运行可靠、坚固耐用等优点广泛应用于农业、商业和工业等各个领域。 作为重要的能源转换装置，异步电动机的健康、可靠运行对保证生产连续性，降低系统维护成本具有重要意义。 在众多故障类型中，轴承故障是电机最容易发生的故障，约占电机故障总数的40%。 因此，轴承故障诊断一直是电机故障诊断领域的研究热点之一。

异步电机轴承的故障类型根据损伤区域的大小，可以分为局部损伤类故障和磨损类故障。 目前，异步电机轴承的故障诊断普遍采用振动信号分析方法。 但是，这种检测方法需要在电动机上安装振动传感器，不仅增加了投资和维护的麻烦，在很多情况下，安装振动传感器设备是很不方便的。

电机电流信号特性分析(Motor Current Signature Analysis，MCSA )方法获取信号方便，能有效降低监测成本，容易构成无创的电机连续状态监测系统。 因此，基于电机定子电流信号分析的轴承故障诊断方法已经成为轴承故障诊断研究的热点。

经典的MCSA方法是基于快速傅里叶变换(Fast Fourier Transform，FFT )的频域分析方法，目的是在异步电动机稳定工作时，收集单相定子电流信号，对定子电流信号进行FFT频谱分析，识别故障特征但是，由于电机轴承故障引起的定子电流变化一般很微弱，另外还有基频泄漏和偏心谐波以及供电系统强噪声的影响，在电机低负载运行时很难直接用经典的MCSA故障诊断方法判断电机轴承是否发生了故障。

近年来，许多学者采用多种信号分析方法对电机轴承进行故障诊断。 Y. Imaouchen等人[9]提出通过Hilbert变换提取电机电流信号的包络线，利用小波包分解将包络线信号自适应分解到不同的频带，以各节点的能量为特征值进一步分析轴承故障。 Y. Amirat等人[10]提出，将收集到的电流信号进行Hilbert变换提取包络线信号后，通过统计分析将包络线信号的方差作为故障特征值，进而利用设定的阈值判断两供电感应发电机是否发生了轴承故障。

J. Zarei等人[11]根据轴承故障时定子电流的特点，求出了三相电流的Park矢量模式信号，利用FFT频谱分析提取了故障的特征，通过仿真和实验验证了该方法能够有效诊断电机轴承的早期故障。 的冰淇淋等[12]提出了一种基于Park矢量的改进聚类处理算法，该方法通过识别电动机三相定子电流中的故障信息来进行轴承的故障诊断。

另一方面，S. B. Salem等人[13]使用结合了Hilbert变换和Park变换的技术，生成了三相定子电流的希尔伯特振幅空间矢量信号(hilbertmoduluscurrentspacevector， 利用HMCSV (和希尔伯特相位角空间矢量信号(Hilbert Space Current Space Vector，HPCSV )，再利用FFT频谱分析提取电机偏心和轴承外环的故障特征值，最后是支持向量机)

但是，利用小波包分解分析包络信号的轴承故障诊断方法需要很大的计算量，不利于故障的在线诊断； 对包络信号进行统计分析，通过人为设定阈值来判断轴承是否发生了故障，基于诊断方法通用性差的Park矢量法的轴承故障诊断方法容易受到供电网频率波动引起的三相电压失衡等外部因素的影响。

提出了一种基于定子电流Hilbert解调的异步电机轴承外环无故障速度传感器诊断方法。 该方法通过利用Hilbert解调求解平方包络信号，可以克服供电网频率波动带来的影响。 另外，对求出的平方包络信号直接进行FFT谱分析，可以根据平方包络谱是否存在轴承外环故障的特征频率来判断轴承是否发生故障，其计算量小，通用性高。

>主要思路是使用Hilbert变换构造定子电流解析信号，在此基础上，提取解析信号的平方包络线并做FFT频谱分析，同时采用齿谐波（Rotor Slot Harmonics, RSH）进行电机转速估计以求取轴承外圈故障特征频率，最后根据FFT频谱中是否存在轴承外圈故障特征频率以判断电机是否发生故障。

该方法能够将故障特征频率的检测从传统的边频带成分转换为对轴承外圈故障特征频率的直接检测，可以有效消除基频频谱泄露和供电系统噪声的干扰，改善频谱质量，便于捕捉故障信息。

图3 电机数据采集实验台和实验用外圈故障轴承示意图

结论

电机轴承外圈故障会引起定子电流频谱中产生相应的谐波频率，然而，由于基频频谱泄露和偏心谐波以及供电系统噪声的影响，基于电机电流信号特征分析的电机故障诊断方法无法诊断低负载运行条件下的异步电机轴承外圈故障。

本文提出一种基于定子电流Hilbert解调制分析的异步电机轴承外圈故障诊断方法。该方法首先采用Hilbert变换构造定子电流的解析信号，并求取解析信号的平方包络线作FFT频谱分析，根据FFT频谱中是否存在轴承外圈故障特征频率以判断异步电机轴承是否发生故障。

该方法能够将检测故障特征频率从传统的边频带成分转换为直接对轴承外圈故障特征频率进行检测，能够有效消除基频频谱泄露和供电系统噪声干扰的影响，具有改善频谱分析质量、便于捕捉故障信息的优点。最后通过故障电机不同负载运行条件下的实验分析，验证了所提方法的有效性和稳定性。