异步电动机能够为生产工作的开展提供原动力，在工业领域中的重要性尤为明显。其作为工业生产中的核心设备，一旦出现故障问题则会对整个系统的稳定运行产生影响，给企业造成较大的经济损失。定子绕组匝间短路故障是电机故障中比较常见的一个问题，在现代化发展环境中，对绕组故障进行自动化诊断是异步电机应用发展的主要方向，只有对绕组故障问题进行有效控制，才能保证异步电机的正常运行。

一、异步电机绕组故障问题

异步电机的内部结构比较简单，主要是由定子、转子、轴承和气隙等几部分组成。电机运行期间会受到多方面因素的影响，在长时间应用过程中整体性能会逐步减弱，从而导致故障问题的发生。异步电机中的故障类型比较多，其中绕组故障是主要故障之一，相邻绕组之间的绝缘性能失效而出现短路情况，导致这类故障的原因较为复杂，主要体现在以下几个方面：

第一，异步电机在开启和关闭期间，匝间绝缘承受的电压过大；第二，电机设备在运行期间绕组温度过高，致使绝缘性能下降；第三，绕组线圈在电磁力的作用下出现振动情况，很容易对匝间绝缘产生影响，出现破损情况；第三，由于异步电机的运行环境较为恶劣，温度高、湿度大，长期在这种运行环境中，绕组匝间绝缘性能会受到影响。

一旦出现匝间短路情况，就会在短时间内使绕组温度升高，气隙磁场受到影响，如果没有及时发现故障问题，就会对定子绕组绝缘产生较大损坏，使电机出现短路故障，影响异步电机设备的正常运行。虽然目前应用的诊断方法比较多，但是都存在一定的局限性。因此，要想在异步电机绕组故障发生时及时进行诊断处理，则需要提高诊断方法的智能化和自动化水平，实现对绕组故障的在线监测，及时发现故障问题阻止其进一步发展，保证异步电机的安全稳定运行。自动化诊断方法能够减少维修费用的投入，提高企业整体的生产效率，所以，加强异步电机绕组故障诊断自动化对企业发展有着现实意义。

二、异步电机绕组故障诊断自动化

1、基于模型建立的故障诊断方法

基于模型建立的故障诊断方法主要是通过建立数学模型对电机绕组的各项参数进行分析，将检测到的数据参与模型参数进行对比，能够通过数据参数之间的差异来对故障问题进行准确判断。主要应用计算机技术和设备建立仿真模型，整体的灵活性比较强，能够对故障发生时的异步电机绕组特征进行分析，是早期故障诊断中比较常用的方法。

分析定子匝间短路故障模型可知：定子绕组发生匝间短路时，电机的电磁转矩会出现2倍基频分量，电机转速也会产生脉动成分，电机的电流及阻抗中会有负序分量和负序阻抗。通过仿真对发生匝间故障电机的运行情况进行深入分析，认为这些参数变量均可作为故障特征，对电机匝间故障实现实时在线诊断。

基于改进匝间故障模型的诊断方法，将故障系数定义为向量，通过故障模型计算出正常电机电流，将其与实测电流相比较而得到电流计算误差，将该误差分解为两部分，一部分用于检测匝间故障，另一部分用于不同运行状态下修正电机模型的角速度参数。通过实验证明该诊断方法对电机参数变化、负载变化、电源电压不平衡具有鲁棒性，不仅能对早期匝间故障进行诊断、判断故障严重度并能确定故障所在相。

2、基于递归小波神经网络的匝间故障诊断方法

小波分析理论是继傅立叶变换以来的又一重大理论突破，小波分析方法已经

成为各种复杂系统模型辨识的有力工具。小波变换通过尺度的伸缩和平移对信号

进行多尺度分析，能有效提取信号的局部信息。小波神经网络是小波分析和神经网络结合的产物，它结合了小波变换的局部化性质和神经网络的自学习功能，具有较强的逼近能力，能够通过训练来自适应地调整小波基的形状实现小波变换，同时具有良好的模式分类能力。

递归神经网络具备很强的非线性映射能力和动态特性，可以实现非线性系统的动态建模。把小波分析和递归神经网络结合在一起，构成一种递归小波神经网络，将其应用在电机定子匝间故障非线性系统动态辨识中，对电机匝间故障的缓慢变化进行监测，以实现电机的容错运行。

3、基于故障模型与神经网络的匝间故障定位方法

三相异步电机在使用期间，如果出现定子绕组匝间短路的情况，需要及时进行故障诊断，对故障程度进行准确判断，确定故障发生的具体位置，这样才能保证后续维修工作的顺利开展，节省维修时间，减少成本投入。

用基于电机匝间故障模型与神经网络相结合的方法，这种方法在应用过程中能够对故障的位置和严重程度进行准确判断，自动监测故障所在相。通过对这种故障诊断方法的研究与分析，三相异步电机中的电流数值和电压值变化情况都可以作为故障诊断的关键数据，电流与电压相位移的应用，数据输出精度可以得到保障，各项参数的有效性得到了提升，整体的应用优势较为明显。

因此，选择三相电流与电压的相位移作为匝间故障诊断系统神经网络的输入，由于BP算法训练的神经网络线性收敛速度很慢，易陷入局部最小甚至出现振荡，因此采用遗传算法优化BP统神经网络的权值，仅通过少量匝间短路故障就能完成学习。与定位方法相比，该种方法不需要电流负序分量、故障阻抗等诸多参数的计算，一旦神经网络通过数据训练成功就能正确运行，具有鲁棒性。仿真和试验均证明，该方法能有效地、准确地定位定子绕组匝间短路的故障相。

结语：通过上文提出的绕组故障诊断方法来看，每种方法在应用的过程中都有其各自的优缺点，目前应用的故障诊断方法还有待完善，会受到多方面因素的影响，这就需要对应用的诊断方法进行优化与改进，提高故障诊断的自动化水平，实现对故障的准确诊断。可以实现多种诊断方法的综合运用，确保能够在复杂环境下对绕组故障问题进行准确定位和及时诊断，便于后续的维修处理，让异步电机能够快速恢复到正常运行状态。

参考文献：

[1]李文铅.异步电动机智能故障诊断系统的研究与应用[D].曲阜师范大学.

[2]曹韩飞,张闻霞.三相异步电动机定子绕组故障的检测与维修[C]//2013年8月建筑科技与管理学术交流会.0.