摘要：介绍了永磁牵引电机失磁故障的分类，分析了轨道交通领域造成永磁牵引电机发生失磁故障的可能诱因，并对国内外永磁电机失磁故障诊断方法的研究成果进行总结，在此基础上，对永磁电机失磁故障诊断技术的前景进行了展望。

关键词：永磁电机；失磁故障；故障诊断

0引言

永磁牵引电机具有高效率、高功率密度、强过载能力等优点，在轨道交通领域已逐步进入到工程化和商业化应用阶段。和异步牵引电机相比，永磁牵引电机的主要区别在于主磁场是由安装在转子上的永磁体产生。永磁牵引电机工作环境恶劣，运行工况复杂多变，运行过程中由于机械振动、温升、大电流等因素，永磁体存在失磁风险[1]。一旦发生永磁体失磁故障，将进一步导致牵引电机工作电流增大、温度升高，加剧永磁体退磁，若不及时处理，其恶劣循环有可能造成牵引电机报废，危害车辆安全运行。因此开展永磁牵引电机失磁故障诊断研究，在失磁初期检测到故障并进行有效保护，避免严重失磁造成恶劣后果，具有重要的意义。

1失磁故障分类

永磁牵引电机转子使用永磁体材料做成磁极，经过外部磁场充磁后，即使撤去外部磁场，也能够长时间保持磁性。永磁体材料的发展和应用主要经过金属永磁材料、铁氧体永磁材料和稀土永磁材料三个阶段，目前永磁牵引电机以使用稀土永磁材料为主，如钐钴、钕铁硼等。钕铁硼材料具有高剩磁、高矫顽力和高磁能积等优点，利于牵引电机实现小型化和轻量化，但其存在居里温度低、温度系数大缺点，作为牵引电机转子使用存在失磁风险。

永磁牵引电机转子磁链是一个既有大小又有方向的矢量，根据失磁情况不同，可以将失磁故障分为两类：一类是转子磁钢上所有的永磁体都均匀失磁到一定程度，造成全磁路磁场强度均匀下降‌，被称为均匀失磁或幅值失磁；另一类是转子磁钢上只有部分永磁体发生某种程度的失磁，局部磁场发生畸变，被称为局部失磁或角度失磁。

2失磁故障原因

永磁牵引电机运行环境及工况复杂，造成转子永磁体发生失磁故障的诱因也很多，包括但不限于电磁、机械振动与冲击、化学腐蚀、自然失磁等。

（1）电磁原因

永磁牵引电机存在频繁启动或牵引制动频繁切换运行工况，这些工况下产生的瞬时大电流在电枢中形成较强的去磁磁场，极端情况下会超过永磁体的承受能力，使牵引电机出现失磁故障。在牵引电机出现失磁故障时，如果负载不变，为满足正常运行所需的电磁转矩，控制系统会使电机电枢电流增大，电流增大带来的铜耗使电机温升进一步提高，加速永磁体退磁，形成一个恶性循环。

（2）机械振动与冲击

机械振动与冲击也是造成永磁牵引电机失磁的一个主要因素，根据磁畴假说，永磁体内部由大量自发磁化的‌磁畴‌构成，其宏观磁性依赖于磁畴的有序排列，由于钉扎作用机制，使其具有较高的矫顽力。当永磁体受到机械振动扰动时，磁畴结构发生改变，永磁体磁性能降低，造成轻微失磁；当受到频繁机械振动与冲击时，磁畴排列被破坏，将发生不可逆退磁。此外强烈机械振动与冲击导致的永磁体破裂，也会造成永磁体磁性能下降。

（3）化学腐蚀

永磁体材料为合成材料，包含容易被氧化的金属元素，当永磁牵引电机运行在强酸、强碱等恶劣环境下时，永磁体材料会被氧化腐蚀，导致永磁体的表面或内部发生结构性变化，进而改变永磁体的磁性，发生化学性退磁。克服此类失磁的方法是在永磁体制造中，采用镀锌、镀镍的方法对永磁体进行保护，防止永磁体直接暴露在空气中。

（4）自然失磁

在无外界因素影响的情况下，随着时间的迁移，永磁体的磁性也会有所降低，其磁通损耗与时间对数呈线性关系，称为自然失磁，这与永磁体材料的内禀矫顽力和尺寸有关。一般情况下，永磁体的磁性随时间变化很小，具有较长的时效。

3失磁故障诊断研究现状

随着永磁体材料的快速发展和永磁电机的广泛应用，对永磁电机失磁故障的机理研究逐步得到发展。但由于失磁故障是一个不可逆的过程，其试验研究是一个破坏性的试验，而且存在很多不可控因素，所以对失磁故障诊断的研究还处于萌芽阶段，有实际验证的数据较少，研究成果也不多。失磁故障诊断的核心是通过可靠、简单的故障特征量，能在复杂的运行工况下，实现对电机失磁故障的实时诊断。从国内外文献来看，对永磁电机失磁故障诊断方法的研究可分为三类，分别是基于数据驱动、基于模型驱动和基于高频注入法。

3.1基于数据驱动的失磁故障诊断方法

数字处理芯片的更新迭代促进了信号处理技术的发展，基于数据驱动的失磁故障诊断方法逐步得到应用。该方法提取永磁电机控制系统的终端测量数据，通常有电机运行过程中的电流、电压、噪声、振动、转矩脉动等信号，通过对数据的处理提取出表征永磁电机失磁故障的特征信号，再选取合适的特征信号阈值判定是否发生失磁故障。

基于电流信号的数据驱动诊断方法，通过对永磁电机定子电流信号进行分析和处理，提取出发生失磁故障时的特定谐波。用于判断是否发生失磁故障的阈值，一般选取电机产生的特定谐波幅值，可通过快速傅里叶变换、小波变换、希尔伯特黄变换等方法提取谐波电流幅值的包络线。文献[2]提出一种将小波包分析法与希尔伯特法相结合，通过对比电机正常与失磁工况下的定子电流信号，实现对电机失磁故障的诊断。针对永磁电机匝间短路故障与局部失磁故障难以区分问题，文献[3]提出一种基于电机同相与异相电流幅值波动特征的故障分类方法，通过建立故障分类指示器，可以有效区分匝间短路故障与局部失磁故障。

基于电压信号的数据驱动诊断方法，一般通过提取反电势中的特定分量来判断电机失磁情况。转子永磁体在定子绕组感应的反电势幅值与转速近似线性关系，定子绕组中的每个槽里能够感应到规律性、周期性的反电势。文献[4]提出一种基于零序电压分量幅值和初始相位角的永磁电机局部失磁故障诊断方法，该方法在实验数据分析基础上，制定评估失磁故障严重程度的标准，可以评估故障严重性并判定故障阶段，具有计算量小、简单、精度高的特点。该方法不受负载变化影响，诊断精度高，但由于需要加装零序电压检测装置，且需要用到定子的中性点，增加了系统的复杂性。

当永磁电机发生失磁故障时，振动、噪声、转矩等相关特性参数也会发生改变。文献[5]从振动信号中提取不同时域和频域的指标，通过振动信号的偏斜度和中频的组合，可以有效诊断永磁电机的偏心和退磁故障。文献[6]建立基于磁通的声学噪声数学模型，通过声学噪声的反向传播神经网络判断永磁电机是否失磁。文献[7]针对均匀退磁故障，提出一种用齿槽转矩回转半径作为判定永磁电机失磁故障方法，该方法还能诊断出发生失磁故障的百分比。

3.2基于模型驱动的失磁故障诊断方法

基于模型驱动的失磁故障诊断方法，该方法通过分析永磁电机的物理模型和数学模型，获得转子磁链的全局信息，结合参数辨识与状态观测技术，从而实现对失磁故障的定性描述和定量检测。文献[8]采用有限元模型实现对永磁电机失磁故障的诊断，但其计算量大、实时性差，做不到实时在线诊断，常用于永磁电机设计过程中的抗退磁设计，研究失磁故障对电机电流、输出转矩及磁密的影响。文献[9]推导了任意磁极或任意多个磁极，发生不同程度失磁故障下的空载反电动势数学模型，并通过仿真验证了模型的正确性，得出失磁故障诊断要考虑电机三相绕组连接方式的结论。文献[10]利用有限元方法分析了不同温度下，发生相间和单相短路故障对永磁电机的暂态失磁影响，研究了不同类型失磁故障下电机的空载反电势和磁链波形，为失磁检测提供理论及数据支撑。文献[11]提出将改进型自适应与滑模变结构控制相结合的方法，设计了一种级联自适应滑模观测器，建立永磁体磁链估算算式，用于失磁故障的实时诊断，并通过仿真和试验验证了该方法的可行性和有效性。

3.3基于高频注入法的失磁故障诊断方法

和前两类方法不同，基于高频注入的失磁故障诊断方法适用于离线诊断电机故障。在电机静止时，通过逆变器向电机定子施加幅值和方向可控的高频电压信号，在电机中形成高频磁场，然后提取输出高频电流信号中的有效信息，从而实现对失磁故障的诊断。文献[12]向电机定子中注入有效的零电压矢量，消除电感在估算磁链中的影响，通过不同速度重复测试，消除逆变器电压误差和压降的影响，且不需要考虑电压注入产生的电流纹波，并通过试验验证了该方法的准确性。文献[13]在电机静止状态下，向直轴电感注入直流和交流信号，观测发生失磁故障时电机直轴电感的磁场饱和程度变化，从而实现对转子失磁故障与偏心故障的诊断，具有较高的灵敏度。

4结论

综合国内外研究成果，永磁电机失磁故障诊断方法包括基于数据驱动、基于模型驱动和基于高频信号注入三类。基于数据驱动的失磁故障诊断方法应用最为广泛，其优势是检测精度不受电机参数和控制系统影响，但无法准确检测出均匀失磁故障；基于模型驱动的失磁故障诊断方法通过构建磁链观测器，可以实时观测转子磁链幅值，实现定性检测，但该方法无法区分失磁故障的类型；基于高频信号注入法的失磁故障诊断方法可以区分失磁故障类型，但必须在电机静止状态下应用，无法做到实时诊断。每一类方法均有局限性，随着人工智能技术的发展，综合各类诊断方法的优势，通过人工智能算法对多源数据进行深度融合与智能决策，是未来永磁电机失磁故障诊断技术发展的主流方向，

参考文献：

[1]张昌凡，彭钊，李祥飞，等.基于自适应观测器的鲁棒失磁故障检测方法[J].电子测量与仪器学报，2015，29（04）：508-518.

[2]魏海增，马宏忠，陈诚，等.基于CWT-HHT结合的永磁同步电机失磁故障诊断方法及其可行性分析[J].电机与控制应用，2017，44（08）：81-87.

[3]张业成，刘国海，陈前.基于电流波动特征的永磁同步电机匝间短路与局部退磁故障分类诊断研究[J].电工技术学报，2022，37（07）：1634-1643+1653.

[4]Zhang J， Hang J， Ding S， et al. Online diagnosis and localization of high-resistance connection in PMSM with improved fault indicator[J]. IEEE Transactions on Power Electronics， 2016， 32（5）： 3585-3594.

[5]Park Y， Fernandez D， Lee S B， et al. Online detection of rotor eccentricity and demagnetization faults in PMSMs based on hall-effect field sensor measurements[J]. IEEE Transactions on Industry Applications， 2018， 55（3）： 2499-2509.

[6]Zhu M， Hu W， Kar N C. Acoustic noise-based uniform permanent-magnet demagnetization detection in SPMSM for high-performance PMSM drive[J]. IEEE Transactions on Transportation Electrification， 2017， 4（1）： 303-313.

[7]Zhu M， Hu W， Kar N C. Multi-sensor fusion-based permanent magnet demagnetization detection in permanent magnet synchronous machines[J]. IEEE Transactions on Magnetics， 2018， 54（11）： 1-6.

[8]成豪杰，唐旭，马兆兴，等.永磁同步电动机永磁体故障下电磁振动特性研究[J].青岛理工大学学报，2024，45（05）：132-141.

[9]钟钦，马宏忠，张志艳，等.基于反电动势数学模型分析电动汽车永磁同步电机失磁故障[J].高压电器，2014，50（09）：35-40+46.

[10]陈吉，严欣平，周浩，等.两种不对称短路故障对永磁电机失磁影响的研究[J].微电机，2012，45（02）：5-9.

[11]张昌凡，张淼滢，张发明，等.一种检测永磁同步电机失磁的级联观测器[J].电机与控制学报，2017，21（02）：45-54.

[12]**e G， Lu K， Dwivedi S K， et al. Permanent magnet flux online estimation based on zero-voltage vector injection method[J]. IEEE Transactions on Power Electronics， 2015， 30（12）： 6506-6509.

[13]Hong J， Park S， Hyun D， et al. Detection and classification of rotor demagnetization and eccentricity faults for PM synchronous motors[J]. IEEE Transactions on Industry Applications， 2012， 48（3）： 923-932.