一种笼型异步电动机转子断条故障检测方法.pdf

一种笼型异步电动机转子断条故障检测方法，它首先对按一定频率采集的定子电流瞬时信号应用希尔伯特变换，得到其希尔伯特模量；然后通过减去其平均值而滤除该希尔伯特模量中的直流分量；再应用ESPRIT进行频谱分析，获得其ESPRIT频谱图；最后根据ESPRIT频谱图中是否存在2sf1分量、4sf1分量谱峰判断是否存在转子断条故障：若同时存在2sf1分量和4sf1分量谱峰，则转子断条，否则转子正常。本发明有效克服了负荷波动的影响，仅需采样时间很短的定子电流信号即可高灵敏度、高可靠性地检测异步电动机转子断条故障，特别适用于工程中广泛采用的大型异步电动机。

权利要求书一种笼型异步电动机转子断条故障检测方法，其特征是，它首先对按一定频率采集的定子电流瞬时信号应用希尔伯特变换，得到其希尔伯特模量；然后通过减去其平均值而滤除该希尔伯特模量中的直流分量；再应用ESPRIT进行频谱分析，获得其ESPRIT频谱图；最后根据ESPRIT频谱图中是否存在2sf1分量、4sf1分量谱峰判断是否存在转子断条故障：若同时存在2sf1分量和4sf1分量谱峰，则转子断条，否则转子正常。
根据权利要求1所述笼型异步电动机转子断条故障检测方法，其特征是，具体按以下步骤进行：
a. 测取一相定子电流瞬时信号                                                ：
对于高压电机，采用一只电流钳在电流互感器CT二次侧测取一相定子电流瞬时信号；对于低压电机，采用一只电流钳直接在电机接线端子处测取一相定子电流瞬时信号；
b. 采用单工频周期滑动窗方法计算定子电流瞬时信号的有效值，通过分析有效值的变化趋势，提取其最平稳亦即波动最小的一段数据，记为；
c. 对提取的定子电流瞬时信号应用希尔伯特变换，得到其希尔伯特模量Mod；
d. 滤除该希尔伯特模量中的直流分量，获得待分析信号M，M=Mod‑mean(Mod)，mean(Mod)表示Mod的平均值；
e. 应用ESPRIT对待分析信号M进行频谱分析，获得ESPRIT频谱图；
f. 根据ESPRIT频谱图中是否存在2sf1分量、4sf1分量谱峰判断是否存在转子断条故障：若同时存在2sf1分量、4sf1分量谱峰，则转子断条，否则转子正常。
根据权利要求2所述笼型异步电动机转子断条故障检测方法，其特征是，采用单工频周期滑动窗方法计算定子电流瞬时信号的有效值的方法是：
选取定子电流瞬时信号中的连续20点，计算其有效值 ；对于所选取的中的连续20点，保留后19点，顺序递补中的后面一点，即第21点，从而再次获得中的连续20点，再次计算其有效值，以此类推，确定的有效值变化趋势。
根据权利要求3所述笼型异步电动机转子断条故障检测方法，其特征是，所述定子电流瞬时信号的采样频率设定为1000Hz、采样时长设定为10 s，从中提取的最平稳的一段数据的时长为4s 。
根据权利要求4所述笼型异步电动机转子断条故障检测方法，其特征是，应用ESPRIT对待分析信号M进行频谱分析的方法包括以下步骤：
a.构造相关矩阵、，具体如下；
不失一般性，待分析信号M可以表示为一系列余弦谐波分量之组合，如下式所示。
，
其中，表示采样周期；表示采样点数；表示谐波个数；、、分别表示第个谐波的幅值、频率、初相角；
所述信号M主要包括2个频率分量，即p ≈ 2；
定义，引入以下阶矩阵，其中，m应远大于p，此处取m=20：
，
，
则的自相关矩阵为
，
而和的互相关矩阵为
，
其中，表示数学期望，表示共轭转置；
b.对进行特征值分解，确定其最小特征值；
c.计算，表示阶单位阵；
d.计算，为阶阵，，此处，表示阶单位阵；
e.对进行奇异值分解，此处，，由个主奇异值组成，；
f.计算矩阵；
g.对进行广义特征值分解，确定个广义特征值，其余个广义特征值恒等于0；
h.根据广义特征值，确定采样信号各个分量的频率，、分别表示特征值的虚部、实部；
i.计算矩阵；
j.计算矩阵，此处为一列矢量，而为列矢量；
k.确定采样信号各个分量的幅值， 。

说明书一种笼型异步电动机转子断条故障检测方法
技术领域
本发明涉及一种能够检测笼型异步电动机转子断条故障的方法，属电机技术领域。
背景技术
笼型异步电动机在运行过程中，转子导条受到径向电磁力、旋转电磁力、离心力、热弯曲挠度力等交变应力的作用，加之转子制造缺陷，可能导致断条故障，此种故障发生概率约为15% 。
转子断条是典型的渐进性故障，初期通常1、2根导条断裂，而后逐渐发展以至电机出力下降甚至停机，因此，必须实施转子断条故障检测。
笼型异步电动机发生转子断条故障之后，在其定子电流中将出现(1±2ks)f1频率的附加电流分量（s为转差率，f1为供电频率，k=1, 2, …），可以将其作为转子断条故障特征。而定子电流信号易于采集，因此基于快速傅里叶变换(FFT)的定子电流信号频谱分析方法被广泛应用于转子断条故障检测。
最初的转子断条故障检测方法是对稳态定子电流信号直接进行FFT频谱分析，根据频谱图中是否存在(1±2ks)f1频率分量判断转子有无断条。由于转子轻微断条时，(1±2ks)f1分量的幅值相对于f1分量非常小，而异步电动机运行时转差率                                                很小，(1±2ks)f1与f1这两个频率数值接近，如果直接做FFT频谱分析，则(1±2ks)f1分量可能被f1分量的泄漏所淹没。这是此方法的不足之处。
为了弥补此方法之不足，发展形成了基于希尔伯特变换的笼型异步电动机转子断条故障检测方法，其核心在于：将转子断条故障时的定子电流信号视为2ksf1分量（调制信号）对f1分量（载波信号）调制的结果，而调制信号显然包含转子断条故障特征；因此，通过适当方法进行“解调”而获取调制信号，提取并分析其中的2ksf1分量即可实现转子断条故障检测。
上述希尔伯特变换检测方法，它包括以下步骤：
a. 测取一相定子电流瞬时信号；
b. 计算定子电流瞬时信号的希尔伯特变换，，t表示时间、表示时间延迟；
c. 计算希尔伯特模量Mod，；
该希尔伯特模量的频率成分非常复杂，包括2sf1、4sf1、6sf1、8sf1频率分量以及直流分量，说明如下。
异步电动机发生转子断条故障后，在其定子电流中将出现(1±2ks)f1频率的附加电流分量。因此，异步电动机在转子断条故障情况下的定子电流信号可采用式(1)模拟。此处，取k=1, 2（k>2时的附加电流分量幅值过小，忽略不计）。
                         (1)
其中，Im1、ImL、ImR、ImLL、ImRR分别代表f1、(1‑2s)f1、(1+2s)f1、(1‑4s)f1、(1+4s)f1分量的幅值；f 1、f L、f R、f LL、f RR分别代表各分量的初相角。
推导其希尔伯特变换，如式(2)所示：
                          (2)
进一步推导希尔伯特模量Mod，可得：
                     (3)
根据式(3)可知，该希尔伯特模量包括2sf1、4sf1、6sf1、8sf1频率分量以及直流分量，非常复杂。但是，对于实际电机而言，存在如下数值关系：Im1>> ImL、Im1>> ImR、ImL> ImLL、ImR>ImRR。因此，结合式(3)可知，该希尔伯特模量的最主要频率成分是直流分量、2sf1分量、4sf1分量。
d. 滤除希尔伯特模量Mod中的直流分量，获得待分析信号M，M=Mod‑mean(Mod)，mean(Mod)表示Mod的平均值；
显然，待分析信号M的主要频率成分是2sf1分量、4sf1分量。
e. 对待分析信号M做FFT频谱分析，根据频谱图中是否存在2sf1分量、4sf1分量谱峰而进行转子断条故障检测：若同时存在2sf1分量、4sf1分量谱峰，则转子断条；否则，转子正常。
至此可知，从FFT频谱分析的角度考虑，上述希尔伯特变换方法本质上是将定子电流信号中的f1分量变换为直流分量，同时将(1±2ks)f1分量变换为2ksf1分量。但是，上述方法是以“直流分量可以通过减去平均值而理想滤除”为前提的。这就要求——希尔伯特模量在采集期间保持平稳，进而要求定子电流信号、负荷在采集期间保持平稳。具体而言，式(1~3)中的Im1、ImL、ImR、ImLL、ImRR在采集期间均应恒定。如此，希尔伯特模量中的直流分量在采集期间才是恒定的，方可通过减去平均值而理想滤除。否则，该直流分量将是波动的，无法通过减去平均值而完全滤除。从FFT频谱分析的角度考虑，这将导致直流分量“泄漏”而使FFT频谱趋于复杂甚至混淆转子断条故障特征——2sf1分量、4sf1分量，影响转子断条故障检测的可靠性。但是，在工程实际中，“希尔伯特模量、定子电流信号、负荷在采集期间保持平稳”这一要求是无法满足的，原因在于——对于实际电机而言，一定程度的负荷波动是不可避免的。因此，在工程实际中，上述希尔伯特变换方法欠缺可靠性。
另外，上述希尔伯特方法基于FFT频谱分析而受限于频率分辨力（采样时长之倒数），解释如下。
在工程实际中广泛采用大型异步电动机，并且一般在40%~60%的负荷率下运行，转差率s数值很小（<0.5%），致使频率2sf1、4sf1数值甚小。中、小型异步电动机轻载运行时情况类似。对于上述情况，希尔伯特变换方法需要连续采集足够时长的异步电动机信号方能保证频率分辨力足够高以切实分辨转子断条故障特征。但是，对于实际电机而言，一定程度的负荷波动是不可避免的，信号采集时间过长意味着以更高概率引入负荷波动，加剧希尔伯特模量中直流分量的波动、泄漏，影响转子断条故障检测的可靠性。这就表明，对于工程实际中广泛采用的大型异步电动机，上述希尔伯特变换方法面临严峻挑战，甚至失效。
综上可知：现有的希尔伯特变换方法基于FFT频谱分析而存在重大缺陷——负荷波动导致希尔伯特模量中直流分量波动、泄漏，致使FFT频谱趋于复杂而影响转子断条故障检测的可靠性；并且，FFT频谱分析需要足够时长的电机信号以保证频率分辨力，这意味着以更高概率引入负荷波动，致使这一问题愈发突出。特别是，对于工程实际中广泛采用的大型异步电动机，上述希尔伯特变换方法面临严峻挑战，甚至失效。这是当前亟待解决的、具备深厚工程背景的关键问题，这一问题的解决将具有重大的实用价值。
发明内容
本发明的目的在于提供一种笼型异步电动机转子断条故障检测方法，它能够根据时长尽可能短的定子电流信号，高可靠性地检测出转子断条的故障。
本发明所称问题是以下述技术方案实现的：
一种笼型异步电动机转子断条故障检测方法，它首先对按一定频率采集的定子电流瞬时信号应用希尔伯特变换，得到其希尔伯特模量；然后通过减去其平均值而滤除该希尔伯特模量中的直流分量；再应用ESPRIT（旋转不变信号参数估计技术）进行频谱分析，获得其ESPRIT频谱图；最后根据ESPRIT频谱图中是否存在2sf1分量、4sf1分量谱峰判断是否存在转子断条故障：若同时存在2sf1分量和4sf1分量谱峰，则转子断条，否则转子正常。
上述笼型异步电动机转子断条故障检测方法，具体按以下步骤进行：
a. 测取一相定子电流瞬时信号：
对于高压电机，采用一只电流钳在电流互感器CT二次侧测取一相定子电流瞬时信号；对于低压电机，采用一只电流钳直接在电机接线端子处测取一相定子电流瞬时信号；
b. 采用单工频周期滑动窗方法计算定子电流瞬时信号的有效值，通过分析有效值的变化趋势，提取其最平稳亦即波动最小的一段数据，记为；
c. 对提取的定子电流瞬时信号应用希尔伯特变换，得到其希尔伯特模量Mod；
d. 滤除该希尔伯特模量中的直流分量，获得待分析信号M，M=Mod‑mean(Mod)，mean(Mod)表示Mod的平均值；
e. 应用ESPRIT（旋转不变信号参数估计技术）对待分析信号M进行频谱分析，获得ESPRIT频谱图；
f. 根据ESPRIT频谱图中是否存在2sf1分量、4sf1分量谱峰判断是否存在转子断条故障：若同时存在2sf1分量、4sf1分量谱峰，则转子断条，否则转子正常。
上述笼型异步电动机转子断条故障检测方法，采用单工频周期滑动窗方法计算定子电流瞬时信号的有效值的方法是：
选取定子电流瞬时信号中的连续20点，计算其有效值 ；对于所选取的中的连续20点，保留后19点，顺序递补中的后面1点（第21点），从而再次获得中的连续20点，再次计算其有效值，以此类推，确定的有效值变化趋势。
上述笼型异步电动机转子断条故障检测方法，所述定子电流瞬时信号的采样频率设定为1000Hz、采样时长设定为10 s，从中提取的最平稳的一段数据的时长为4s 。
上述笼型异步电动机转子断条故障检测方法，应用ESPRIT（旋转不变信号参数估计技术）对待分析信号M进行频谱分析的方法包括以下步骤：
a.构造相关矩阵、，具体如下；
不失一般性，待分析信号M可以表示为一系列余弦谐波分量之组合，如下式所示。

其中，表示采样周期；表示采样点数；表示谐波个数；、、分别表示第个谐波的幅值、频率、初相角。
此处，信号M的时长为4s ，采样频率为1000Hz，因此，采样点数为N=4000。另外，前文已经指出：信号M的主要频率成分是2sf1分量、4sf1分量；或者说，信号M主要包括2个频率分量，这意味着p ≈ 2。
定义，引入以下阶矩阵（m应远大于p，此处取m=20）：
，
，
则的自相关矩阵为：
，
而和的互相关矩阵为：
，
这里，表示数学期望，表示共轭转置；
b.对进行特征值分解，确定其最小特征值；
c.计算，表示阶单位阵；
d.计算，为阶阵，(此处，表示阶单位阵)；
e.对进行奇异值分解，此处，(由个主奇异值组成)，；
f.计算矩阵；
g.对进行广义特征值分解，确定个广义特征值(其余个广义特征值恒等于0)；
h.根据广义特征值，确定采样信号各个分量的频率，、分别表示特征值的虚部、实部；
i.计算矩阵；
j.计算矩阵，此处为一列矢量，而为列矢量；
k.确定采样信号各个分量的幅值， 。
本发明通过信号采集卡采集异步电动机定子电流信号，信号采集卡将此信号传送到便携式计算机，由便携式计算机对电流信号进行处理，判断是否存在转子断条故障，操作简单方便。该方法以定子电流希尔伯特模量中的2sf1分量、4sf1频率分量作为故障特征，应用ESPRIT对信号进行频谱分析，可以根据时长尽可能短的定子电流信号而高灵敏度、高可靠性地检测异步电动机转子断条故障，有效地克服了负荷波动对检测结果的不利影响。
本发明最显著的优点就是：仅需采样时间很短的定子电流信号即可高可靠性地检测异步电动机转子断条故障，有效克服了负荷波动对检测结果的不利影响，适用于异步电动机低转差率运行情况。因此，本发明适用于工程实际中广泛采用的大型异步电动机(低转差率运行)，因而具备重大的工程实用价值和广阔应用前景。
附图说明
下面结合附图对本发明作进一步详述。
图1是本发明所用信号采集装置的电原理图；
图2是实验接线图；
图3是电机在转子正常时的定子电流有效值时变曲线；
图4是电机在转子故障时的定子电流有效值时变曲线；
图5是信号采集时长4s情况下，电机在转子正常时的定子电流希尔伯特模量FFT频谱；
图6是信号采集时长4s情况下，电机在转子故障时的定子电流希尔伯特模量FFT频谱；
图7是信号采集时长4s情况下，电机在转子正常时的定子电流希尔伯特模量ESPRIT频谱；
图8是信号采集时长4s情况下，电机在转子故障时的定子电流希尔伯特模量ESPRIT频谱；
图9是信号采集时长10s情况下，电机在转子正常时的定子电流希尔伯特模量FFT频谱；
图10是信号采集时长10s情况下，电机在转子故障时的定子电流希尔伯特模量FFT频谱。
图中各标号为：CT、电流互感器，Motor、电机。
文中所用各符号的意义：、转差率；、供电频率（基波频率）；、定子电流瞬时信号； 、定子电流瞬时信号的希尔伯特变换；、定子电流瞬时信号中最平稳亦即波动最小的一段数据；、定子电流瞬时信号的有效值；Mod、定子电流瞬时信号的希尔伯特模量；mean(Mod)、定子电流瞬时信号希尔伯特模量Mod的平均值；M、定子电流瞬时信号的希尔伯特模量Mod滤除直流分量后的待分析信号；其它各符号的意义，均已在前文中做出说明。
具体实施方式
本发明采用图1所示电路进行检测，该电路由电流互感器CT、信号采集卡以及便携式计算机组成，所述电流互感器接于异步电动机定子绕组的一个相线上，其信号输出端接信号采集卡的模拟信号输入通道（输入端子5与17），所述信号采集卡的输出端口接便携式计算机的USB口。信号采集卡采用瑞博华RBH8351型信号采集卡，便携式计算机的型号是Thinkpad X100e，信号采集卡集成了低通滤波器、信号采集保持、模/数转换等电路。定子电流瞬时信号送至信号采集卡，信号采集卡通过USB接口连接于便携式计算机。便携式计算机控制信号采集卡以适当频率采样定子电流瞬时信号，并存储于硬盘，再由便携式计算机对电流信号进行处理，判断是否存在转子断条故障。该配套软件基于Windows XP操作系统并采用Visual C++应用程序开发平台编制。
本方法包括以下步骤：
a. 测取一相定子电流瞬时信号：
对于高压电机，采用一只电流钳在电流互感器CT二次侧测取一相定子电流瞬时信号；对于低压电机，采用一只电流钳直接在电机接线端子处测取一相定子电流瞬时信号；采样频率设定为1000Hz、采样时长设定为10s ；
b. 对定子电流瞬时信号做初步分析，提取其最平稳的一段数据，记为：
这通过分析的有效值变化趋势进行，有效值采用单工频周期滑动窗方法根据下式计算，单周期滑动窗方法简介如下。
，
工频一般为50赫兹，则工频周期为0.02秒。若采集频率为1000Hz（即每秒采集1000点），则每一工频周期采集定子电流瞬时信号20点。选取中的连续20点（单工频周期）计算其有效值；对于所选取的中的连续20点，保留后19点，顺序递补中的后面1点（第21点），从而再次获得中的连续20点，再次计算其有效值。以此类推，可以确定的有效值变化趋势。
关于的时长，应尽可能短以最大可能地回避负荷波动，但信号采集时长应大于其中待提取特征分量的一个持续周期。在工程实际中广泛采用大型异步电动机，并且一般在40%~60%的负荷率下运行，转差率s数值很小（<0.5%），但一般不会小于0.25%，中、小型异步电动机轻载运行时情况类似。而供电频率（基波频率）f1近似等于50Hz。因此，待提取的转子断条故障特征分量频率2s f1»0.25Hz、4s f1»0.50Hz，其持续周期分别为4s、2s。显然，信号采集时长应选择为4s。
c. 对提取的定子电流瞬时信号应用希尔伯特变换，得到其希尔伯特模量Mod，具体参见式(2)、式(3)；
d. 滤除该希尔伯特模量中的直流分量，获得待分析信号M，M=Mod‑mean(Mod)，mean(Mod)表示Mod的平均值；
d. 应用ESPRIT对待分析信号M进行频谱分析，获得ESPRIT频谱图；
e. 根据ESPRIT频谱图中是否存在2sf1分量、4sf1分量谱峰而进行转子断条故障检测：若同时存在2sf1分量、4sf1分量谱峰，则转子断条；否则，转子正常。
由上可见，旋转不变信号参数估计技术（ESPRIT，Estimation of Signal Parameters via Rotational Invariance Technique）是该方法的关键，简介如下。
ESPRIT是由R. Roy, A. Paulraj, T. Kailath提出并发展的，目前已经成为余弦信号参数（个数与频率）估计的有效工具。
采样信号可以表示为一系列余弦谐波分量之组合
                 (4)
式中，TS表示采样周期；N为采样点数；p为谐波个数；Ai、fi、fi分别表示第个谐波的幅值、频率、初相角。
定义，引入以下阶矩阵(保证m>>p)
               (5)
               (6)
则的自相关矩阵为
                         (7)
而和的互相关矩阵为
                         (8)
式(7)、(8)中，表示数学期望，表示共轭转置。
ESPRIT算法如下：
a 构造相关矩阵、；
b 对进行特征值分解，确定其最小特征值；
c 计算，表示阶单位阵；
d 计算，为阶阵，(此处，表示阶单位阵)；
e 对进行奇异值分解，此处，(由个主奇异值组成)，；
f 计算矩阵；
g 对进行广义特征值分解，确定个广义特征值(其余个广义特征值恒等于0)；
h 根据广义特征值，确定采样信号各个分量的频率，、分别表示特征值的虚部、实部；
i 计算矩阵；
j 计算矩阵，此处为一列矢量，而为列矢量；
k 确定采样信号各个分量的幅值， 。
根据上述ESPRIT的基本概念、步骤，可以推断——与FFT逐频点进行频谱分析不同，ESPRIT着眼于全频段、通过信号相关矩阵的特征值分解而进行频谱分析，这可在一定程度上抑制频谱泄漏。并且，与FFT对比而言，ESPRIT具备原信号外推能力，因而其频率分辨力可以摆脱采样时长的限制，即使针对短时信号，亦可达到高频率分辨力。因此，将ESPRIT应用于转子断条故障检测具备可行性。首先，即使引入负荷波动，ESPRIT亦可在一定程度上抑制直流分量泄漏，保证转子断条故障检测的可靠性。其次，由于仅需采集短时信号，ESPRIT较FFT具备更大可能而回避负荷波动，这亦是有利的。
应用该方法对一台实验电机进行转子断条故障检测，效果令人满意。
接线示于图2。电机采用一台Y100L‑2型三相异步电动机（3kW、380V、50Hz），除正常转子外，另行配备一故障转子以模拟断条故障，该故障转子存在一根断裂导条（距端环10mm处钻孔，直径6mm、深度10mm）。
在实验中，电机负荷接近空载且不做调节以期保持恒定、转差率s  约为0.33% 。为了尽可能回避负荷波动，尽量缩短信号采集时长，选择为4s 。这样，信号采集时长大于待提取转子断条故障特征2s f1分量的一个持续周期。此时，2s f1»0.33Hz ( f1»50Hz)，对应的一个持续周期约为3s 。
图3、图4表示电机在转子正常与故障时的定子电流有效值时变曲线。
图5、图6表示电机在转子正常与故障时的定子电流希尔伯特模量FFT频谱，具体数据示于表1，这是采用现有的希尔伯特变换方法所获得的。
图7、图8表示电机在转子正常与故障时的定子电流希尔伯特模量ESPRIT频谱，具体数据示于表2，这是采用本发明所获得的。
图9、图10表示信号采集时长10s情况下，电机在转子正常与故障时的定子电流希尔伯特模量FFT频谱，具体数据示于表3，这是采用现有的希尔伯特变换方法所获得的。
根据图3、图4可知：在转子正常与故障情况下，尽管在实验过程中，电机负荷接近空载且不做调节以力图保持恒定，但定子电流有效值时变曲线均包含一定程度的波动，这说明——对于实际电机而言，一定程度的负荷波动是不可避免的，当前异步电动机转子断条故障检测的希尔伯特变换方法的缺陷即来源于此。
对比图5、图7并结合表1、表2，可以发现：在正常情况下，FFT频谱中即包含故障特征谱峰——2sf1、4sf1分量，这将导致误判“转子断条”；而ESPRIT频谱中并无故障特征谱峰，故可排除误判“转子断条”的可能，这是一显著进步。
对比图6、图8并结合表1、表2，可以发现：在断条情况下，FFT频谱中出现明显的故障特征谱峰——2sf1分量，但另一故障特征谱峰4sf1分量并不存在，这将导致“转子正常”的错误判断，这归因于——采用4s信号，FFT频谱频率分辨力(0.25Hz)不足以分辨转子断条故障特征；但是，在ESPRIT频谱中，故障特征谱峰——2sf1、4sf1分量均非常明显，据此即可实现转子断条故障的可靠检测。
另外，根据图5、图6并结合表1，可知：对于仅持续4s的电机信号，现有的希尔伯特变换方法无法正确检测转子断条故障。延长信号采集时间至10s，该问题得以解决，参阅图9、图10与表3。此时，FFT频谱频率分辨力提高至0.1Hz，图10中包含明显的故障特征谱峰——2sf1、4sf1分量。但是，对于正常转子，FFT频谱中亦包含故障特征谱峰——2sf1、4sf1分量，参阅图9，同样可能导致“转子断条”的错误检测结果。
综上可知，当前异步电动机转子断条故障检测的希尔伯特变换方法存在局限——负荷波动导致解调信号中直流分量波动、泄漏，致使FFT频谱趋于复杂而影响转子断条故障检测的可靠性。由于FFT频谱分析受限于频率分辨力而需要足够时长的电机信号，意味着以更高概率引入负荷波动，致使上述问题愈发突出。特别是，对于工程实际中广泛采用的大型异步电动机，上述希尔伯特变换方法面临严峻挑战，甚至失效。本发明引入ESPRIT以克服上述局限，并且仅需短时信号即可高可靠性地检测转子断条故障，适用于工程实际中广泛采用的大型异步电动机，这是本发明的显著优势。
相对于当前的希尔伯特变换方法，本发明做出了重大改进，说明如下。
首先，当前的希尔伯特变换方法是以FFT频谱分析为基础的，本发明则颠覆了这一基础而采用ESPRIT频谱分析。
其次，当前的希尔伯特变换方法基于FFT频谱分析而受限于负荷波动(这在工程实际中是不可避免的)、直流分量泄漏以及频率分辨力，在异步电动机低转差率运行情况下因需要持续采集足够时长的电机信号而失效；本发明则基于ESPRIT频谱分析而摆脱了上述限制，在异步电动机低转差率运行情况下亦可高可靠性地检测转子断条故障，因而适用于工程实际中广泛采用的大型异步电动机(低转差率运行)，具备重大工程价值、广阔应用前景。
表1  定子电流希尔伯特模量FFT频谱数据

表2  定子电流希尔伯特模量ESPRIT频谱数据

表3  定子电流希尔伯特模量FFT频谱数据（信号采集时间10s）
  。