异步电机故障诊断Simulink仿真：匝间短路与转子断条建模全解析

在电机故障诊断这个方向泡了几年，我最常被问到的一句话是：电机坏了，你怎么知道是哪坏了？说实话，光靠手摸和听声音的年代早就过去了。现在的主流做法，是用Simulink这类工具，把异步电机的匝间短路、导条故障、转子断条这些故障模式，先在仿真里精确复现，再结合电流、转矩信号把故障特征提取出来，最后做成一套能自动判断故障类型的算法。这篇文章就把我实际做过的这套异步电机控制与故障诊断仿真项目，从建模思路到实操参数，原原本本拆给你看。

这套东西能干什么？简单说，你可以在仿真里随时“制造”一台半坏的电机，比如让某一相绕组发生匝间短路，或者让转子的导条断裂一根，然后观察定子电流、电磁转矩、转速这些可测信号到底会发生什么变化。对做电机控制的人来说，它帮你验证故障工况下控制器的稳定性；对做设备维护的人来说，它是一套故障特征库的生成器；对做算法研究的人来说，它解决了故障样本难获取的大问题。适合所有正在搞电机故障诊断、状态监测，或者准备入门电机控制仿真的工程师参考。

1. 项目整体设计与思路拆解

1.1 为什么非要用Simulink做故障诊断

很多新手上来就问：电机故障诊断，直接找台坏电机测数据不就行了？这个想法在实际项目里基本走不通。工业现场不会允许你把一台好电机故意短路几匝测数据，更不会等着转子导条慢慢断裂给你当实验品。就算你偷偷去修电机的地方淘换故障机，故障类型、故障程度、负载工况也完全不可控，测出来的数据根本没法支撑系统性的算法研究。

所以我的习惯永远是把仿真放在第一步。Simulink的好处在于，故障是可编程的、可复现的、可批量生成的。你今天注入5%的匝间短路，明天注入15%，参数变化完全可控；你可以在空载、半载、额定负载三个工况下分别跑仿真，拿到统一的故障样本集。这套东西本质上是一个“故障样本工厂”，后面所有诊断算法都在这个基础上长出来。

还有一个很容易被忽略的点：电机控制闭环运行和开环运行，故障特征差异很大。在闭环矢量控制下，电流环会主动抑制部分故障扰动，让特征信号变弱甚至被掩盖。所以必须把故障诊断放在真实控制环路里去验证，这正是Simulink的强项——逆变器、PWM、坐标变换、PI调节器、电机本体全都能在一个环境里搭起来。

1.2 三种故障的物理关系与选题考量

这个项目选了匝间短路、导条故障、转子断条三种故障，我认为这个组合非常经典。

匝间短路是定子侧故障，起因基本是绝缘老化、绕组受潮或过电压冲击。它是异步电机定子故障里占比最高的类型，而且有一个很麻烦的特点：初期只有几匝被短接，电机还能正常转，但短路环流持续发热，会迅速扩大故障范围。所以对匝间短路的早期诊断价值极高。

导条故障和转子断条，本质上可以归到转子侧同一类损伤。笼型转子的导条是插在转子槽里的铜条或铝条，两端用端环短接。常年重载启动、频繁正反转，导条在交变热应力和电磁力作用下容易出现裂纹，裂纹扩展最终就是完全断裂；端环裂开也属于这一类。项目中把两者分开列出来，我的理解是“导条故障”对应的是轻度损伤（裂纹或局部断裂，电阻增大但未完全开路），“转子断条”对应的是完全断裂（该导条彻底失去导电能力）。建模时只要把某根导条的等效电阻从正常值改成不同程度的大阻值，就能覆盖这两档。

选了这三种，就等于同时覆盖了定子侧和转子侧的典型故障，诊断模型训练出来以后，对异步电机整体健康状况的判断框架就完整了。

1.3 技术路线总体设计

整个系统我分成了五个部分：电机与逆变器主电路、矢量控制模块、故障注入模块、信号采集模块、诊断决策模块。

主电路负责把三相交流电整流成直流，再通过逆变器变成变频变压的交流供给电机；控制模块用的是转子磁场定向矢量控制（FOC），速度外环加电流内环；故障注入模块通过受控开关和可变电阻，在设定时刻把故障“切”进电机模型；采集模块把定子电流abc、转子转速、电磁转矩导出来用于分析；诊断模块基于FFT频谱、负序电流分解和轨迹分析做判断。

为什么不选直接转矩控制DTC？因为FOC的电流环结构让定子电流的波形更规整，故障边频分量更容易被定量分析；DTC的电流纹波大，频谱毛刺多，对初学者不友好。等FOC这套跑通了，再改成DTC对照比较，也是后面要做的扩展工作。

2. 异步电机建模基础与故障注入方法论

2.1 坐标系：控制算法离不开的变换逻辑

做异步电机仿真，绕不开坐标系变换。电机三相绕组在空间上差120度，电流、电压都是随时间变化的正弦交流量，直接拿abc三相做PI控制非常麻烦——三个交流量的稳态误差根本压不掉。所以必须做两次坐标变换。

第一步是Clark变换，把abc三相静止坐标系变到αβ两相静止坐标系，相当于把三根轴投影到两个垂直轴上。第二步是Park变换，把αβ坐标再旋转到与转子磁场同步旋转的dq坐标。到了dq坐标里，原来50Hz的正弦交流量变成了两个直流量：d轴对应励磁分量，q轴对应转矩分量，PI调节器可以无静差地跟踪它们。这就是矢量控制“解耦”能力的来源。

故障分析同样要用坐标系。匝间短路以后，三相不再对称，在abc坐标系下最容易观察到电流幅值差；而在dq坐标系下，故障表现为d轴和q轴电流出现脉动，电磁转矩产生波动。两种视角互补，诊断算法里最好都看。

2.2 Simulink电机建模的两条路线

搭建异步电机模型，Simulink里基本有两条路可选。

第一条是用Simscape Electrical自带的Asynchronous Machine模型。它的好处是参数化建模，你在对话框里填额定功率、电压、频率、定转子电阻电感、转动惯量就能跑。内部已经实现了完善的电磁方程，还提供定子电流、磁链、转速、转矩等测量输出端口，适合先把系统跑通。坏处是它的内部结构不开放，想从绕组内部“挖”出一段来做匝间短路，就得动脑筋了。

第二条是自己用数学模块搭ABC坐标系下的电机方程。根据磁链方程和电压方程写出微分方程组，再用积分器、乘除法器和函数模块搭出来。这条路工作量大，但自由度最高，可以完全按照故障机理来修改绕组结构。我之前做一相绕组动态短路模型时，就是把该相绕组拆成了两段，分别建立磁链方程，再用开关控制短路支路的接入。

我的建议很直接：项目前期用现成模块跑通控制与诊断流程，后面对故障机理有需要时再自建模型。不要一上来就自己搭，那会劝退很多人。

2.3 故障注入的三板斧

在Simulink里往电机系统注入故障，无非三种手段。

第一是改参数。比如把定子电阻表改成阶梯信号，让它在指定时刻阶跃变大，模拟绕组电阻异常。这种方法最简单，但和真实物理过程偏差较大。

第二是加支路。用带开关的并联支路把故障部件“短接”或“开路”。匝间短路就是把一小段绕组通过一个电阻接到一起，转子断条就是把某根导条的支路电阻切到极大值。这是最接近物理本质的做法，故障深度也容易量化。

第三是切模型。用Simulink的变子结构或手动切换开关，在健康模型和带故障模型之间切换。适用于故障引起的参数变化特别大、没法用线性叠加的情况。

我这个项目里，匝间短路用了加支路的方式，转子导条故障用了改参数配合开关切换的方式。后面都会展开讲。

3. 三大故障的建模原理与故障特征

3.1 匝间短路：从绕组不对称到负序电流

理解匝间短路，先看一个物理事实：某一相的绕组本来有N匝，因为绝缘损坏，其中Ns匝被短路，这Ns匝线圈在磁场中感应出的电动势会驱动一个巨大的短路环流。这个环流只在故障相内部循环，不经过外部电网，但它的加热效应会让故障迅速蔓延。

在数学模型里，匝间短路的本质是三相定子绕组失去了对称性。故障相的等效匝数减少，等效电阻和漏感都下降，同时还多了一个短路支路电流。在Simulink里我用了一个简化但好用的方法：把故障相绕组分成健康段和故障段，故障段两端并联一个可调电阻Rf，通过一个Breaker开关控制接入时间。Rf越小，代表短路程度越严重。取Rf从8Ω到0.5Ω，就可以模拟从轻微匝间短路到严重短路的多种情况。

这个故障在信号上最显著的特征是负序电流。利用对称分量法，把三相电流分解成正序、负序和零序分量。正常运行时负序分量很小，一般不到正序的5%；匝间短路后，三相不对称直接导致负序电流大幅上升，严重时能达到正序的20%以上。基于此，很多商用保护装置就是用负序电流作为匝间短路判据。除了负序，三相电流幅值不平衡度和3次谐波含量也会增加，这些可以作为辅助特征。

3.2 导条故障与转子断条：同一病灶的两种反应

先回答一个概念问题：项目里为什么把导条故障和转子断条分开列？我的理解是这样的：导条故障是广义的转子导条损伤，比如导条裂纹、局部截面积减小、导条与端环接触电阻增大，这时候导条还没有彻底断掉，只是等效电阻变大了；转子断条则是导条彻底断裂，该支路几乎没有电流通过。两者建模方法一致，区别只在于故障导条的电阻倍数：健康导条电阻为R_b，轻度导条故障取2~5倍阻值，重度断条取100倍以上甚至直接开路。

鼠笼转子建模，我推荐用多回路法。把转子等效成Nb条导条并联的电路，每根导条有自己的电阻、自感以及与定子绕组之间的互感。健康状态下Nb条完全对称，转子电路在电气上是对称的。把其中第k条导条的电阻改成R_b_fault，就完成了故障注入。Simulink里用转子电阻矩阵的方式可以精确实现这一点。

这里有个很有意思的物理现象：转子断条后，不对称的转子电机会在定子电流中感应出边频分量。电机运行在转差率s下，转子旋转频率对应转差频率为s*f1，断条故障的特征频率是(1±2s)f1，其中f1是电网基频。左侧的(1-2s)f1分量是最常用的诊断指标。

拿一个4极50Hz电机举例：额定负载下转速约1430rpm，同步转速1500rpm，转差率s=(1500-1430)/1500≈0.0467。那么2sf1≈2×0.0467×50≈4.67Hz。也就是说，断条故障会在45.3Hz和54.7Hz附近出现两个边频，其中45.3Hz那个最明显。断条根数越多，边频幅值越大，且还会出现(1±4s)f1等高阶边频。同时，电磁转矩会出现2sf1频率的脉动，表现在转速上就是电机一转一扭，噪声变大。

3.3 各故障特征的可观测指标汇总

经常有读者问我，到底该提取哪些信号，这里用一张表收敛一下：

需要强调，判断故障不能只看单一指标。我曾经试过只根据负序电流判断匝间短路，结果在电网电压本身不平衡时就误报了。正确的做法是多个特征结合，比如负序电流升高且3次谐波同步升高，才更可信。这也是后面要做诊断分类器的原因。

4. 故障诊断算法落地

4.1 FFT频谱分析：边频识别与分辨率要求

故障特征频率最经典的手段就是定子电流频谱分析。实操中我会按以下步骤来：

第一步，从仿真工作区取出稳态阶段的定子电流A相数据。注意不能取启动阶段的暂态数据，那是非平稳信号，FFT出来一塌糊涂。一般取故障注入后至少0.5s的稳态段。

第二步，确定采样频率与数据长度。前面算过，额定负载下断条边频距基频约4.67Hz。要分辨这个边频，FFT频率分辨率至少要小于2Hz，最好达到1Hz。分辨率等于采样频率除以采样点数。如果我以5kHz采样，采集2s数据，那就是10000个点，分辨率就是5000/10000=0.5Hz，足够把4.67Hz的偏差看得清清楚楚。注意，如果只采0.2s数据，分辨率只有5Hz，边频会被基频泄露完全盖住，什么都看不出来。

第三步，做FFT之前先去直流分量。电流信号有直流偏置的话，0Hz处会有一个极大的谱线，旁瓣泄露会污染附近的低频区域。把信号减去平均值就能去掉。

第四步，加窗。直接用矩形窗做FFT，频谱泄露大，旁瓣高。我一般用汉宁窗，主瓣稍宽但旁瓣衰减快，非常适合识别边频。

第五步，把频谱做归一化，以基频幅值作基准，读取(1-2s)f1和(1+2s)f1处幅值与基频幅值的比值。健康电机这个比值通常低于某个阈值，断条后明显抬升。这个比值甚至可以折算成断条根数的粗略估计。

4.2 负序电流与Park矢量轨迹

对于匝间短路，FFT的敏感度不如负序电流法。对称分量法的实现也很简单：把三相电流写成复数形式，利用旋转因子a=e^(j2π/3)，正序分量I1=(Ia+a·Ib+a²·Ic)/3，负序分量I2=(Ia+a²·Ib+a·Ic)/3。在MATLAB脚本里用复向量运算就能算。我推荐把负序电流幅值除以正序电流幅值，得到负序比，这个指标在不同负载下都比较稳定。

另一种直观的诊断方法看Park矢量轨迹。把三相电流做Clark变换得到αβ轴分量iα和iβ，然后以iα为横轴、iβ为纵轴画轨迹。健康电机运行稳定时，轨迹是一个以原点为圆心的圆；匝间短路后，三相不对称，轨迹会变成椭圆，短轴方向对应不对称相；转子断条后，轨迹变成调制的椭环，环的厚度与断条严重程度相关。

我在实际项目里用了个量化指标：椭圆度，即轨迹长轴与短轴之差除以长轴。健康时趋近于0，故障时显著变大。这个方法比单纯看波形直观得多，做展示效果也特别好。

4.3 机器学习诊断分类器：从规则到自动判别

频谱分析和负序指标已经能人工判断故障，但要做自动诊断，还是要上分类器。我自己用的是特征工程加支持向量机的方案，流程非常成熟。

特征向量我选了8维：三相电流有效值、负序电流比、基频幅值、(1-2s)f1边频幅值比、3次谐波幅值比、Park矢量椭圆度、转速波动方差、转矩脉动幅值。这些特征分别对应三种故障的不同维度，信息冗余度低。

样本生成靠批量仿真。用脚本控制故障类型、故障程度和负载工况，比如健康样本50组、轻度匝间短路50组、重度匝间短路50组、单根断条50组、双根断条50组，共250组，每组算出一个8维特征向量。然后把数据集按7:3划分训练集和测试集，用SVM的RBF核训练分类模型。之前实测的分类准确率在96%以上，混淆主要发生在轻度导条故障和健康样本之间，这也符合物理直觉——裂纹初期确实隐蔽。

如果你觉得SVM调参麻烦，换成随机森林也一样，100棵树的随机森林在中小样本下表现很稳定，而且不用做特征归一化。但随机森林没法给出置信度，SVM配合概率输出能给出一个“健康概率”，对实际运维更有参考价值。

5. 实操记录：搭建完整的控制系统与故障仿真

5.1 模型架构与信号流

我搭建的模型整体可以分成主电路、控制电路、故障注入电路和测量输出四块。

主电路从三相交流电源开始，经过一个不可控整流桥得到约540V直流母线，再经过三相两电平逆变器给电机供电。电机选择Simulink里Simscape的异步电机模型，采用鼠笼转子，预设参数为3kW、380V、50Hz、4极。

控制电路按照经典的FOC结构来做。转速外环的PI输出作为q轴电流给定，d轴电流给定设为0，实现转子磁场定向；两个电流内环的输出经过反Park变换得到αβ电压，再送入SVPWM调制生成逆变器开关信号。速度反馈通过编码器接口，很简单的一个真实转速信号。电流反馈直接取电机端三相电流。

故障注入电路我放在电机模型外部。主电路模型上我并联了一个带受控开关的短路支路，接在U相绕组端点和中性点之间，里面有可变电阻Rf；转子故障则修改电机模型里的转子电阻参数，用一个阶跃信号在设定时刻增大电阻。

测量输出用To Workspace模块把三相电流、转速、转矩、dq电流全部导到MATLAB工作区，方便后面统一处理。

5.2 关键参数配置表

下面是实际操作的一组核心参数，可以直接参考：

有两个细节提醒一下。电流环PI参数整定不好，仿真很容易在启动阶段振荡发散。有个快速初值法：Kp≈(Ls*ω_bw)，其中ω_bw是期望电流环带宽，取800rad/s左右；Ki≈R_s/L_s。速度环带宽取电流环的1/10左右，这样内外环才不会打架。

5.3 故障注入与工况切换

实际操作时，我用一个Signal Builder模块控制整个工况时序。0到1秒是电机空载启动和稳定阶段，期间完成磁链建立和速度跟踪；1秒时切入第一个故障，比如U相匝间短路，Rf设定为2Ω，模拟中等程度短路；2秒时切出第一个故障、切入转子断条故障，把一根导条电阻改为正常值的100倍；2.5秒时加载额定负载转矩，观察两种工况叠加的效果。

这里重点讲一下为什么要在负载状态下做断条诊断。断条边频(1-2s)f1的幅值和转差率正相关。空载时s几乎为0，边频和基频几乎重合，根本无法分辨。只有带额定负载，s拉到0.04以上，边频才会从基频旁边分离出来。所以实操里一定要在1.5秒后加负载，让电机进入额定工况再提取数据。

全部仿真跑完后，数据会导出到一个二维矩阵里。我用一段脚本自动切取故障后1到2秒的稳态数据，计算FFT、负序、Park特征，并和标签一起存入样本表。这个批处理流程是整个项目效率的关键。我手上的仿真模型支持一个for循环连续跑30组参数，大约耗时20分钟，就能生成一个像样的训练集。

6. 常见问题与排查心得

6.1 仿真不收敛或启动发散

这是新手遇到最多的问题。现象是电机转速冲顶或者电流急剧发散，一眼就能看出来不对。

排查顺序很固定：第一，看仿真步长。PWM开关频率8kHz，载波周期125μs，变步长求解器在开关切换处可能步长太小导致仿真异常。我建议先用定步长1e-5s跑，虽然慢一点，但稳定。第二，看PI参数。如果电流环Kp过大，电流会出现高频振荡；速度环Kp过大，启动扭矩会冲击过流。第三，看负载突变时刻，2.5s突然加额定负载，电流会有大冲击，如果直流母线电容容量不足，母线电压跌落会引发连锁振荡。

一个特别实用的技巧：把PWM载波频率降到2kHz先把系统整定跑通，没问题后再升回8kHz。载波频率高，仿真计算量成倍增加，且高频开关噪声在早期调试时会掩盖你真正想看的故障特征。

6.2 FFT看不到故障边频

模型跑通了，频谱里却找不到(1-2s)f1的边频，这个问题我排查过很久。核心原因有三类。

一是转差率太小。前面强调过，空载下边频几乎贴在基频上，FFT分辨率再高也难分离。解决办法就是加负载到额定转矩附近。当然也可以用更精确的高分辨率谱估计方法，比如MUSIC算法，在短数据条件下依然能分辨相邻频率。如果对MUSIC不熟，最简单的办法还是让电机带载。

二是FFT参数不对。数据长度太短，分辨率不足；或者没加窗，旁瓣泄露把边频淹没。5000Hz采样率，至少采1s、加汉宁窗，是基本盘。

三是故障模型太轻微。导条只增大2倍电阻，边频确实很弱，这是物理事实。如果只想验证算法，建议故障程度先调重一点，比如电阻增大50倍，看到明显边频后再调轻。我自己的经验是，先把“看得见”做出来，再把“灵敏度”做上去，不至于一开始就怀疑人生。

6.3 模型诊断结果和实测对不上

最后一个要泼冷水的地方：Simulink模型再精细，也是近似。现场电机受电网谐波污染、负载波动、机械振动、轴承磨损等多重影响，信号混杂程度比仿真高得多。我见过有人拿仿真里训练的分类器直接去套现场数据，结果准确率惨不忍睹。

解决方法是在仿真信号里加入适量噪声。我给电流信号加了信噪比30dB的高斯白噪声再跑特征提取，诊断算法在这一步会掉一些准确率，但由此训练出来的分类器对实测数据的适应性强得多。条件允许时，还可以用实验室小功率电机做故障复现，采集真实数据对仿真模型做校准，把模型里的定转子电阻、互感系数再精调一轮。

踩过这些坑之后，我个人体会最深的是：仿真模型永远是“简化过的现实”，但它能帮你把物理规律和信号特征的关系彻底打通。做故障诊断，一定先问自己懂不懂故障机理，再谈算法。这套Simulink项目我现在还在迭代，下一步准备把轴承故障和多故障耦合也加进去。最后再分享一个小技巧：故障仿真数据别用完就删，整理成标准格式存起来，后面做任何新算法，这批样本都是你最宝贵的资产。