基于MUSIC算法的感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时振动信号的特性以及MUSIC算法及其高分辨率谱估计的特点，提出了一种基于MUSIC算法的感应电动机轴承故障检测方法。结果表明，在短数据情况下，相对FFT分析技术，该方法频率分辨率更高，故障检测更为准确，且计算量小，有利于电机故障实时状态监测。实验证实，将该方法应用于感应电机轴承故障检测，可准确检测出轴承故障时在包络信号中的故障特征成分，方法切实可行。     

基于复杂度分析的电机转子-轴承系统早期故障检测方法

将复杂度分析方法用于转子-轴承系统的早期故障诊断中。同传统的频谱分析方法相比，复杂度分析更适用于非线性、非平稳信号的分析，详细介绍了复杂度的定义及其算法。着重用复杂度分析方法对轴承内圈裂纹早期故障及转子早期碰摩故障的试验数据进行了分析，结果表明系统发生故障时，信号的相对复杂度与正常状态相比均有明显的增加，该方法能够准确地检测出早期故障，并且可以对转子-轴承系统状态进行定量刻画。     

用数理统计方法辅助诊断电机轴承故障

武钢某厂3台转炉风机由3台交流异步电动机（另有1台备品）拖动,型号为JK2－500,P＝500kw,n＝2975r／min。自1977年8月投产后不久,曾连续出现轴承因过热烧毁故障,至1986年11月调查时,这4台电机就因负荷侧轴承烧毁或过热而更换轴承达61次之多。多年来,维护检修人员忙得疲惫不堪,也在使用继护和检修质量上做了不少工作,如提高轴承精度等级甚至选用日本进口轴承,将加油时间缩短至200h一次,长期监视记录轴承运行的振动、温升等等。但是,事故频繁程度非但没有减轻,反而愈趋严重。为此,我们对这4台电机的使用情况进行了详细调查,…     

基于EEMD-DCNN方法的电机轴承故障状态诊断研究

为了提高电机轴承故障状态诊断精度,设计了一种基于EEMD和DCNN的融合方法,实现局部特征的提取和特征图的输出。DCNN从5个不同单元中提取特征,通过全连接层整合相关特征且利用Softmax层完成分类工作,实现对数据短时特征的提取。研究结果表明:采用的方式与BPNN、SVM、WDCNN相比,有着比较显著的优势,诊断效果较为平稳,且数次实验获得的指标标准差是0。该研究可以拓宽到其它的机械传动领域,具有很好的市场应用价值。     

电机轴承故障的数字信号处理器在线诊断方法

为了实现感应电动机早期轴承故障的在线检测,文中提出了应用数字信号处理器来实现故障在线诊断的方法.该方法通过数字信号处理器DSP在线采集感应电动机的定子电流,并对它们进行快速傅里叶变换(FFT)和适用于快速运算的数据分块处理,然后利用改进的聚类算法进行数据挖掘和聚类,从而提取早期电动机轴承故障特征信息,做出在线故障诊断.实验结果表明,所提方法在检测感应电动机早期轴承故障方面是可行的和有效的.     

基于分段CEEMD降噪的时延估计研究

为了提高信号非平稳、采样点数较多条件下的时延估计精度和速度,提出了一种基于分段CEEMD降噪的广义互相关时延估计方法。该方法首先将原始信号划分为等长的小信号段,再利用CEEMD阈值降噪方法滤除各小段信号的噪声成分,连接降噪小信号段构成原始信号的降噪信号,最后根据降噪信号的互相关峰值来估计时延。针对该方法中的分段段数和添噪次数的选取问题,在研究这两个参数对仿真人走动信号降噪精度和计算耗时等性能的影响的基础上,给出了参数的具体选择范围。将该方法应用于声定位系统的时延估计中,结果表明:在信号采样点数较多、低信噪比的情况下该方法仍能够较为快速、准确地估计时延。     

基于DACNN的电机滚动轴承故障诊断方法

针对强噪声、跨工况场景下数据分布差异导致传统卷积神经网络(CNN) 模型泛化性能低、诊断能力不足的问题,提出 一种基于并行卷积核和通道注意力机制的滚动轴承故障诊断方法。构造了带有不同尺度卷积核的并行网络结构,可以在抑 制噪声干扰的同时有效提取出数据中的故障特征信息;融合通道注意力机制对卷积层特征提取能力进行增强,提升模型抗噪 性能以及跨工况负载下的自适应诊断能力。利用凯斯西储大学轴承数据集训练并测试诊断效果,将该方法与其他方法进行 了性能对比。结果表明,在跨工况不同负载情况下,所提方法的诊断平均准确率为97.3%,在不同信噪比噪声干扰情况下的 诊断精度平均达93.8%,均高于其他比较方法,所提出的方法在复杂多变工况下具有良好的抗噪性能和泛化能力。     

基于信息融合分析的感应电机故障检测方法

为了提高感应电机故障检测的准确性,在分析了感应电机定子线圈短路故障时的振动特征信息及定子电流的谱信息的基础上,指出了单一的振动分析方法或定子电流频谱分析（MCSA）诊断定子线圈短路故障,不能得到准确可靠诊断结果的原因,提出了一种基于信息融合分析的感应电机定子故障检测方法,能有效提取电机定子故障时的特征信息,提高了故障识别的准确性。实验结果证实,基于融合分析得到故障特征可以作为感应电机定子线圈短路故障诊断的依据。     

基于形态滤波和独立分量分析的轴承故障盲分离

针对独立分量分析（ICA）对噪声较为敏感及滚动轴承故障信号的调制特性,提出一种基于形态滤波与ICA相结合的方法。该方法首先对观测信号进行形态滤波以突出故障特征同时消除其他干扰源,然后应用ICA分离形态滤波后信号。对滚动轴承外圈内圈复合故障信号进行实验研究,结果表明该方法能够有效识别分离滚动轴承故障特征。     

基于小波分析的电机故障振声诊断方法

小波分析能够将信号划分到不同频段内，而且在时一频两域都具有表征信号局部特征能力。基于小波分析的电机故障振声诊断方法，充分利用小波分析在处理急剧变化的高度不稳定信号时更加有效的优越性，在对电机振声故障暂态信号的多尺度分析基础上，有效的检测出故障及其类型，实现了电机故障的在线诊断，通过仿真结果验证了此方法的有效性。     

基于相位偏移的孤岛检测新方法

利用动模试验数据对基于相位偏移的分布式同步发电机孤岛检测法的特性进行了全面分析,针对其存在的灵敏度和可靠性问题,提出了一种基于电压相位偏移和频率变化的复合型孤岛检测新方法,详细描述了该方法的检测原理.新的孤岛检测方法设置2个电压相位偏移阈值,大定值用于孤岛时分布式发电机(DG)和负载有功功率不匹配程度较大时的情况,而小定值用于孤岛时有功功率不匹配程度较小时的情况,同时将频率变化作为检测量,与相位偏移相结合组成复合判据,判断DG是否处于孤岛状态.动模试验结果表明,新方法在保证可靠性的前提下,可以有效地提高孤岛检测装置的灵敏度.     

三相电流主分量融合的电机故障图形诊断方法

为了在线快捷有效检测识别电机运行状态,并准确诊断交流电机常见故障,将图形融合方法与主分量分析方法(PCA)相结合,充分利用电机三相定子电流信号实现了电机故障的图形化在线检测方法。应用主分量分析法将三维电流状态空间样本进行降维并在二维平面内实现主分量的图形化融合,定义了电机正常、定子匝间短路、转子断条等不同运行状态下的状态识别实用判据,并针对主分量融合图形定义了故障严重度指标。通过理论分析及电机故障试验,论证了所提诊断方法对电机常见定子匝间短路及转子断条故障检测及诊断的直观性、准确性及载荷变化的鲁棒性,为电机及其拖动系统的故障诊断提供新的思路和方法。     

IAO优化SVM的电机滚动轴承故障诊断

对于当前存在电机滚动轴承多种类型故障分类准确率不高的现象,提出一种改进天鹰优化算法（IAO）优化支持向量机（SVM）的电机滚动轴承故障诊断方法。首先,介绍了基本天鹰优化算法,然后引入Tent混沌映射和自适应权重对其改进,提高收敛速度,防止陷入局部最优;其次,对10种状态下的滚动轴承故障时域信号样本进行VMD分解,得到不同状态的时频域特征组成特征样本集。最后,利用IAO算法对支持向量机的惩罚参数(c)和核参数(g)进行优化,从而构建IAO-SVM滚动轴承故障诊断模型。最终结果表明,IAO-SVM诊断模型对电机滚动轴承10种状态下的故障诊断准确率最高达100%。     

基于 MSK-SVM 的滚动轴承故障诊断方法

针对非线性支持向量机分类准确率受核函数影响的问题,提出一种多尺度核支持向量机(multi-scale kernel support vector machine, MSK-SVM)分类模型,并将该模型应用于滚动轴承故障诊断。该模型在常用的多项式核、高斯核和Sigmoid核函数基础上,引入了Morlet、Marr和DOG小波核函数。利用不同核函数的全局性和局部性以及核函数尺度参数不同作用范围不同的特点,组合具有不同特性及不同尺度参数的核函数作为多尺度核。基于梯度下降法,自适应地确定多尺度核函数权值,得到MSK-SVM滚动轴承故障诊断模型。为说明算法有效性,分别基于滚动轴承故障数据集和全寿命周期数据集进行了实验验证,并分析了基于不同特性MSK和相同特性MSK的SVM模型分类性能。结果表明本文所提模型较传统单个核函数SVM分类准确率更高,且具有良好的泛化能力。     

采用Park变换感应电机转子复合故障检测

针对感应电机转子断条与偏心故障特征受定子电流基波信号的影响而难以提取的难点,提出了一种基于旋转Park变换滤波的感应电机转子复合故障检测方法.该方法利用电压与电流基波频率相等,通过旋转Park变换,将电流Park矢量的基波正序分量完全滤除而不影响其它的谐波分量,从而使转子断条和偏心故障特征更清晰地显示出来,然后对旋转Park变换滤波后的电流Park矢量的频谱进行分析,可以准确检测到电机转子复合故障时的故障特征.解决了电流频谱分析方法转子故障特征频率分量容易被基波湮没而难以突出故障特征的问题.实验结果表明,应用该方法可有效的对电机转子复合故障进行实时检测.