瞬时功率频谱分析在牵引电机转子故障诊断的应用研究

针对故障特征频率容易被基波频率淹没的问题,提出一种基于网侧瞬时功率的转子故障诊断方法。当交流调速系统牵引电机发生转子断条故障时,定子电流中故障特征频率(1±2s)f1分量通过变频器向变频器一次侧(网侧)传播。通过频谱分析发现,变频器网侧电流信号和定子电流信号都存在故障特征频率容易被基波频率淹没的问题。该方法选用网侧瞬时功率进行频谱分析,使得转子断条故障特征频率转换成2sf1的频谱分量,消除了基波频率影响,突出故障特征频率。且只需采集单相电流,简化了硬件结构。实验表明:该方法能对转子故障进行有效诊断。     

变频电源笼型异步电机断条故障诊断仿真

为了探讨笼型异步电动机转子导条断裂故障诊断的有效方法,根据多回路电机模型参数及正弦脉宽调制(SPWM)原理,建立了变频电源供电笼型异步电机在正常情况和转子断条故障情况下的运行状态仿真模型,并在MATLAB仿真环境比较电机定子单相电流频谱及三相平均瞬时功率频谱。通过分析检验了仿真系统模型的可行性和实用性,证实了平均瞬时功率频谱比电机定子电流频谱具有更佳的断条故障特征分辨力和故障判断准确性,尤其是在变频供电情况下优势极为突出,从而确立了合适的断条故障判据。     

变频器供电情况下感应电动机转子断条的诊断

变频调速技术的应用已遍及各个控制领域,同时由变频器高速通鄄断开关作用所带来的电磁干扰问题也引起了人们的关注。文章对变频器供电情况下感应电动机定子电流信号中的各谐波分量及电磁干扰问题进行了分析研究,提出了减少测量电路干扰的有效方法。在此基础上,用时变频谱分析法实现了感应电动机转子断条的诊断。     

基于ESPRIT与Duffing系统的笼型异步电动机转子断条故障检测

旋转不变信号参数估计技术(ESPRIT)应用于笼型异步电动机转子断条故障检测时,其频谱分析结果中可能出现实际并不存在的虚假频率分量,从而影响检测效果。针对该问题,采用ESPRIT对定子电流信号进行频谱分析,从而获得定子电流信号的频率分量组成,然后利用Duffing系统对ESPRIT频谱分析结果做进一步处理,以辨识并摒弃其中的虚假频率分量,从而保障笼型异步电动机转子断条故障检测的效果。仿真与实验结果验证了所提方法的有效性。     

基于定子电流信号和噪声信号的异步电动机转子断条故障诊断

给出了异步电动机发生转子断条故障时的磁动势的表达式,得出基于定子电流信号的转子断条故障诊断方法。以磁动势表达式为基础,进而推导出发生断条故障时的径向力表达式,并提出了一种全新的基于径向力频谱分析的转子断条故障诊断方法,即通过检测径向力频谱图中的(2-4s)f1、(4-4s)f1、(6-4s)f1谐波分量来诊断异步电动机的断条故障。有限元仿真的结果验证了上述结论。     

异步电动机定子故障检测新算法

为了提高异步电动机定子故障检测的可靠性,提出了计及转子故障时的异步电动机定子故障检测新算法.进行了定子绕组匝间短路与转子断条故障瞬态仿真并对仿真结果做了分析,指出:转子故障将导致定子电流出现(1±2 s)f1频率分量(s为转差率,f1^为供电频率),并使常规的定子电流负序分量算法准确性降低,而定子电流负序分量恰恰是定子故障特征量之一,因此转子故障将影响定子故障检测的可靠性,甚至导致故障误判.提出了计及转子故障时的定子故障检测新算法,其关键在于:预先采用频谱分析与校正、自适应滤波技术滤除来源于转子故障的定子电流(1±2s)f1频率分量.大量仿真与实验结果表明,该算法在转子正常或故障2种情况下均可准确计算定子电流负序分量.     

基于谐波小波的变频机转子断条故障诊断

变频机转子发生断条故障时,定子电流中将产生相应特征频率的电流分量.对这种特征信号的提取与监控,能够实现转子短条故障的检测.研究利用谐波小波的分频特性实现转子断条故障特征信号的提取方法.仿真结果和实际应用表明,这种方法能够准确地提取转子导条断裂故障的特征信号,是变频机转子导条断裂故障诊断的一种可靠的方法.     

基于谐波小波的变频机转子断条故障诊断

变频机转子发生断条故障时,定子电流中将产生相应特征频率的电流分量。对这种特征信号的提取与监控,能够实现转子短条故障的检测。研究利用谐波小波的分频特性实现转子断条故障特征信号的提取方法。仿真结果和实际应用表明,这种方法能够准确地提取转子导条断裂故障的特征信号,是变频机转子导条断裂故障诊断的一种可靠的方法。     

笼型异步电动机转子断条故障新特征

根据笼型异步电动机转子断条故障的基本规律与正弦信号希尔伯特变换的物理意义,将希尔伯特变换、频谱分析/校正与自适应滤波技术相结合,以获取定子电流滤波信号的希尔伯特模量,指出其在复平面所占面积可反映转子断条故障存在与否,且其数值伴随故障程度的加剧而增大.仿真与实验数据分析验证了这一规律.进而提炼出笼型异步电动机转子断条故障新特征--定子电流滤波信号希尔伯特模量回转半径.仿真与实验数据表明,该特征对于转子断条故障灵敏,并对电机负载状况呈现一定的鲁棒性,将其应用于笼型异步电动机转子断条故障检测可行.     

采用p-q变换的感应电动机转子断条故障诊断

转子断条故障是感应电动机的常发故障,故障时定子电流谱中的(1±2s)f故障特征分量远小于基频分量,易被基频的泄漏所淹没,因此无法准确判别故障的存在,尤其是轻载情况下。针对这一问题,文章提出采用p-q变换进行电动机转子断条故障诊断,分离影响特征量提取的基频信号,使故障特征在频谱中得以凸显,实现感应电动机断条故障的准确检测与诊断。通过理论分析和实验验证表明,该方法能够正确检测出转子断条故障的存在,即使在电机轻载运行时亦具有良好的检测效果。     

电流监测在笼型异步电动机转子故障诊断中的应用

分析了笼型异步电动机断条的原因 ,介绍了定子电流监测断条的原理 ,通过试验分析定子电流的频谱 ,由电流频率边频带 (1± 2s)f处幅值的大小可判断转子断条的故障及断条的数目 ,证明定子电流监测用于转子故障诊断是有效的     

SVD滤波技术与Prony谱线估计算法相结合的异步电动机转子故障检测新方法

提出了一种奇异值分解(SVD)滤波技术与Prony谱线估计算法相结合的异步电动机转子断条故障检测的新方法。SVD滤波技术可以理想地滤除电机定子电流信号中的基频分量与有色噪声,从而凸显转子断条故障特征频率分量。Prony谱线估计算法可以准确计算出各特征分量的频率和幅值,且不失高频谱分辨能力。将二者结合即可在短时采样信号条件下准确、有效地提取转子断条故障特征频率分量。对一台异步电机进行试验,结果表明:基于SVD滤波技术与Prony谱线估计算法的异步电动机转子断条故障检测方法效果理想。     

功率频谱在异步电动机故障诊断中的应用

针对异步电动机故障特征难以提取的问题,引入基于功率频谱的故障诊断方法.三相平均功率频谱将定子电流中的基波变换为功率频谱中的直流分量,从而达到突出故障特征、准确分离复合故障的效果,但必须考虑电源和负载的对称度.单相功率频谱无法诊断定子绕组故障,却对诊断转子断条故障非常有效.理论推导与仿真表明,功率频谱具有故障特征明显、信...     

用自适应陷波器检测异步电动机转子断条的仿真

转子断条是笼型异步电动机常见的一种故障,采用快速傅立叶变换(FFT)对定子电流进行分析是目前应用最广泛的转子断条在线检测方法,但是存在灵敏度低的缺点。当电机断条时,定子电流将产生(1-2s)f1频率的附加分量但幅值非常小,若直接将定子电流信号去作频谱分析,将受幅度很大的电网频率分量f1的影响,因而提出采用自适应陷波器的方法对异步电动机定子电流信号进行处理,通过LMS算法来调节自适应陷波器的两个权值,以达到对工频信号极大的衰减,虽不能完全消除但幅值已明显减小。其结果有利于转子故障特征量的提取,从而提高检测的灵敏度。仿真结果证明了该方法的有效性。     

基于MCSA的笼型异步电动机转子断条诊断

研究笼型异步电动机在转子断条时的运行情况,提出有效的检测方法,以便在电机转子只出现轻微故障时及时检测出故障,采取有效措施。MCSA技术采用时域加窗和傅里叶变换的方法,对电机电流信号进行频谱分析,并对故障频率段局部细化,提取定子电流中故障特征频率分量来诊断电动机是否存在转子断条故障。仿真结果表明本方法可以有效消除频率泄漏和栅栏现象,准确检测出故障分量。     

基于高频信号注入的异步电动机转子故障诊断方法研究

鉴于工频分量对异步电动机转子断条故障特征分量的泄露影响,提出了高频信号注入的异步电动机转子故障诊断新方法.推导出高频信号注入后转子断条新的故障特征频率,采用电机多回路理论和绕组函数理论建立异步电动机完好以及转子断条故障数学模型,通过仿真验证了高频信号注入法在电机轻载情况下对诊断转子断条故障的有效性和可行性.     

微机在线监测鼠笼型异步电动机转子的故障

本文研究鼠笼型异步电动机转子断条故障的在线检测方法。对定子电流和轴磁通信号的谱分析表明,定子电流中的某一谐波分量可做为转子静态偏心的特征分量,轴磁通信号中的3sf_1分量可做为转子断条故障的特征分量。实验结果表明,转子静态偏心对转子断条的特征分量没有影响。     

一种利用融合相关谱的异步电机故障诊断方法

为提高异步电机故障诊断的可靠性,针对故障特征频谱分量小信号、多成分、难识别的问题,提出一种异步电机融合相关谱故障诊断方法.该方法基于多源信息融合的思想,采用电机定子电流和振动信号的融合相关谱特征作为转子断条及定子匝间短路故障的诊断依据.通过将含有相同故障频率分量的特征信号作融合相关分析,建立不同信号间的相关关系,能够有效抑制单一信号频谱中与故障识别不相关的频谱分量,使得电机故障特征频率分量更加突出,降低故障识别难度.通过仿真分析,揭示了融合相关谱特征频率与电机故障类型的对应关系,实现了转子断条及定子匝间短路故障的快速诊断,并与单一信号频谱分析进行对比,验证了该方法的有效性和实用性,对于异步电机运行状态的准确监测具有重要意义.     

基于EMD-神经网络的电动机转子故障诊断方法研究

在电动机运行过程中,转子断条故障将导致电动机出力降低,性能恶化。因此研究更高效的电动机故障诊断方法来对其进行检测迫在眉睫。针对电动机转子出现断条故障时定子电流信号的非平稳特征,提出了一种基于经验模态分解(EMD)和神经网络相结合的转子故障诊断方法。该方法首先将原始信号分解为突出了原信号不同时间尺度的局部特征信息的内在模函数(IMF)分量,然后将各IMF分量输入到BP网络中进行训练学习和故障诊断。将此方法应用于电动机转子断条故障的识别,实验结果表明,该方法能快速准确地识别转子断条故障。     

基于比值校正与复调制细化的异步电动机转子断条在线诊断

为了对异步电动机断条故障进行准确检测并提前安排检修和更换设备,本文提出了一种基于比值校正与复调制细化的异步电动机转子断条在线诊断方法。首先利用比值校正计算得到定子电流中工频分量的幅值、频率与初相角,运用精确滤波消除工频分量的影响,进而结合复调制细化分析准确检测故障特征分量。在验证阶段,通过一台200kW笼型异步电动机进行了有限元仿真,结果验证了所提方法的有效性,为异步电动机的转子断条故障诊断提供了新的解决方案。