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.     

基于解析小波变换方法的鼠笼型异步电动机转子断条检测新方法

提出利用解析小波变换方法检测异步电动机转子断条故障。解析小波变换是将小波分析与Hilbert变换相结合,可以正确区分异步电动机负荷波动与转子断条故障。该方法可以准确判定负荷突变发生时刻,提高了异步电动机转子断条故障检测的可靠性及准确性。数值仿真结果证明了该方法的有效性。     

基于Hilbert模量频谱分析的异步电机转子断条故障研究

转子绕组断条是异步电机最常见故障之一.在分析当前主要诊断方法的基础上,提出Hilbert 模量频谱分析方法对异步电机转子断条故障进行研究.将Hilbert模量定义为原始信号与其共轭信号的平方和,利用Hilbert模量将原相电流中的基波分量转变为直流分量,原频谱分析的转绕组断条的故障特征分量转变为频率为二倍转差频率的电流分量,决了相电流频谱分析方法中断条故障特征成分容易被基波湮没而难以突出故障特征的问题.文中研究了Hilbert模量频谱分析方法的原理和实现方法,并对偏心故障电机和转子断条电机分别进行仿真和实验研究.仿真分析和实验结果均表明,该方法对异步电机转子断条故障诊断具有较高的诊断精度和很好的频率分辨率,能克服传统的电流频谱法主频泄漏的影响,且工程实现方便.     

笼型异步电动机转子断条故障诊断方法

针对笼型异步电动机发生转子断条故障时,用于判定故障类型及其严重程度的定子电流信号中的边频信号容易被主频信号所淹没的问题,研究了一种基于Hilbert变换和支持向量机理论的笼型异步电动机断条故障诊断方法。首先进行了详细的理论推导,为该方法在断条故障诊断中的应用奠定了基础。然后设计并完成了一系列断条故障试验,取得了真实有效的故障数据。最后,将该方法应用于试验数据的分析与处理,结果表明Hilbert变换能有效提取到断条故障时定子电流信号中的故障特征量,而采用这些特征量训练得到的支持向量机分类模型则能在故障样本有限的前提下实现最优分类,将二者结合起来用于断条故障诊断的准确率高达98%。     

基于小波重构的异步电动机故障诊断

选用Daubechies小波作为小波基 ,对异步电动机鼠笼转子故障电流信号进行多尺度分析 ,将小波变换后取得的变换系数进行单支重构 ,取得了各频率分支上的时间信号。从高频分支上能够清楚辨识出异步电动机鼠笼转子故障时所不同于正常情况下的电流特性 ,实现了异步电动机鼠笼转子故障的小波诊断。     

Hilbert模量与MUSIC相结合的感应电机转子断条故障检测方法

为了提高异步电动机转子断条故障检测的及时性与准确性,将Hilbert模量与多重信号分类(Multiple Signal Classification,MUSIC)相结合用于异步电机转子断条故障检测。Hilbert模量可以巧妙地转工频分量为直流分量,消除工频分量的不良影响。而MUSIC能够快速而准确地检测故障特征分量的频率大小,即使对于短时采样信号也有良好的性能,从而减少计算量。最后,通过仿真和以Y132M-4型感应电机进行试验验证了基于Hilbert模量与MUSIC相结合的异步电动机转子断条故障检测方法的有效性。     

基于自适应随机共振的异步电动机转子断条故障检测

异步电动机转子断条故障检测属于强噪声背景下故障的微弱信号检测问题。由于不同转差率下电机具有不同的转子断条故障特征频率，给随机共振最佳系统参数调节增加了难度。针对上述问题，在已有Hilbert模量法的基础上，提出了基于自适应随机共振的异步电动机转子断条故障检测方法。通过应用小波消噪、随机共振技术，改进了转子断条故障特征信号的检测灵敏度。随机共振参数的自适应调节进一步增强了该方法的实用性，与传统方法相比，该方法在各种情况下尤其是在噪声强度、电机类型及运行状况未知时，仍能有效检测转子断条故障，具有较好的自适应性。数值仿真和实验分析证明了该方法的有效性。     

基于瞬时功率信号频谱分析的鼠笼式异步电动机转子故障在线诊断方法

该文介绍了一种基于瞬时功率频谱分析的鼠笼式异步电动机转子故障监测与诊断方法。采集定子某两个端子之间的线电压和对应的线电流，由二者的乘积即可构成瞬时功率信号。理论分析表明，与常见的基于定子线电流频谱分析方法相比，使用瞬时功率信号能避免基波电流对故障特征成分的影响，更好地突出故障特征，分离复合故障。这些都有益于对故障程度的量化，和诊断规则的建立。通过对样机进行断条和偏心故障设置，多种故障情况下的实验结果也证实了上述结论。     

变频供电异步电动机转子断条状态下变频器一次侧特征电流分析

异步电动机变频调速系统已经广泛应用于工业生产之中。实现变频调速异步电动机转子断条故障的诊断,对保障安全生产、提高生产效率有十分重要的意义。目前,已经提出的转子断条故障诊断方法多是针对定子电流信号做频谱分析。然而,在变频调速异步电动机运行过程中易于测取的多是开关柜二次侧电流信号,即供电电流(变频器输入侧电流)信号。该文分析了异步电动机转子断条故障特征分量穿越变频器对供电电流信号的影响,基于定子电流频谱分析方法,分别对定子电流(变频器输出侧电流)和供电电流做频谱分析。仿真和实验结果显示,在供电电流信号中存在转子断条故障特征分量,进而可以据此实现变频供电异步电动机转子断条故障诊断。     

鼠笼型异步电动机转子故障诊断新方法

通过频谱分析看定子电流中是否存在(1±2s)f1频率分量来确定鼠笼型异步电动机转子是否故障的方法得到了广泛的应用,但是由于(1±2s)f1频率分量的幅值相对于基频f1分量的幅值非常小,且频率(1±2s)f1与频率f1在频谱图上非常接近,使得这种方法存在诊断灵敏度低和对采样分辨率要求高的缺点。利用异步电动机定子单相瞬时功率信号中含有的信息量丰富的特点,提出了一种基于定子单相瞬时功率信号频谱分析的诊断鼠笼型异步电动机转子故障的新方法。该方法首先把单相瞬时功率信号中的直流分量过滤掉,然后利用快速傅立叶变换看信号     

基于Hilbert模量与改进BP神经网络的电机转子断条故障诊断

为了更加快速准确识别感应电机转子断条故障,文中提出一种基于定子电流Hilbert模量与混沌粒子群算法(Chaos Particle Swarm Optimization,CPSO)优化BP神经网络的感应电机转子断条故障诊断方法。该方法首先通过定子电流Hilbert模量进行故障特征提取,然后采用CPSO-BP神经网络进行故障状态的自动识别。Hilbert模量可以将定子电流中的基波信号转化为直流分量,降低其对特征提取的干扰,从而凸显故障特征。而CPSO-BP神经网络方法相比BP神经网络具有更好的权值系数,可以进一步提高故障识别率。经实例验证,基于Hilbert模量与改进BP神经网络的电机故障诊断方法性能良好。     

基于感应电机启动电磁转矩Hilbert-Huang变换的转子断条故障诊断

该文提出了一种感应电机转子故障诊断新方法。当感应电机转子出现断条故障时，转子绕组的不对称将会使电磁转矩谱中引入2sfs(s为转差率，fs为电网频率)谐波分量。利用砌bert-Huang变换中经验模态分解(EMD)方法对启动电磁转矩信号进行了分解，得到若干本征模态函数(IMF)。通过计算包含故障信息的IMF分量的瞬时频率，可以检测出转子断条故障。同时，根据包含故障信息的IMF的幅值可以进一步判断出转子断条根数。实验结果证明该方法是可行的。     

希尔伯特变换在牵引电机转子断条故障诊断中的应用研究

基于希尔伯特变换分析方法,以动车组电机定子电流信号为研究对象,对定子电流信号应用希尔伯特变换后,消去定子电流中包含的直流分量,解决了转子断条故障特征分量容易被基波淹没、难以检测等问题,使故障特征分量的提取更加准确。通过仿真实验证明了希尔伯特变换法在动车组牵引电机转子断条故障诊断中应用的正确性和有效性。     

基于电磁转矩复解析小波变换的感应电机转子故障检测

提出一种运用电磁转矩信号对感应电机转子断条故障进行检测的新方法.当感应电机转子发生断条故障时,转子绕组的不对称将会使电磁转矩中引入2s同步速的脉动转矩(s为转差率).对电机起动电磁转矩信号进行复值小波变换,根据分析小波在特定中心频率条件时信号瞬时频率与其对应小波脊线的关系,提取出故障特征转矩频率变化规律,实现转子故障的可靠检测.同时,对应尺度上小波系数的模值还能够反映该故障特征转矩在电机起动过程中的幅值变化规律,将其作为故障严重程度指标则可以进一步判断转子断条根数.实验结果证明了该方法的有效性.     

基于多重信号分类与模式搜索算法的笼型异步电动机转子断条故障检测新方法

提出了一种基于多重信号分类(multiple signal classification,MUSIC)与模式搜索算法(pattern search algorithm,PSA)的异步电动机转子断条故障检测新方法。MUSIC方法对于短时信号具备高频率分辨力,可以准确计算转子断条故障特征分量以及其他分量的频率;但对诸频率分量幅值和初相角则无法准确求解。因此引入PSA确定诸频率分量的幅值、初相角,并对1台Y100L-2型3 kW笼型异步电动机完成了转子断条故障检测实验。实验结果表明:基于MUSIC与PSA的异步电动机转子断条故障检测方法切实可行,适用于负荷波动、噪声等干扰严重情况。     

基于定子电流希尔伯特模式的笼型异步电动机转子断条在线检测方法

利用图形缩放技术，对笼型异步电动机转子正常及断条情况下的定子电流信号希尔伯特模式做了研究，并概括出内在规律。以此为基础，提出了一种基于定子电流希尔伯特模式的笼型异步电动机转子断条的线检测方法。数字仿真及实验结果表明该方法是切实可行的。     

基于希尔伯特和傅立叶变换的笼型感应电动机转子断条故障检测

针对笼型感应电动机转子断条故障时,频率为（1±2s）f1的故障特征分量容易被基频f1分量所淹没的特点,提出了一种基于希尔伯特变换和连续傅立叶变换的转子断条故障检测新方法。通过定子电流信号作希尔伯特变换取得反映转子断条故障特征的调制信号,然后再滤掉直流分量,最后进行连续细化傅立叶变换,以调制信号的频谱中是否存在2sf1频率分量来判断转子是否发生断条故障。仿真结果表明该方法具有可行性。