一种基于改进干扰属性投影的超声电机退化特征估计方法

压电陶瓷部件开裂是超声电机的主要故障模式之一,通过监测孤极信号能够有效地提取退化特征,然而运转工况的不同会给退化特征提取带来干扰,干扰属性投影(Nuisance Attribute Projection, NAP)在移除干扰成分时存在"二分式"的缺陷,不可避免地删除部分有价值信息.将协方差矩阵的特征值离散度量化估计干扰源干扰程度的方法引入干扰属性投影算法,提出一种改进干扰属性投影(Improved Nuisance Attribute Projection, INAP)的退化特征估计方法,该方法能够有效地削弱由于工况影响对退化特征提取的干扰成分,得到的退化特征能够更加有效地反映超声电机的退化状态.利用退化特征集建立标准退化模式矩阵,根据灰关联度的大小判定超声电机的退化状态,最后通过对比分析,验证了该方法的有效性.     

相关性消去法诊断变频电源笼型电机转子断条故障

由变频电源驱动的鼠笼电机转子故障时,在变频器输入端的电流频谱中会出现以载波频率为中心,按某特定频率间隔分布其左右的故障边频.指出该故障特征容易被附近的频率分量湮没,且当低频或轻载运行时,故障特征的提取变得更加困难.针对这一问题,提出根据变频器输入、输出以及载波频率构造参考信号,利用相关性消去法滤除湮没故障特征的频率分量,使变频电源供电的转子故障特征在频谱图上凸显.实验结果表明:方法具有较强的故障辨识能力,在变频器低频或轻载的场合同样适用.系统只需采样单相电流信号和变频器的输入输出频率信号,方法简单,易于工程实现.     

利用逆同步速坐标变换检测感应电机定子故障

针对感应电机电流中谐波和噪声影响定子匝间短路故障诊断结果的问题,提出了利用逆同步速坐标变换提取定子故障特征的方法.利用改进的相关算法准确提取三相定子电流基波信息,通过逆同步速坐标变换将基波正序分量转换成二倍频交流量,负序分量转换成直流量.采用均值法提取直流分量,导出了负序分量在逆同步速旋转坐标系下合成矢量幅值,并考虑电机先天不平衡因素定义了表征匝间短路故障程度的灵敏度因子.实验结果表明,该方法避开了先天不平衡、谐波及噪声对诊断结果的影响,灵敏度因子可准确反映定子匝间短路故障特征.系统只需采样电压频率和电流信号,易于工程实现.     

陶瓷开裂故障行波型超声波电动机建模与仿真分析

压电陶瓷开裂是影响超声波电动机使用寿命的关键因素。针对该故障类型,研究了一种模拟压电陶瓷开裂的行波型超声波电动机定子建模方法。建立无故障超声波电动机定子模型,经动力学分析后得到的定子质点运动轨迹验证了模型的合理性;改变裂纹长度以模拟陶瓷片的不同开裂程度,得到了孤极电压信号随裂纹尺寸的变化规律;对不同开裂程度故障电机的孤极电压进行了采样,分析结果表明仿真结果与实测数据具有较好的一致性。     

利用相关性基波消去法诊断电机转子断条故障

针对感应电机转子故障时,定子电流中新增的故障特征分量被基波信息淹没而难以识别的问题,提出基于相关性基波消去法来检测转子断条故障。根据定子电压与电流基波频率相等的特点,构造出与定子电压同频的参考信号,利用改进的相关算法提取定子电流基波信号的幅值与相位,将基波分量准确滤除来突出转子断条故障信息,然后对滤波后的故障信号作频谱分析,可容易诊断出转子断条故障。该方法无需复杂的坐标变换,计算量小,实时性大大提高。实验结果表明:该方法具备较强的故障辨识能力,即使在轻载的情况下仍能有效对转子故障作出诊断。另外,系统只需采样单相电流信号和电压频率信号,工程开销小,易于实现。     

基于RF特征优选的WOA-SVM变压器故障诊断北大核心CSCD

为进一步提高变压器传统故障诊断方法的准确率,提出了一种基于随机森林(RF)特征优选,结合鲸鱼算法(WOA)优化支持向量机(SVM)的变压器故障诊断方法。该方法首先利用5种常见油中溶解气体构建24维待选特征集合,其次利用RF算法中MDA指标对特征进行排序,通过序列反向搜索法优选出11维DGA特征量作为输入以消除冗余特征,最后将WOA算法用于SVM惩罚因子和核参数的优化,进而实现故障诊断。仿真结果表明,优选出的特征组合可有效提高诊断准确率,WOA-SVM故障诊断模型较PSO-SVM、GA-SVM,在诊断时间和准确率方面更具优势,验证了所提方法的可行性和有效性。     

基于ARM和μC/OS-Ⅱ的嵌入式电机测试系统的设计

针对传统的电机测试系统逻辑运算能力有限及性能不稳定的问题,提出了一种基于ARM和μC/OS-Ⅱ的嵌入式电机测试系统的设计,详细介绍了以高性能ARM微处理器S3C2410X为核心的硬件电路及嵌入式操作系统μC/OS-Ⅱ在S3C2410X上的移植。该系统能够对电机的电压、电流、转速等参数进行实时采集,可以提高测试系统的稳定性和实时性。     

峭度滤波器用于电机轴承早期故障特征提取

针对电机轴承早期故障特征十分微弱,容易被机器运转时的背景噪声淹没而难以识别的问题,在分析峭度特性的基础上,确定了信号峭度值和噪信比的数学关系。设计了受控于信噪比的峭度滤波器,并将其应用于包络分析的滤波环节,以提取轴承故障的高频调制信息,可避开选取带通滤波器时人为因素的影响。实验结果表明,对于轴承早期故障特征比较微弱的情况,基于峭度滤波器的诊断方法是有效的,将滤波后的信号进行包络分析可凸显故障特征。     

改进OPELM在超声电机退化状态识别中的应用

压电陶瓷部件开裂是超声电机的主要故障模式之一,通过监测孤极信号能够有效地识别超声电机的退化状态。最优剪枝极限学习机(optimally-pruned extreme learning machine,OPELM)解决了极限学习机隐层节点无法准确确定的问题被较好地应用于模式识别中,然而OPELM采取多响应稀疏回归算法(multiresponse sparse regression,MRSR)对神经元进行排序时依靠两个神经元彼此间的相关性,使得计算耗费时间较长。借鉴矩阵奇异值分解的方法提出一种改进OPELM方法,奇异值作为一种能够反映矩阵属性的固有特征,利用其数值的大小对神经元进行排序能够大幅度缩减计算量。应用时首先对超声电机孤极信号采取经验小波变换(empirical wavelet transform,EWT)的方法提取其退化特征,然后将其输入至改进OPELM模型识别超声电机的退化状态,最后通过与ELM和OPELM的对比分析,验证了该方法的有效性。     

乌海地区电力客户负荷管理系统介绍

介绍了乌海电业局电力负荷管理系统的建设经验,着重介绍了系统的构成、功能及其应用情况。