多重信号分类法与扩展Prony结合的异步电机转子故障检测

提出了一种基于奇异值分解滤波技术的多重信号分类算法与扩展Prony算法相结合的异步电动机转子断条故障检测的新方法。奇异值分解滤波技术可以高效率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;多重信号分类方法可在短时采样数据条件下准确计算故障特征分量的频率;扩展Prony方法则可以精确计算出各特征分量的幅值,弥补了多重信号分类算法无法求解幅值的不足。因此,将三者结合即可在短时采样信号条件下以高频率分辨力准确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:新方法简单、实用,效果理想。

Detection for Broken Rotor Fault in Induction Motors Combining Multiple Signal Classification Algorithm with Extended Prony