PQ变换与大型感应电机转子故障诊断

为避免频率检测误差对感应电机转子故障诊断的影响,提出了一种基于PQ变换的转子断条故障诊断新方法.利用电机的端电压,构造PQ变换矩阵,将电机端电流变换到PQ平面,实现了转子断条故障特征的可靠抽取,从而不受电网供电频率波动的影响.该方法不仅克服了电流频谱分析方法的不足,而且解决了Park矢量分析法时图形识别难的问题.定义了一种新的独立于负载等级及惯量大小的故障严重因子,给出了可靠区分转子故障与负荷波动的方法,实验结果证明了该方法的有效性.     

基于小波包-陷波器的电机断条故障诊断的仿真

转子断条是异步电动机常见的一种故障.基于小波包-自适应陷波器的电机断条故障诊断方法利用小波包对信号进行细致分解,从分解系数上准确找到故障信号所在节点,对该节点进行重构得到要分析的信号,然后采用自适应陷波器去除工频的干扰,提取故障特征量.MATLAB仿真表明,该方法便于故障特征量的提取,从而提高故障诊断的准确率.     

异步电机转子断条故障诊断研究

针对异步电机转子断条故障诊断中,原始信号包含的故障特征成分能量微弱,其提取过程较为繁琐,给断条故障的及时诊断带来不便,提出一种基于经验模态分解(Empirical Decomposition Mode,EMD)能量熵,主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machine,SVM)相结合的新诊断方法,无须提取信号中的故障特征频率就能对电机断条故障做出准确的判断。该方法选取振动信号经过PCA处理后的EMD能量熵作为新的故障识别分类的特征量,然后支持向量机模型便可以根据断条故障前后振动信号EMD能量熵内在变化规律对转子正常和断条故障时的两种振动信号进行准确分类。通过实验分析表明,该方法操作便捷且简单,能够将转子正常和发生断条故障时的两种振动信号数据全部准确的识别分离,达到对转子断条故障进行有效识别诊断的目的,验证了方法的实用和有效性。     

基于粒子群优化LS-WSVM的电机断条故障诊断

为了准确检测出鼠笼式异步电机的转子断条故障,提出一种基于粒子群优化最小二乘小波支持向量机的诊断方法。首先,利用小波包或经验模态分解法提取出电机定子电流信号的特征向量,将特征向量分为训练集和测试集。再将训练集输入粒子群优化的最小二乘小波支持向量机进行训练,用训练好的最小二乘小波支持向量机对测试集进行分类。实验结果显示,此方法的故障诊断正确率明显高于最小二乘支持向量机的故障诊断方法。本文将小波分析和支持向量机结合使两者的优势互补,具有强大的泛化能力,为异步电机的转子断条故障诊断提出了一种新的方法。     

基于Park矢量的变频电源供电的笼型异步电机转子断条故障诊断方法

基于工频电源驱动时扩展Park矢量方法诊断笼型异步电机转子断条故障的有效性,研究了在变频电源供电情况下该方法的诊断有效性。对断条故障电机变频电流进行了实测、分析和对比,结果表明:当采用变频电源供电时,传统的单相电流频谱分析方法无法正确诊断转子断条故障,而扩展Park矢量方法具有良好的诊断准确性和适用性。     

感应电机鼠笼转子断条故障的仿真分析

介绍了感应电机模型在EMTP(Electromagnetic Transient Program)中的实现方法及转子断条故障的模拟方法.对转子不同根数的断条故障进行了仿真,分析了转子电流及定子电流边频分量的变化规律.得出了如下结论:转子导条断裂后,转子导条电流增大;断条数越多,转子导条电流增大越明显;离故障位置越近的导条,电流增大越大,越远的增大越小.定子电流中的边频分量随着断条数的增加而增加,但断条数增加到一定数量,反而减小.     

基于线圈探测的笼型异步电机转子断条故障诊断初探

笼型异步电机转子断条故障研究是目前国内外关注的热点之一,已经提出的诊断方法在进行故障特征提取时具有一定困难。分析了异步电机参数与导条电气特征间的关系,通过数值仿真得到断条前后转子电流分布规律,结合有限元工具Ansys分析了导条漏磁场在故障前后的变化。研究结果表明探测线圈输出的电压幅值与导条故障的严重程度之间存在对应关系,探测线圈法可以应用于笼型异步电动机转子断条故障的诊断。     

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.     

基于BP神经网络的风机转子故障诊断

应用BP算法对转子进行故障诊断，首先论述了BP算法的基本原理，然后提出了输出模式矩阵的改进方法，既将常用的单位矩阵来表示的故障模式转变为二进制结构，由此简化了网络结构，明显减少了样本训练次数，提高了计算故障诊断中对单一故障尤为有效，最后通过实例进行分析，证明这一方法对提高运算速度十分有效。     

小波包分析在电机转子断条故障信号处理中的应用

针对笼型异步电动机转子断条故障信号的处理,采用基于小波包分析的转子断条故障信号处理方法进行故障检测.该方法突出特点在于多分辨率多尺度分析故障特征信号,能够准确识别故障特征信号.结果表明:根据电动机定子电流信号的小波包分解系数能够有效地检测转子断条故障信号.     

基于互功率谱的异步电动机转子故障征兆提取

提出了一种基于互功率谱的转子断条故障征兆提取方法，它能在电机故障早期时，信噪比较低的情况下，有效地预报早期故障，从而为诊断转子断条故障提供一种全新的、有效的方法。数字仿真结果表明该方法有良好的工程应用前景。     

基于DASP的转子典型故障模拟与分析

以柔性转子实验台为研究对象,采用DASP灢v10分析软件模拟了转子不平衡和不对中两种典型故障, 对电涡流传感器、压电加速度传感器采集到的信号进行了机理分析,给出了在正常和故障两种情况下的时域分析、 频域分析及轴心轨迹图,并将实验结果与理论分析进行了比对,验证了转子振动时两种典型故障的识别特征,从而 对旋转机械系统的故障机理和故障诊断有了更深入的了解。     

A Fault Diagnosis Approach for Broken Rotor Bars Based on EMD and Envelope Analysis

Empirical Mode Decomposition （EMD） used to deal with non-linear and non-stable signals, is a time-frequency analytical method that has been developed recently. In this paper the EMD method is used to filter the noise from the stator current signal that arises when rotor bars break. Then a Hilbert Transform is used to extract the envelope from the filtered signal. With the EMD method again, the frequency band containing the fault characteristic-frequency components, 2sf, can be extracted from the signal＇s envelope. The last step is to use a Fast Fourier Transform （FFT） method to extract the fault characteristic frequency. This frequency can be detected in actual data from a faulty motor, as shown by example. Compared to the Extend Park Vector method this method is proved to be more sensitive under light motor load.     

基于"能量-故障"诊断模式的转子断条故障在线监测

为了克服转子断条故障特征分量易受基频分量影响的困难,采用了一种基于“能量－故障”的诊断模式,利用小波理论对电动机定子电流采样信号进行特征频率提取,求出对应的能量分布,建立了表征转子断条故障的特征向量,用模方法实现了转子断条故障的快速在线监测与诊断。     

基于同步旋转坐标变换的互功率谱MUSIC算法异步电机转子故障诊断

提出了一种基于同步旋转坐标(d_c-q_r)系,结合现代谱估计理论的互功率谱MusIc算法对异步电动机进行转子故障诊断的方法。仿真及实验结果表明,与 FFT 和传统的谱估计方法相比,采用的方法可以不用对信号进行消噪处理,避免了在预处理过程中早期故障特征信号的丢失。在短数据、低信噪比和有色噪声背景下。该方法能有效地诊断出异步电动机转子的各种复合故障,有利于对电机故障进行实时状态监测。理论证明和实验分析结果表明,该方法是切实可行的。     

信号注入式小电流接地系统故障测距的误差分析

针对信号注入式小电流接地系统的故障测距方法，分析了系统在带有消弧线圈和用户负载两种情况下的误差，并得出结论：当消弧线圈的电感大于输电线等效电感10倍时，对故障定位无影响；用户负载对故障定位无影响。     

基于改进小波网络的TE过程故障诊断

针对BP 算法容易陷入局部极小值、收敛速度慢及容易振荡等缺点, 采用小波BP 网络且对小波网络采用基于梯度符号变化的局部学习率自适应算法和引入动量项的改进。将改进后的算法对多变量非线性的田纳西-伊斯曼过程进行了仿真研究, 结果表明改进算法提高了故障分类的辨识精度。     

基于遗传小波神经网络的电网故障诊断方法研究

电网故障中继电保护和断路器的拒动、误动以及信息上传过程中的丢失、畸变等问题使快速、准确的故障诊断仍是一个难题。神经网络方法虽已应用,但神经网络容易陷入局部极小值,针对此情况,提出了基于小波神经网络和遗传算法相结合的故障诊断方法。用遗传算法学习小波神经网络的权值、尺度函数、结构,可以确定用于故障诊断的最优小波神经网络。并对算例进行了仿真,仿真结果表明优化的故障诊断系统优于BP算法的诊断系统,提高了故障诊断精度。     

基于不同学习算法的RBF神经网络在故障诊断中的应用

基于对RBF神经网络常用的3种学习算法的研究,通过对凝汽器典型故障类型与故障征兆分析,提出了基于不同学习算法的RBF神经网络凝汽器故障诊断,并对诊断结果进行比较.诊断结果表明,基于3种常见学习算法的RBF神经网络都可以准确诊断出凝汽器的各种故障,但聚类方法和OLS算法学习速度要快得多,梯度训练方法速度较慢.研究还表明,RBF神经网络在故障诊断领域具有很好的实用性.     

RTFDES：一个实时故障诊断专家系统

讨论了一个称为ＲＴＦＤＥＳ的故障诊断专家系统的结构和实现过程，ＲＦＤＥＳ是由知识库管理子系统ＫＢＭＳ和故障诊断子系统ＤＳ组成。它采用产生式和二元树两种知识表示方法并提供了全自动诊断方式，半自动诊断方式，手动诊断方式，报警监控四种诊断方式以及知识编译功能。ＫＢＭＳ负责对知识库的维护，求精和编译ＤＳ能根据从工控机采集的地址状态和对活信息得出故障，本系统适合顺序控制类生产线的故障诊断。