基于改进的MCSA法的变频电机转子故障诊断

提出一种基于改进的定子电流信号分析(MCSA)和模糊推理的变频电机转子故障诊断方法.在传统MCSA方法的基础上提出的电机故障特征频率自选频算法,能够根据电机的实际运行状态更有效地提取故障特征量,为电机故障诊断提供依据.基于模糊集理论和模糊逻辑的模糊推理算法,则通过对获取的故障特征量进行模糊推理进而确定故障类型,对存在多种故障的电机尤为有效.试验结果表明,该方法能够提高变频电机转子故障诊断的准确性.     

大型异步电机转子状态监测与故障诊断

研究了电机转子断条故障诊断的基本原理,提出了基于DSP和ARM的新颖双处理器的电机状态监测与故障诊断系统.采用电机电流频谱分析(MCSA)的方法提取电机转子故障特征分量,仿真和实验结果表明,本系统能够及时准确检测出电机转子断条故障,验证了系统硬件设计和故障诊断算法的有效性.     

Morlet小波解调制方法诊断鼠笼电机转子断条故障

针对电机电流信号特征分析(motor current signature analysis,MCSA)诊断早期转子断条故障时存在的频谱泄露阻碍故障特征频率识别的问题,提出一种基于定子电流Morlet小波解调制信号分析的故障诊断方法。首先选择合适的参数对Morlet小波性能进行优化,继而利用优化后的Morlet小波提取鼠笼电机定子电流信号包络线以消除基频和噪声干扰的影响,然后对提取到的包络线作快速傅里叶变换(fast Fourier transform,FFT)分析,并根据FFT频谱中是否存在特征频率成分2sfs判断转子断条故障发生与否。所提方法在电机工频或变频供电方式、不同负载运行状况下都能够消除噪声干扰和频谱泄露影响,因而便于故障特征提取并实现早期转子断条故障诊断。理论分析和实验结果表明了所提方法的正确性和有效性。     

采用整流技术的变频供电感应电机转子断条故障诊断方法

电机定子电流信号易受变频器电力电子开关器件和电磁干扰的影响,现有解调技术又存在计算量大的问题,为此,该文提出一种变频器供电侧电流与整流技术相结合的感应电机转子断条故障诊断方法。所提方法依据开关函数和调制理论,首先建立了变频器供电侧电流解析表达式。其次利用整流技术对变频器供电侧电流进行处理,将特征频率从传统的边带频率转化为转子断条故障特征频率,有效地抑制了电源基频频谱泄漏的影响,从而实现电机在轻载或空载运行工况下的转子断条故障诊断。最后采集变频供电感应电机不同负载运行工况下供电侧电流数据进行验证。实验数据分析表明,所提方法能够提取从空载到重载不同运行工况下的转子断条故障特征分量,有较高的稳定性,而且所需计算量少,容易实现。     

基于骨干微粒群算法和支持向量机的电机转子断条故障诊断

为了准确识别感应电机转子断条故障,本文提出一种基于骨干微粒群算法和支持向量机的故障诊断新方法,并给出了可行的诊断步骤和分析。首先根据故障电流信号的特点,提出一种基于骨干微粒群算法的基波滤除方法,用以消除基波分量对故障特征的影响。然后利用小波包频带能量分解技术,将残余电流信号分解到不同频带,形成感应电机运行状态的特征向量,并以此作为支持向量机的输入向量。采用"一对一"向量机进行分类,并利用骨干微粒群算法和交叉检验优化支持向量机模型参数。最后实验结果表明,该方法诊断感应电机转子断条故障能取得良好的效果。     

基于相关分析的感应电机定子故障诊断方法研究

分析了感应电机定子线圈短路故障时的振动特征及定子电流的谱特性，指出由于受电机固有不对称等因素的影响，单纯利用振动谱分析或定子电流信号频谱分析(MCSA)诊断定子线圈短路故障，不能得到准确可靠的诊断结果；提出了一种基于相关分析的感应电机定子故障诊断方法，能有效提取电机定子故障时的特征信息，利用该方法可提高故障识别的精度；实验结果证实，基于相关分析得到的谱特征可以作为感应电机定子线圈短路故障诊断的依据。     

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APSO-SSVM的异步电动机转子故障诊断

基于信号分析的异步电动机的转子断条与偏心故障诊断方法中,常用传统的电机电流信号特征分析(MCSA)方法。由于采样频率偏低、强大的基波旁瓣效应等因素的影响,会导致特征频率成分被淹没、难以量化故障程度等问题。因此,提出了一种基于自适应粒子群优化逐序支持向量机(APSO-SSVM)的异步电动机故障诊断方法。首先,利用经验小波变换(EWT)对原始信号进行滤波;然后,对滤波后的信号进行特征提取并输入到SSVM诊断模型中;最后,通过APSO算法确定各次序下SVM模型的最佳超参数,从而实现转子断条数量的精确故障诊断。     

基于笼型电动机转子断条故障的诊断分析

为了解决目前已有的故障诊断方法只能诊断出电机是否发生转子断条故障而不能诊断出转子断条数目的问题,对电机转子断条故障进行了仿真和断条数目诊断方法的研究。首先对Y2-132M-4型的鼠笼式三相异步电机进行了建模,利用建立的模型对发生不同断条数的电机故障进行了仿真研究。然后,提出了基于机器学习的对转子断条故障的断条数目进行诊断的算法。实验结果表明,所提出的故障诊断分类方法实现了电机不同数目的转子断条故障的智能诊断分类,且诊断分类准确率达100%。     

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.     

基于扩充Prony算法的感应电动机转子断条故障诊断

检测感应电机转子断条故障及故障程度的关键在于查找定子电流谱中频率为(1±2s)f的间谐波含有率。传统的谱分析由于加窗和截断带来的频谱泄漏,使特征谱难以辨识,采用现代谱估计中的扩充Prony算法,基于定子电流信号的AR参数估计,计算信号的谱线构成,依据故障电机稳态运行时的定子电流特征,选取合适的阶数,能够精确地检测到(1±2s)f故障特征分量的幅值和频率,回避了频谱泄漏问题,为感应电动机转子断条故障的MCSA检测法提供了一条新的途径。通过实验室实测算例验证了该方法的有效性,在电机空载和轻载运行时也能够准确地检测出故障特征信号,诊断出故障程度。     

基于信息融合分析的感应电机故障检测方法

为了提高感应电机故障检测的准确性,在分析了感应电机定子线圈短路故障时的振动特征信息及定子电流的谱信息的基础上,指出了单一的振动分析方法或定子电流频谱分析（MCSA）诊断定子线圈短路故障,不能得到准确可靠诊断结果的原因,提出了一种基于信息融合分析的感应电机定子故障检测方法,能有效提取电机定子故障时的特征信息,提高了故障识别的准确性。实验结果证实,基于融合分析得到故障特征可以作为感应电机定子线圈短路故障诊断的依据。     

萤火虫-粒子群优化神经网络的异步电机转子断条故障诊断

针对目前异步电机转子断条故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电机转子断条故障特征向量的基础上,提出一种基于萤火虫-粒子群神经网络的故障诊断方法,构建电机转子断条的神经网络故障诊断模型,采用萤火虫-粒子群算法优化神经网络的结构参数。试验分析表明,该方法用于电机转子断条故障诊断,诊断速度快、准确性高、可靠性好。     

基于参数优化变分模态分解的交流变频电机转子断条故障识别方法

该文提出一种基于变分模态分解(VMD)和Park变换的交流变频电机早期转子断条故障识别方法.重点对低速状态下电机早期断条故障特征频率识别展开研究,基于电流信号特点结合萤火虫优化算法(FA)设定变分模态分解参数,进一步强化其自适应分解能力,并在此基础上获取三相电流的基频分量信息,通过Park变换检测早期故障特征.仿真与实验结果表明,该方法检测电机早期转子断条故障特征优于经验模态分解(EMD)方法,并可实现故障特征频率的早期定位,这对电机的故障辨识和预警具有重要支撑意义.     

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。     

变频机转子断条故障诊断方法研究

介绍了应用谐波小波的分频特性提取转子断条故障特征信号,利用数字信号处理器为核心的变频机故障检测系统实现转子短条故障的检测。同时介绍了变频机故障检测仪的硬件、软件实现及实际应用。结果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MUSIC算法的异步电动机转子故障检测方法

分析了MUSIC算法及其高分辨率谱估计的特点.提出了一种基于MUSIC算法的异步电动机转子故障检测方法.仿真研究结果表明,在短数据情况下,相对FFT分析技术而言,该方法频率分辨率更高,故障检测更为准确,且计算量小,有利于电机故障实时状态监测.实验证明,将该方法应用于感应电机转子故障检测,可准确检测出转子故障时在定子,电流中的故障特征成分,方法切实可行.     

基于不平衡电流的电机定子故障模糊诊断方法

本文基于模糊理论和定子不平衡电流检测法，提出了电机定子故障的模糊诊断方法，建立了模糊推理算法和诊断规则，借助实验电机取得了与实际情况较为一致的诊断结果。这种方法将模糊理论与领域专家知识结合起来，不需要建立确切的故障模型，即可进行故障诊断；由于直接选取不平衡电流作为特征信号，可方便地实现定子故障的在线监测；具有较强的通用性和实用性。     

利用骨干微粒群算法和SVM诊断电机定子故障

为了实现感应电机定子匝间短路故障的准确识别,提出一种基于骨干微粒群算法和支持向量机(support vector machine,SVM)的故障诊断方法。根据故障电流信号的特点,提出一种基于骨干微粒群算法的基波滤除方法,用以消除基波分量对故障特征提取的影响。然后利用小波包频带能量分解技术,将残余电流信号的故障特征谐波分解到不同频带,形成感应电机运行状态的特征向量,并以此作为SVM的输入向量。采用SVM进行分类,并利用骨干微粒群算法和交叉检验优化模型参数,避免参数选择的盲目性。实验结果表明,该方法不但可以有效滤除基波分量,突出故障特征,而且能够在小样本情况下准确辨识感应电机定子匝间短路故障。     

基于MUSIC算法的异步电动机转子故障检测方法

分析了MUSIC算法及其高分辨率谱估计的特点。提出了一种基于MUSIC算法的异步电动机转子故障检测方法。仿真研究结果表明，在短数据情况下，相对FFT分析技术而言，该方法频率分辨率更高，故障检测更为准确，且计算量小，有利于电机故障实时状态监测。实验证明，将该方法应用于感应电机转子故障检测，可准确检测出转子故障时在定子，电流中的故障特征成分，方法切实可行。