基于MUSIC与FOA的异步电动机转子断条故障检测

为了更加准确和快速检测异步电动机转子断条特征分量的频率和幅值,通过结合多重信号分类(MUSIC)与果蝇优化算法(FOA)并将其用于异步电机转子断条故障检测。作为一种具有高频率分辨力的谱估计技术,MUSIC能够快速而准确地检测边频以及基频分量的频率大小,即使对于短时采样信号也有良好的性能。然而,MUSIC虽是提取信号频率的有效工具,却没有能力计算各个分量的幅值和相位。因此,该文引入FOA以确定各个分量的幅值和相位,结果表明性能良好。通过仿真和实验验证了基于MUSIC与FOA的异步电动机转子断条故障检测方法的有效性。     

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MUSIC与SAA的笼型异步电动机转子断条故障检测

提出了一种基于多重信号分类(Multiple Signal Classification,MUSIC)与模拟退火算法(Simulated Annealing Algorithm,SAA)的异步电动机转子断条故障检测新方法。首先以转子断条故障仿真信号检验MUSIC性能,结果表明:MUSIC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之频率;但对诸频率分量幅值、初相角,MUSIC无能为力。为此,引入SAA确定诸频率分量幅值、初相角,效果理想。进而,对一台Y100L—2型3kW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SAA的异步电动机转子断条故障检测方法是切实可行的,并且因仅需处理短时信号而适用于负荷波动、噪声等干扰严重情况。     

MUSIC和Prony在电动机断条故障检测中的应用

为了实现异步电动机转子断条故障的准确检测,提出了一种基于多重信号分类MUSIC(root multiple signal classification)与普罗尼P rony算法相结合的异步电动机转子断条故障检测新方法。MUSIC方法具有频率分辨力高,所需数据少的特点。首先利用该方法计算出异步电机转子发生断条故障时的特征分量及其他分量的频率值,进而引入扩展Prony法中的最小二乘法,估计出特征分量及其它分量的幅值和初相角。仿真及实验结果表明,基于MUSIC和Prony算法的异步电动机转子断条故障检测方法切实可行,并且适用于负荷波动、噪声干扰等不利情况。     

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SVD-ESPRIT与PSO的笼型异步电机转子断条故障检测

将基于奇异值分解(Singular Value Decomposition,SVD)滤波的旋转不变信号参数估计技术(Estimation Of signal parameters via rotational invariance technique,ESPRIT)与粒子群(Particle Swarm Optimization,PSO)算法相结合提出一种异步电动机转子断条故障检测方法。利用ESPRIT的高频率分辨力特性,通过SVD滤波准确提取定子电流信号中转子断条故障特征分量及主频分量之频率,但因其对幅值和初相位估计的效果欠佳,进而尝试应用粒子群优化算法确定各频率分量的幅值和初相位。仿真及试验结果表明,基于SVD-ESPRIT与粒子群算法的异步电动机转子断条故障检测方法是有效的,且因算法简单、运行耗时短亦可用于在线检测。     

基于MIRPSA的感应电动机转子断条数目诊断判据

在感应电动机转子断条数目诊断方面,电机定子电流信号分析(MCSA)类方法已经建立明确的解析判据,而电机瞬时无功功率信号分析(MIRPSA)类方法缺乏理论支撑。为此,针对转子断条故障推导了感应电动机瞬时无功功率特征分量的幅值与转子断条数目间的数值对应关系,由此建立了具有解析意义的基于MIRPSA的转子断条数目诊断判据。感应电动机转子断条故障仿真与实验证明了所提判据的有效性。     

基于ESPRIT和扩展Prony算法的异步电机转子断条故障检测方法

将高频率分辨力谱估计技术ESPRIT与扩展Prony算法相结合而提出一种异步电动机转子断条故障检测方法。利用ESPRIT,可以精确提取定子电流信号中转子断条故障特征分量及其他分量的频率,但无法对其幅值和初相位进行有效估计。为解决此问题,尝试应用扩展Prony算法确定各频率分量的幅值和初相位。仿真及试验结果表明,将ESPRIT和扩展Prony算法应用在异步电动机转子断条故障检测是有效的,且因算法简单、运行耗时短亦可用于在线检测。     

基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测新方法

将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signal parameters via rotational invariancetechnique,ESPRIT),应用模拟转子故障的定子电流信号测试其频率分辨力、精度等性能,结果表明:即使对于短时信号,二者仍具高频率分辨力,可以准确地分辨定子电流信号中转子故障特征分量、主频分量之频率;但对其幅值、初相角,仅能提供"粗糙"估计。为此,尝试以优化算法——模拟退火算法(simulated annealing algorithm,SAA)与模式搜索算法(pattern search algorithm,PSA)确定各分量的幅值与初相角。同时,分别对MUSIC与ESPRIT、SAA与PSA做了性能对比,遴选优者并应用于转子故障检测。最后,针对转子断条故障进行实验,结果表明:基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测方法有效、可行,即使在负载波动、噪声等干扰严重情况下仍然适用。     

SVD滤波技术与Prony谱线估计算法相结合的异步电动机转子故障检测新方法

提出了一种奇异值分解(SVD)滤波技术与Prony谱线估计算法相结合的异步电动机转子断条故障检测的新方法。SVD滤波技术可以理想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。Prony谱线估计算法可以准确计算出各特征分量的频率和幅值,且不失高频谱分辨能力。将二者结合即可在短时采样信号条件下准确、有效地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:基于SVD滤波技术与Prony谱线估计算法的异步电动机转子断条故障检测方法效果理想。     

Zoom-Prony方法及其在转子断条故障严重程度定量估算中的应用

在基于定子电流信号分析的感应电动机故障诊断中,通过求基波两侧由转子断条故障引起的边频分量的幅值、相位和频率,可以进行故障严重程度的定量估算.由于Prony方法对噪声非常敏感,而实际电动机电流信号包含丰富的谐波和噪声,且故障特征分量的幅值很小,直接应用Prony方法很难估算出故障特征分量的参数.本文提出Zoom-Prony方法,将Prony方法与选带细化技术(Zoom技术)相结合,对转子断条故障特征频率附近的小频段进行局部放大分析,估算这两个边频分量的参数,提高了计算的准确性,缩短了计算时间.此外,由于故障特征频率与基频过于靠近且幅值相差太大,边频分量常常被基频分量所掩盖而无法得到正确的结果,因此本文通过两次应用该方法来消除基频分量的影响.仿真与实验验证了这一方法的有效性.     

基于EMD-神经网络的电动机转子故障诊断方法研究

在电动机运行过程中,转子断条故障将导致电动机出力降低,性能恶化。因此研究更高效的电动机故障诊断方法来对其进行检测迫在眉睫。针对电动机转子出现断条故障时定子电流信号的非平稳特征,提出了一种基于经验模态分解(EMD)和神经网络相结合的转子故障诊断方法。该方法首先将原始信号分解为突出了原信号不同时间尺度的局部特征信息的内在模函数(IMF)分量,然后将各IMF分量输入到BP网络中进行训练学习和故障诊断。将此方法应用于电动机转子断条故障的识别,实验结果表明,该方法能快速准确地识别转子断条故障。     

基于精简四阶累积量MUSIC与混合遗传算法的笼型异步电动机转子断条故障检测新方法

将精简四阶累积量(Streamlined Fourth-Order Cumulants,SFOC)多重信号分类法(Multiple Signal Classification,MUSIC)与混合遗传算法(Hybrid Genetic Algorithm,HGA)结合,提出一种新型异步电机转子断条检测方法。利用基于四阶累积量的MUSIC可有效抑制噪声,扩展信号阵元,改善频谱估计性能,以高频率分辨率提取定子电流信号中的转子断条故障特征分量及主频分量的频率;利用混合遗传优化算法估计各频率分量的幅值和初相位。为提高算法的快速性,根据四阶累积量矩阵构成规律,提出一种改进方法去除矩阵数据冗余,极大减小了计算量;针对遗传算法易早熟和后期收敛较慢的缺点,引入单纯形法。仿真与试验验证了新方法在低信噪比和短时采样时间情况下仍具有较高的频谱分辨率和估计精度。最后与FFT、MUSIC-SAA法进行了比较,证明了其优越性。     

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。     

基于SVD滤波技术与快速四阶累积量ESPRIT算法的异步电动机转子断条故障检测新方法

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)滤波和快速四阶累积量(Speedy Fourth-Order Cumulants,SFOC)旋转不变信号参数估计技术(Estimation of Signal Parameters via Rotational Invariance Technique,ESPRIT)的异步电动机转子断条故障检测方法。SVD滤波方法可以理想地滤除电机定子电流信号的基频分量与背景噪声,从而凸显转子断条故障特征频率分量;四阶累积量ESPRIT方法可以有效减少噪声干扰、扩展信号阵元并以高频率分辨力提取定子电流信号中的转子断条故障特征频率分量;特别是,将二者结合即可在短时采样信号条件下以高频率分辨力提取转子断条故障特征频率分量。为了改善四阶累积量ESPRIT方法的快速性,提出了精简算法以消除均匀线阵的DOA(direction ofarrival)估计中的大量冗余数据,从而大幅减小计算量。转子断条故障检测实验表明:基于SVD和SFOC-ESPRIT的异步电动机转子断条故障检测方法效果良好。     

基于奇异值分解滤波与APES算法的异步电动机转子故障检测

简要介绍了奇异值分解(SVD)滤波与幅度相位估计(APES)算法的原理,提出了将奇异值分解滤波与APES算法相结合的异步电动机转子故障检测方法。仿真结果证明了所提方法的可行性。转子断条故障试验结果表明:对于短时信号,所提方法仍能较精确地识别定子电流中故障分量的频率,并准确计算其幅值和初相角,且不受噪声影响。     

负载波动下感应电动机转子断条故障诊断

针对波动负载下感应电动机转子断条故障特征提取与状态识别问题,研究一种基于瞬时功率与离散小波的波动负载下感应电动机转子断条故障提取方法,并给出了明确有效的检测判据。该方法计算电动机瞬时功率,进行离散小波分解并提取特征频段能量,并通过比较瞬时无功功率中特征频段的小波能量幅值Eq与瞬时有功功率中相应频段的能量幅值Ep的大小形成诊断判断。创建了以随机森林为基分类器的集成分类器,提高负载波动下感应电动机转子断条故障识别的精确性。通过实验验证了该方法及其新判据的有效性。     

用自适应陷波器检测异步电动机转子断条的仿真

转子断条是笼型异步电动机常见的一种故障,采用快速傅立叶变换(FFT)对定子电流进行分析是目前应用最广泛的转子断条在线检测方法,但是存在灵敏度低的缺点。当电机断条时,定子电流将产生(1-2s)f1频率的附加分量但幅值非常小,若直接将定子电流信号去作频谱分析,将受幅度很大的电网频率分量f1的影响,因而提出采用自适应陷波器的方法对异步电动机定子电流信号进行处理,通过LMS算法来调节自适应陷波器的两个权值,以达到对工频信号极大的衰减,虽不能完全消除但幅值已明显减小。其结果有利于转子故障特征量的提取,从而提高检测的灵敏度。仿真结果证明了该方法的有效性。     

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。     

Park矢量模平方函数与ESPRIT相结合的异步电动机转子断条故障检测新方法

为了能够在异步电动机转子断条故障初发时准确检测并适时安排维修计划,提出利用Park矢量模变换技术与旋转不变信号参数估计技术谱分析方法相结合的方法进行异步电动机转子断条故障检测。经过Park矢量模平方变换可以将工频分量转换为直流量,即可轻而易举的消除工频分量的影响,结合ESPRIT高频率分辨力技术可以在短时采样信号下准确地检测出故障特征频率,与以往检测方法相比计算量大为减少。对一台异步电机分别进行仿真与实验验证,仿真与实验结果同时显示,该方法能够准确提取到转子断条故障特征信号,计算快速,频率分辨力高。鉴于此,将Park矢量模平方函数与ESPRIT结合的异步电动机转子断条故障检测方法效果理想。