电机振动监测故障分析

针对电机故障原因复杂情况，运用冲击脉冲值和振动加速度包络gE值综合监测来判断轴承故障状态，并结合频谱分析确定轴承故障部位。实际运用情况表明，电机振动监测可为电机故障诊断打开突破口。     

基于决策融合的直驱风力发电机组轴承故障诊断

基于振动信号时域、频域和包络谱等多源特征,采用决策融合方法构建了直驱风力发电机组轴承故障诊断模型。对直驱风力发电机组主轴轴承经常发生的外圈故障、内圈故障、滚动体故障以及正常运行4种状态进行了实验研究。选取具有较高故障区分度,适合风电机组轴承故障诊断的特征参数。以风电机组振动信号的时域特征、频域特征和包络谱频域特征为诊断样本,使用灰色关联分析方法对机组轴承故障进行初步诊断,然后用证据融合理论对不同证据进行决策信息融合,从而获得最终诊断结果。实验结果表明,该方法能较好地识别风力发电机组轴承故障。     

小波降噪及Hilbert变换在电机轴承故障诊断中的应用

针对振动信号降噪处理及故障特征提取是机械故障诊断的重点问题,为了有效消除高频信号的影响,并充分提取出电机轴承的低频故障特征。提出利用小波降噪及Hilbert变换的方法对采集的电机轴承振动数据进行处理并提取其故障特征信息。首先,运用小波降噪对采集到的振动数据进行降噪处理,抑制噪声干扰,然后对其进行Hilbert变换解调出故障特征频率。通过对现场测取的轴承振动数据进行信号处理可以达到理想的诊断效果,由此得知,该方法能通过电机轴承振动信号进行故障特征信息处理,有效地进行轴承故障分析及诊断。     

电机滚动轴承故障诊断的新方法

基于希尔伯特变换解调原理，提出一种对电机滚动轴承振动信号进行包络处理的方法，它根据振动信号、解析信号和包络函数在频域上的关系来制定算法，并同时在频域上直接实现带通滤波，而不用在时域上对信号进行滤波。最后从包络谱中提取轴承故障特征信息，达到诊断电机滚动轴承故障的目的     

电机轴承故障监测系统设计

针对电机轴承监测系统中高频信号接收存储功能容易丢失数据的问题以及如何实现轴承故障精确诊断的问题，利用LabVIEW、Access和MATLAB混合编程，设计开发了一种电机轴承故障监测系统。本系统通过LabVIEW的生产者和消费者结构，以TCP/IP的通信方式实现振动信号的高速接收和实时保存；通过LabVIEW的UDL实现Access数据库的增、删、改、查操作；针对轴承状态模式识别问题，提出了一种基于变分模态分解结合排列熵与自组织特征映射神经网络的轴承故障诊断方法。经过实验验证，电机轴承故障监测系统的高频信号的接收速度达到了12.577 KSps，可以实现数据的实时存取，在信号分析功能中所提出的基于VMD-PE-SOM神经网络的轴承故障诊断方法的平均识别准备率达到了99.06%，本系统将振动信号采集功能与故障诊断功能整合在了一起，具有接收速度快、不丢包、交互性好、故障识别率高等优点。     

基于CSBP的滚动轴承故障智能诊断方法

针对滚动轴承故障诊断问题,结合重采样方法和CSBP神经网络进行滚动轴承的故障诊断研究。首先利用输入轴转速对轴承的振动加速度信号进行重采样,选择振动加速度信号的均方根值、峭度与样本熵作为CSBP神经网络训练输入参量,应用标签数据进行训练得到优化训练模型。然后对正常状态、轴承内圈故障滚动体故障实验数据进行了计算,并对结果进行了集中趋势分析和转速影响分析。结果表明,检测数据分析结果显示利用该方法判断轴承故障类型和故障程度可达到94%,可提高滚动轴承故障诊断中在不同转速条件下的适用性和智能性;同时利用集中趋势分析可实现对模型诊断结果进行评价,进而提高模型的可靠性。研究可以为高速列车及其他设备使用的滚动轴承诊断提供分析方法和技术参考。     

电机滚动轴承故障诊断的新方法

基于希尔伯特变换解调原理，提出一种对电机滚动轴承振动信号进行包络处理的方法，它根据振动信号，解析信号和包络函数在频域上的关系来制定算法，并同时在频域上直接实现带通滤波，而不用在时域上对信号进行滤波，最后从包络谱中提取轴承故障特征信息，达到诊断电机滚动轴承的目的。     

利用定子电流监测法检测电动机轴承的故障

本讨论应用电动机电流频谱分析的方法检测感应电动机滚动轴承的故障。目前用于检测轴承故障工况的方法是监测轴承的机械振动频率。由于这些机械振动与电机气隙变化有关，所以对气隙磁通密度进行调节，产生的定子电流频率也可预测，这种频率是与电源频率和振动频率有关。本首先研讨电流监测对轴承故障检测的效果，其方法是在轴承初期故障引起的振动频率和电流频率之间建立联系。对轴承故障的型式进行了考察，确定了与轴承具体结构有关的轴承特征频率。叙述了对定子电流频谱的影响，确定了相关的频率。在设计监测定子电流的故障检测图方面，这是一项重要的结果。测试结果显示了具有各种轴承故障的感应电机振动和电流频谱，它们可用来验证振动频率与电流频率之间存在的关系。测试结果清楚地表明定子电流波形可用来识别轴承故障的存在与否。     

基于小波包分析的电机故障检测

电机是一种复杂的旋转机械,故障种类多而且难以辨别。为了对电机的常见故障进行正确、快速地检测,在分析电机故障特征的基础上,对采集来的电机振动信号的时域和频域进行了小波包分解;利用分解的小波系数,在各个频段上进行小波系数重构,诊断故障发生的类型。仿真试验结果表明：小波包分析是对电机故障进行检测的有效方法,同时也给出了一种思路,为电机故障实时检测提供了理论依据。     

基于小波包分析的电机故障检测

电机是一种复杂的旋转机械,故障种类多而且难以辨别。为了对电机的常见故障进行正确、快速地检测,在分析电机故障特征的基础上,对采集来的电机振动信号的时域和频域进行了小波包分解;利用分解的小波系数,在各个频段上进行小波系数重构,诊断故障发生的类型。仿真试验结果表明:小波包分析是对电机故障进行检测的有效方法,同时也给出了一种思路,为电机故障实时检测提供了理论依据。     

基于实时信号的水电机组轴承运行分析与诊断

轴承作为水电机组的接触和承力部件,其运行状态变化对机组安全稳定运行至关重要。为准确分析轴承运行状态,提出一种水电机组轴承状态实时监测分析新思路,通过建立轴承状态监测相应在线存储数据库,运用时域、频域和希尔伯特黄变换(Hilbert-Huang Transform,HHT)时频分析方法提取轴承异常数据的故障特征,结合诊断知识搭建轴承状态实时跟踪分析评价模型,实现对机组轴承状态的实时评价,形成机组连续运行轴承状态跟踪分析样本。最后在相关电厂的应用表明,该方法能够实现对轴承运行状态实时分析诊断,大大提高机组的安全、经济运行。     

基于MUSIC算法的感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时振动信号的特性以及MUSIC算法及其高分辨率谱估计的特点，提出了一种基于MUSIC算法的感应电动机轴承故障检测方法。结果表明，在短数据情况下，相对FFT分析技术，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。实验证实，将该方法应用于感应电机轴承故障检测，可准确检测出轴承故障时在包络信号中的故障特征成分，方法切实可行。     

基于振动分析技术的风力发电机组轴承故障诊断

滚动轴承在风力发电机组传动系统中起着非常重要的作用,但由于风况不稳定、设备装配工艺不达标,整个传动系统的滚动轴承在振动过程中易造成磨损失效。针对某风力发电机组,利用振动分析技术对工作异常轴承进行振动波形分析,精确诊断故障轴承的故障特征和故障程度,准确提出维护意见,提高工作效率,避免风机的意外停机。     

小波变换及经验模式分解方法在电机轴承早期故障诊断中的应用

电机轴承早期故障的有效诊断是实现安全生产、避免大事故的技术前提。文中用高精度加速度传感器采集电机轴承振动信号，采用小波变换实现信噪分离，提取淹没在噪声背景中的早期故障特征信息，然后对提纯的信号进行经验模式分解（EMD）而得到若干个基本模态分量（IMF），再计算各基本模态分量的频谱。理论及试验研究结果表明：按此方法得到的各基本模态分量的频谱突显了轴承的故障特征信息，能有效诊断出轴承的早期故障。     

在线监测和分析系统在600 MW超超临界机组故障诊断中的应用

利用振动在线监测和分析系统对深能合和电力（河源）有限公司600 MW超超临界机组异常振动进行了分析和诊断;通过分析振动历史特征数据,准确判断出1号轴承轴颈处存在磨损;实现了针对7号轴承相对轴振超标故障的无试重一次加重成功;故障消除后,机组振动达到优秀水平。     

电机振动分析及微机识别和监测

介绍了一些分析电机振动的方法及其相互间的关系。讨论了识别电机振动的意义、电机振动与故障诊断的关系、振动监测原理和监测手段。论述了利用微机监测和诊断故障的可能性。     

双馈风力发电机轴承的早期诊断

双馈风力发电机轴承的状态监测和早期故障诊断可以及时发现轴承故障,有效地降低风电场的运行和维护费用.首先用加速度传感器采集轴承振动信号,然后用两种方法进行特征信号分析:一是对信号进行经验模式分解,仅提取第一模态函数做Hilbert变换,从而根据包络图判断轴承的早期故障;二是对信号进行预处理,滤去与轴承故障无关的主要分量,再采用小波滤波器提取微弱的故障信号,进而根据故障指标的数值来判断.最后对这两种方法对比研究,试验结果表明,方法2可以更加有效地诊断出早期故障,具有一定的工程应用价值.     

感应电动机轴承故障检测的相关分析方法

根据感应电机轴承发生故障时的振动信号特性以及定子电流特性,提出了一种基于相关分析的感应电动机轴承故障检测方法.该方法先求三相电流的Park矢量模信号,然后将其与电机滚动轴承振动信号进行相关分析,从振动信号与电流信号的相关谱图中有效地提取轴承故障特征信息,并将其作为轴承故障识别的依据.实验结果表明,该检测方法具有较高的信噪比,可提高故障识别的精度,实际应用也是可行的.     

Park矢量方法在电动机故障综合诊断中的应用

本文研究将Park矢量方法与信息融合技术应用于三相交流异步电动机故障综合诊断,对电动机运行的电压、电流、电机温升及轴承振动工况进行在线监测和控制,及时、准确地诊断出电动机故障并采取相应措施,国内尚属首次.     

基于博弈映射学习的多传感源信息融合三相电机智能故障诊断方法

利用多传感数据能够全面地诊断三相电机的各类机械或电气故障，然而现有的智能诊断方法缺乏有效的关键故障信息挖掘与跨传感源特征聚合学习机制，导致其诊断效果不佳。针对以上问题，该文提出一种基于博弈映射学习的多传感源信息融合三相电机智能故障诊断方法。首先，使用多个并行的自学习特征映射网络从各传感数据中自动地提取故障特征；然后，构建传感源鉴别器并使其与自学习特征映射网络形成博弈关系，精炼故障特征并引导其跨传感源分类聚合；之后，将样本差异度量损失函数引入到优化目标中，以确保各类故障特征之间的空间可分性；最后，利用故障模式识别器进行多传感故障特征融合诊断。实验结果表明，该方法能够基于振动、电流、声等多传感数据准确地诊断三相电机轴承故障、转子故障及电气故障，且诊断性能优于现有方法。