利用启动电流时变频谱的电机故障诊断方法

针对传统故障诊断方法的局限性,本文回忆了利用鼠笼异步电机稳态过程中定子频率边频分量(1-2s)f确定鼠笼电机是否存在断条或端环开裂故障的作用机理.同时,在鼠笼电机启动过程中,对定子启动电流的时变频谱进行FFr变换,从而诊断鼠笼异步电机是否发生断条故障.     

异步电动机转子故障诊断方法

笼型异步电机的转子故障主要包括转子断条、转子裂纹、细条等,其中以断条故障最容易发生。从异步电机转子断条故障检测与诊断所涉及的信号检测、信号处理、诊断方法三方面入手,对当前异步电机转子故障的诊断方法进行总结与分析,指出各种方法的优缺点,并提出今后异步电机转子故障诊断的发展方向。     

笼型异步电机转子断条故障诊断

通过对电机电流信号分析,提取电流故障特征,实现鼠笼异步电机系统的状态检测及电机电气故障诊断。对比较常见的转子断条故障进行分析,根据电流信号谐波分量的变化提取故障有效特征;对电机轴承故障电流进行分析,并根据多回路理论建立电机故障状态下的仿真模型,对电机转子断条故障运行状态进行了仿真。     

电机故障特征值的倍频小波分析

该文对异步电动机在鼠笼转子发生不同断条故障情况下的定子电流分别进行了实验测量；并对测量电流进行倍频小波分析，利用小波系数，在各个频段上进行小波信号重构；通过计算各个频段的信号能量特征值，诊断电机故障。这样，既可以从低频频段来诊断异步电动机鼠笼转子断条故障，也可以从某些高频频段来识别故障是否发生，从该文的实验诊断表明，倍频小波分析方法取得了较好的效果。     

基于小波包的笼型异步电机转子断条故障检测

针对笼形异步电机转子断条故障,提出了一种利用小波包分析获取转子断条故障特征的判断方法.介绍了小波包换故障信号特征提取方法;其次对定子电流信号进行小波包分解后,对低频信号重构及功率谱的计算,实现了转子断条故障诊断.实验数据分析表明,该方法能准确对转子断条故障进行诊断.     

用自适应方法提取鼠笼式异步电机转子断条的特征分量

本文根据自适应滤波的原理,推导出处理鼠笼转子异步电机定子电流的方法。经过仿真计算和对转子有断条的电机定子电流的处理,结果表明:用本方法可以大大提高检测转子断条故障特征分量的灵敏度。     

关于高速大容量笼型异步电机转子端部强度的探讨

本文应用力学、电学、振动理论等对异步电机转子断条问题作了较全面的论述和分析,并提出了固紧导条和悬空导条的有关问题。通过分析提出了解决鼠笼断条的新结构方案。     

笼型异步电机转子断条故障的有限元分析

采用有限元方法对笼型异步电机转子断条的故障特征进行研究。首先建立笼型异步电机物理模型，分别计算电机在健康状态和断条故障状态下的电磁场、转子各导条电流和定子电流，最后将计算结果与实验数据进行比较和分析。     

鼠笼电机起动暂态转子断条Wigner-Ville分布诊断方法

鼠笼电机起动暂态破坏了电机电流信号特征分析(MCSA)方法的使用条件,导致该方法无法诊断出起动运行状态下的转子断条故障。针对这一问题,提出鼠笼电机早期转子断条故障Wigner-Ville分布诊断方法。首先,利用离散小波变换对三相定子电流Park矢量模平方信号预处理,借以消除谐波干扰和交叉项影响,然后通过Wigner-Ville分布描述故障特征谐波的能量-滑差变化趋势,并结合其能量测度判断转子断条故障发生与否。在3 k W电机实验台上对所提出的方法进行实验验证,实验结果证实了所提方法的有效性。     

笼型异步电机转子断条故障的有限元分析

采用有限元方法对笼型异步电机转子断条的故障特征进行研究。首先建立笼型异步电机物理模型,分别计算电机在健康状态和断条故障状态下的电磁场、转子各导条电流和定子电流,最后将计算结果与实验数据进行比较和分析。     

基于小波变换的异步电机故障检测与分析

通过合理选取小波基,对提取到的电机振动信号和定子电流信号做小波包变换,从而对电机滚动轴承损坏、转子断条这两类电机主要故障做出准确的判断与分析。对转子断条故障的仿真结果表明,小波包分析方法在电机故障诊断方面具有较好的准确性和优越性。     

基于工业互联网和多传感器数据的电机故障诊断方法

提出了一种基于工业互联网和多传感器数据的电机故障诊断方法。通过各类传感器在线实时得到电机的电压、电流、振动、温度等信号的瞬时值,并转化为表征电机状态的各个特征参数。根据各个特征参数在各个故障模式下的变动情况,得到各个故障模式下故障特征及其隶属度。把故障特征与故障模式之间的关系分为充分条件和必要条件关系。按照充分条件和必要条件分类后,对每个故障模式对应的2类条件下的故障特征的隶属度进行融合,最后得出每个故障模式的隶属度,为远程运维系统决策服务。该方法既可以部署在电机远程运维工业互联网的边缘设备中,也可以部署在云平台服务程序中,实现快速而可靠的电机故障诊断。     

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。     

电气设备故障诊断中的状态信号与模糊隶属函数

将状态信号处理与模糊数学方法结合起来，是解决不确定性（随机性和模糊性）问题的有效途径。本介绍在电气设备故障诊断中，如何对一些信号处理的结果进行转换以得到模糊隶属函数的方法，并用实例说明了这种处理方法的有效性。     

多维度能量熵提取的不同负载下电机轴承故障诊断

为了提高电机轴承故障诊断的准确率,针对电机轴承故障不稳定的振动信号及故障特征提取困难问题,提出了一种基于变分模态分解（VMD）能量熵与卷积神经网络（CNN）相结合的电机轴承故障诊断方法。为了使故障的特征更精确地体现出来,采取三维度的能量熵提取办法,将轴承故障分为内圈磨损、外圈磨损和保持架断裂三类,然后每个类别再细分为负载为0%、25%和50%三种情况,共9种情况。利用VMD方法将故障信号分解得到内禀模态函数(IMF)的分量并提取各个维度IMF的能量熵值从而构成特征向量。结果表明该方法可以有效提高故障诊断正确率。     

基于粗糙集与模糊规则的变压器故障诊断方法

引入了一种基于粗糙集约简并结合模糊规则的方法进行变压器故障诊断。该方法从变压器故障判别表出发,首先使用粗糙集理论进行决策表约简,在保持故障判别表分类能力不变的条件下,去除了变压器故障诊断知识中大量的冗余特征,然后结合模糊集合理论和模糊推理,计算出各个约简后的决策规则的模糊隶属度,最终得到故障类型的判断。实例表明,本方法可以有效地进行模糊推理并得到正确的诊断结果。     

电动机滚动轴承的故障诊断

本文根据滚动轴承发生损伤故障时振动信号的特点，利用带通数字滤波和希尔伯特变换，对电动机轴承振动信号进行处理，然后对包络信号作谱分析，再从包络谱中提取故障特征频率分量，以诊断电动机轴承故障。实验结果表明，这种诊断方法是很有效的。     

遗传模糊算法在短期负荷预测中的应用

提出了一种基于模糊逻辑原理的负荷预测方法,使用遗传算法对系统参数进行训练。在以往的模糊逻辑系统建立过程中,其主要参数(如模糊推理规则和隶属函数等)需要依靠运行人员经验或专家知识来确定,而本文利用遗传算法,通过对样本数据的自学习过程来获取系统参数。在遗传算法中,将推理规则与隶属函数参数的确定结合在一起,从而确定系统参数的最优组合,由此建立起一个较合理的模糊负荷预测系统。仿真实验结果表明,该方法能够达到满意的预测精度,具有良好的实用前景。     

基于MCS和AlexNet的水润滑推力轴承故障检测

水润滑推力轴承作为潜水电机的重要组成部件常由于工作环境恶劣、过载和冷热交替,轴承结构磨损而进入异物。针对在潜水电机内拆装加速度传感器困难，水阻尼污染振动信号采集等问题，提出故障状态下潜水电机的数学模型，对仿真得到电流信号进行时移降噪，升维预处理，基于AlexNet模型训练不同状态下电机电流信号（MCS）。经验证，模型能以较高的准确率快速识别故障信号，具有较强的鲁棒性，满足故障诊断预见性和实时性要求。     

基于多尺度模糊熵和STOA-SVM的风机轴承故障诊断

针对风机轴承振动信号故障特征提取困难的问题,提出了一种基于多尺度模糊熵(MFE)特征提取,并结合乌燕鸥优化算法(STOA)优化支持向量机(SVM)的风机轴承故障诊断方法。首先采集原始振动信号并计算其多层次模糊熵,其次构造故障特征向量集合作为SVM的输入,最后采用STOA优化SVM对轴承故障进行分类诊断。通过凯斯西储大学轴承振动数据进行仿真,结果显示轴承故障诊断准确率达到了99.3〖WTB4〗%〖WTBZ〗,证明了所提方法具有较高的准确度和有效性。