基于改进矩阵束滤波与检测的异步电动机故障诊断新方法

针对传统电机故障诊断技术,断条故障边频易被基频淹没、对短时数据分辨率低、复合故障引入平方交叉项等缺点,提出了一种改进矩阵束滤波与检测的异步电机转子故障诊断技术。首先,利用定子电流实测信号构造Hankle矩阵,并对其进行奇异值分解,形成不同的信号子空间。然后对奇异值的部分置零,剔除了基波和噪声的影响,从而准确地估算出故障信息。最后,通过对改进MP算法得到的特征故障频率幅值,定义了转子断条故障严重因子。试验对异步电机转子断条和偏心的故障进行验证,表明该算法可以有效抑制强大的基频和噪声对故障特征频率的影响,且具有远高于快速傅里叶变换(FFT)的高分辨率。     

短时数据下利用双HTLS参数估计的异步电机转子断条故障诊断

传统基于傅里叶分析的算法,其频谱分辨率受限于数据长度,对此,提出一种在短时数据下利用双HTLS算法进行异步电机转子断条故障诊断的方法。利用HTLS算法中的Hankel矩阵左奇异子矩阵的平移不变性质,准确估算出基波幅值、频率、相位参数;然后利用基波参数构造基波表达式,将其从定子电流原始信号中剔除,从而得到残余电流;对残余电流再次进行HTLS参数估计,辨识出故障成分的参数,并有效抑制噪声的影响。对不同数量的转子断条故障进行实验验证,结果表明双HTLS算法具有高鲁棒性的优点,且适用于噪声背景及短时数据下的转子断条故障检测。     

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。     

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。     

基于变模态分解的异步电机转子断条故障诊断

电机稳态运行时的故障特征频率与基频接近,难以实现转子断条时的故障电流分量的有效提取。对此,该文根据起动过程中转子断条故障特征信号频率易与基频区分的特点,采用变模态分解（VMD）方法对起动过程中的定子电流进行分析并对故障进行诊断。首先,基于平均瞬时频率对VMD的模态个数进行优化,准确分解出能量集中的断条故障特征信号。在此基础上,利用维格纳准概率分布高时频分辨率的特点绘制断条故障特征信号的时频分布图,引入大津算法对图片进行抗噪处理,突出故障特征部分。然后,以故障特征信号能量值作为故障量化因子,以不同故障状态下多组实验数据的均值和标准差为依据设置阈值,实现系统自动故障预警的目的。最后,在一台5.5 kW异步电机上进行了实验,结果表明,所提诊断方法不仅能够实现包括不完全断条在内的故障诊断,还能够实现对断条故障严重程度的判断。     

基于CCFHTLS算法的异步电动机转子故障检测

定子电流经低通滤波器处理后产生高斯有色噪声,限制了异步电机转子故障检测算法的辨识精度。针对该问题,提出一种抑制高斯有色噪声的异步电机故障检测技术。首先对采集到的定子电流进行预处理,利用逆同步旋转变换剔除基波,避免了直接检测时基波对故障辨识精度的影响。然后利用互相关函数(CCF)处理技术对高斯有色噪声的抑制作用,提出基于CCF-HTLS算法的电机转子故障诊断技术。针对异步电机转子断条和偏心故障的识别进行试验,结果表明CCF-HTLS算法可以有效抑制高斯有色噪声,并保留故障有用信息,显著地提高了故障检测的分辨率。     

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.     

基于瞬时无功功率感应电机转子断条故障诊断研究

在基于定子电流信号进行异步电机故障诊断时,转子断条故障特征频率分量常常被电流的基频分量淹没.针对这种情况,本文提出一种新型的基于瞬时无功功率的转子断条故障诊断方法.该方法首先对定子电压和电流进行Hilbert变换,然后在此基础上构建瞬时无功功率.通过对无功功率进行频谱分析,选取特征频率2ksf作为转子断条的故障诊断判据.同时定义一个新的故障严重程度系数,对感应电机转子故障严重程度进行判别.实验结果表明该方法能有效进行转子断条故障诊断.与传统的Hilbert模量方法和瞬时功率方法相比,该方法因没有交叉项而频谱简单;只需采集单相电流,不需要进行坐标变换,简化了硬件和软件,节省计算时间.     

复调制滤波的信号处理技术在电机故障检测中的应用

异步电机转子断条故障难以检测的原因在于基波分量与边频分量在频率上相近,且边频信号相对微弱。提出了一种利用复调制滤波的信号处理技术进行转子断条故障诊断。分别通过Park变换和Hilbert变换构造出两种复信号,对复信号进行复调制变换,将定子电流中的基波转换为直流部分,并进行滤除。同时指出,复调制滤波的关键在于获取电机实际运行时精确的基波频率。理论和试验共同表明,基于两种变换的复调制滤波技术可以较好地剔除基频对故障边频的影响。     

基于随机森林的异步电动机转子断条故障诊断

为了快速准确识别异步电动机转子断条故障,提出一种随机森林算法(Random Forests,RF)的异步电动机转子断条故障诊断方法。该方法以Park矢量模平方函数为故障特征提取手段,然后采用随机森林进行故障模式自动识别。Park矢量模平方函数方法可以较好地削弱定子电流中基频信号的影响,便于故障特征量的准确提取。而随机森林泛化能力好、训练时间短,提高了故障识别的成功率。实例验证表明,基于随机森林的异步电动机转子断条故障诊断方法性能良好。     

采用Park变换感应电机转子复合故障检测

针对感应电机转子断条与偏心故障特征受定子电流基波信号的影响而难以提取的难点,提出了一种基于旋转Park变换滤波的感应电机转子复合故障检测方法.该方法利用电压与电流基波频率相等,通过旋转Park变换,将电流Park矢量的基波正序分量完全滤除而不影响其它的谐波分量,从而使转子断条和偏心故障特征更清晰地显示出来,然后对旋转Park变换滤波后的电流Park矢量的频谱进行分析,可以准确检测到电机转子复合故障时的故障特征.解决了电流频谱分析方法转子故障特征频率分量容易被基波湮没而难以突出故障特征的问题.实验结果表明,应用该方法可有效的对电机转子复合故障进行实时检测.     

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。     

希尔伯特变换在牵引电机转子断条故障诊断中的应用研究

基于希尔伯特变换分析方法,以动车组电机定子电流信号为研究对象,对定子电流信号应用希尔伯特变换后,消去定子电流中包含的直流分量,解决了转子断条故障特征分量容易被基波淹没、难以检测等问题,使故障特征分量的提取更加准确。通过仿真实验证明了希尔伯特变换法在动车组牵引电机转子断条故障诊断中应用的正确性和有效性。     

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。     

高压异步电机转子绕组故障诊断系统的研究

采用定子稳态电流与起动电流相结合的分析方法诊断异步电机转子绕组故障中 ,通过频率细化和自适应滤波技术 ,大大提高了基于电机稳态电流故障诊断的分辨能力和实用性 ;通过对电机定子起动电流时频分析 ,提出采用起动电流中特定频率分量诊断故障的新方法 ,大大提高了电机轻微故障时故障诊断的准确性。根据分析结果研制出了实用可靠的大型异步电机转子绕组故障诊断系统。     

异步电动机定转子故障检测的交互影响

研究了异步电动机定转子故障检测的交互影响问题。从电磁感应角度揭示出转子故障影响定子故障检测的原因,即转子故障导致定子电流出现边频分量,在其调制作用之下,常规定子电流负序分量算法的计算结果将出现“负序分量”,而定子电流负序分量是定子故障的典型特征。从电磁感应角度讨论了定子故障对转子故障检测的影响问题,并对该影响做了定量分析,指出匝间短路故障确实导致定子电流出现边频分量,而定子电流边频分量是转子故障的典型特征,因此在理论上定子故障将影响转子故障的检测;但轻微甚至某些严重匝间短路故障所导致的定子电流边频分量幅值远远小于转子故障所导致的定子电流边频分量,实际上并不会对转子故障检测产生影响。     

基于FFT-LSTM的变速抽蓄机组转子绕组短路故障和偏心故障诊断方法

变速抽水蓄能机组是适应系统功率波动的重要调节手段。转子绕组短路故障和转子偏心故障是其常见的故障类型,两种故障均会在定子侧感应生成特征频带相近的谐波环流,导致两种故障难以被区分。提出了一种基于快速傅里叶变换-长短期记忆(fast Fourier transform-long short-term memory, FFT-LSTM)网络的故障诊断方法,以细化分辨故障特征相近的转子绕组短路故障和转子偏心故障。所提方法以定子分支环流的谐波分量为特征量进行故障诊断,分别推导了两种故障发生时定子侧环流谐波特征,并总结二者间的相似性和差异性。鉴于该差异较为微弱,引入长短期记忆(longshort-termmemory, LSTM)神经网络算法对其进行辨识。利用内部故障仿真模型对可能发生的转子绕组短路故障和偏心故障进行批量仿真,以得到用于LSTM网络训练和测试的数据集。仿真结果表明FFT-LSTM能够准确诊断不同转速下变速抽蓄机组的转子绕组短路故障和转子偏心故障。     

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。