基于CZT和ZoomFFT法的频谱细化在电动机故障诊断中的应用

随着工业自动化的发展,笼型异步电动机被广泛采用,转子断条与偏心是常见的故障。传统频谱分析技术已不能满足故障诊断的需求,近年来在传统傅里叶算法基础上发展起来的频谱细化分析技术得到了迅速发展。常用频谱细化方法有FFT-FS法、Yip-Zoom法、CZT变换分段法和基于复调制的ZoomFFT法。后两种方法更优越,使用范围也广。通过Matlab用CZT和ZoomFFT两种方法进行断条故障仿真实验,对比频谱细化图得出ZoomFFT较CZT更具优势的结论。     

异步电动机工作状态的监测与故障诊断

电动机工作状态的监测与故障诊断是保障电动机及其相关设备安全、可靠运行的前提。概述了三相异步电动机工况的监测和故障诊断方法。     

异当电动机工作状态的监测与故障诊断

电动机工作状态的监测与故障诊断是保障电动机及其相关设备安全、可靠运行的前提。概述了三相异步电动机工况的监测和故障诊断方法。     

高压电动机在线状态监测与故障诊断技术探讨

以潘一东区矿建项目部压风机房所安装的高压电动机为研究对象,介绍高压电动机状态监测与故障诊断技术的原理、方法,特别对转子断条故障、电动机偏心故障以及匝间短路故障的诊断方法从理论上进行阐述,提出了在尽量不增加硬件的情况下,以电流监测为主,通过频谱分析的方法在线诊断电动机故障。     

电动机状态监测与故障诊断技术

本文总结了兴隆庄煤矿洗煤厂十几年来应用状态监测和故障诊断的现状，探讨开展状态监测与故障诊断的有效方法，提出了改进和提高的思路，以期推动基层监测工作的发展。     

基于冲击脉冲法滚动轴承状态监测研究

 滚动轴承的状态监测和故障诊断一直是国内外发展机械故障诊断技术的研究重点之一。本文研究了冲击脉冲法的原理和评判依据,以洗煤厂渣浆泵滚动轴承组件为对象,利用冲击脉冲法研究了其状态监测和故障诊断问题,通过对洗煤厂渣浆泵轴承组件的跟踪监测,并对监测结果进行了趋势分析,发现了该滚动轴承组件存在故障的结论,检修结果验证了判断结果的正确性。     

一种基于DSP的电动机实时监测及故障诊断系统

针对大中型三相异步电动机可靠、高效运行的要求,设计了一种基于DSP的电动机状态实时监测及故障诊断系统,介绍了该系统的硬件组成,阐述了系统的整体功能及实现过程。该系统采用模块化结构,集运行状态检测、运行数据记录和故障诊断于一体,可实现大型异步电动机实时、就地监测和故障诊断功能。实验结果表明,该系统运行良好,数据准确,诊断可靠性高。     

基于神经网络的机械设备状态监测与故障诊断技术

设备诊断过程由状态监测、故障诊断、安全保障和维修决策等主要环节组成，每个环节的实施和处理也就构成了设备诊断技术的内容。从历史的角度来看，设备诊断技术的发展过程大致可分为4个阶段。只有当计算机技术的发展才使设备诊断技术得到了质的飞跃，并取得了重大经济效益。随着人工智能技术的发展，尤其是专家系统、神经网络等技术在诊断问题中的应用，设备诊断技术已开始或正在向它的第4个发展阶段——智能化阶段迈进。     

机电设备的状态监测与故障诊断

机电设备的故障诊断就是利用机器运行过程中各个零部件的二次效应,由局部推测整体,发挥出设备寿命周期的最大效益。该文主要阐述了机电设备的状态监测和故障诊断、设备诊断过程、振动诊断技术、红外诊断技术和铁谱分析技术和油液气相分析技术等问题。     

设备状态监测故障诊断技术的应用

介绍了设备状态监测，故障诊断技术发展概况及其在平顶山煤业集团公司应用情况。     

基于相空间重构和模糊聚类的电动机故障诊断方法

根据笼型异步电动机断条故障的基本规律及相空间重构和模糊聚类的物理意义,利用相空间重构把非线性时间序列重构成低阶非线性系统的组合,对三相电流信号进行分析、提取信号特征,对重构后的电流轨迹进行辨识和定量分析,实现故障深入诊断。利用实验数据和仿真验证:该方法可用于笼型异步电动机转子断条故障的检测。     

基于参数辨识法的异步电动机故障诊断

参数辨识法是异步电动机在线故障诊断的有效方法。根据定子电压、电流数据,采用递推最小二乘算法,计算电动机参数,在线辨识电动机故障,并讨论渐消记忆递推最小二乘法中遗忘因子对参数辨识的影响。鉴于模型的复杂性,用灰色系统观点线性化异步电动机模型,使参数快速收敛,但参数缺乏明确的物理含义。从电动机内部电磁关系入手,建立鼠笼异步电动机旋转坐标系电磁模型,消除磁链变量,避免磁链观测,达到故障诊断的目的。     

基于粗糙集和模糊支持向量机的感应电动机故障诊断方法

提出粗糙集(RS)和模糊支持向量机(FSVM)相结合的电动机故障诊断方法。先利用粗糙集对属性进行约简,然后将约简属性作为FSVM的输入,再对其进行训练,实现多分类,并使结果可视化。实际诊断结果验证了此方法的可行性与有效性。     

基于BP神经网络电动机转子故障诊断方法的研究

利用BP神经网络对转子故障进行建模分析。发挥神经网络的自学能力和联想能力,对非训练样本,做出控制决策,表现非常灵活。可根据实验数据进行网络训练,用新数据进行模型验证。还与概率神经网络(PNN)进行对比验证。实验表明只要选择合适的节点数,BP神经网络比概率神经网络对转子故障有较强的学习和辨识能力,收敛较快,性能稳定,预测结果显著。     

基于主成分分析和神经网络的电动机故障诊断方法研究

为能有效地对电动机转子断条故障初期进行检测,以小波包分析方法为基础,根据能量频谱中能量值的变化来诊断电动机故障。根据能量值的大小来判别电动机故障的严重程度,再利用小波包结合主成分分析(PCA)提取能反映原始数据集的特征向量,最后利用径向基函数(RBF)神经网络来对电动机故障类型进行识别。仿真验证了该方法能有效地提取电动机的故障信号量,并能正确地识别电动机的故障类型。     

基于QCS的三相交流异步电动机故障诊断方法研究

为能准确、快速识别电动机故障发生初期其微弱的故障信号,同时省略对其携带故障信号的具体相电流的判断,设计了三相电流平方和QSC运算方法来放大和转移特征频率,并可以很好地整合故障特征频率。在试验台中设计断条和偏心两种故障状态,将获得的三相电流数据导入Matlab中,使用QSC模型对数据进行识别,并对正常的电动机进行对比,成功分离出故障信号频谱,准确直观呈现出电动机的故障特征。此方法操作方便,结果准确直观,测试性能优越。     

基于遗传小波网络的电动机故障诊断

对基本的遗传算法进行了改进,并将其与BP算法相结合构成混合算法应用到电动机故障诊断的小波神经网络训练中。仿真结果表明,该算法有效地解决了小波网络初值设置不合理,极易进入局部极小的区域,以致网络振荡增大、不收敛,而GA算法独立训练神经网络速度缓慢等缺点。用训练过的小波神经网络模型对5组电动机故障进行验证和诊断的仿真结果也表明了,该算法具有较快的收敛速度和较高的计算精度,证实了该算法应用于电动机故障诊断的有效性。     

基于最小二乘支持向量机的电动机故障诊断方法

为从电动机频谱识别出故障电动机,先用CZT变换(线性调频Z变换)分析采集到的电动机数据进行分类,然后训练最小二乘向量机,再把相同维数的数据送入训练好的最小二乘向量机进行判断,最终得出用最小二乘向量机进行电动机故障诊断的准确性、可行性和可靠性。     

基于HHT方法的鼠笼式电动机转子断条故障诊断研究

电动机故障信号通常采用时频分析方法处理。传统的时频分析方法都有各自的局限。HHT方法(赫-黄变换)首先利用经验模态分解将原信号分解成若干个固有模态函数之和,再对各固有模态分量进行Hilbert变换,得出信号的Hilbert谱和边际谱,然后找出原信号的特征频率成分。研究表明,用HHT方法能有效地提取鼠笼式电动机转子断条的故障特征。     

基于粗糙集理论的异步电机故障诊断研究

分析了小波包能量和Park矢量提取电机故障特征信号的特点,然后使用粗糙集理论对数据建立决策表。在决策表约简的过程中,由于所需处理数据过多,属性约简过程应用了遗传算法。并介绍使用了基于粗糙集的数据处理软件—Rosetta。之后,经过进一步约简,得到简化的电机故障诊断的决策规则。最后通过实例进一步验证该方法,保证了该方法的可行性。