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。     

笼型异步电动机转子断条故障新特征

根据笼型异步电动机转子断条故障的基本规律与正弦信号希尔伯特变换的物理意义,将希尔伯特变换、频谱分析/校正与自适应滤波技术相结合,以获取定子电流滤波信号的希尔伯特模量,指出其在复平面所占面积可反映转子断条故障存在与否,且其数值伴随故障程度的加剧而增大.仿真与实验数据分析验证了这一规律.进而提炼出笼型异步电动机转子断条故障新特征--定子电流滤波信号希尔伯特模量回转半径.仿真与实验数据表明,该特征对于转子断条故障灵敏,并对电机负载状况呈现一定的鲁棒性,将其应用于笼型异步电动机转子断条故障检测可行.     

鼠笼型异步电动机转子故障诊断新方法

通过频谱分析看定子电流中是否存在(1±2s)f1频率分量来确定鼠笼型异步电动机转子是否故障的方法得到了广泛的应用,但是由于(1±2s)f1频率分量的幅值相对于基频f1分量的幅值非常小,且频率(1±2s)f1与频率f1在频谱图上非常接近,使得这种方法存在诊断灵敏度低和对采样分辨率要求高的缺点。利用异步电动机定子单相瞬时功率信号中含有的信息量丰富的特点,提出了一种基于定子单相瞬时功率信号频谱分析的诊断鼠笼型异步电动机转子故障的新方法。该方法首先把单相瞬时功率信号中的直流分量过滤掉,然后利用快速傅立叶变换看信号     

基于小波包变换的笼型异步电机转子故障诊断

本文分析了笼型异步电动机转子断条故障时的频率特点,阐述了小波包变换异步电动机转子断条故障的频带特征,在分析对比了多种信号处理方法后,本文提出了"自动寻求路径"的小波包树分解算法并选择其作为感应电机故障提取算法.这种算法既具有很好的自适应性和频域精度,又避免了过大的计算量,有效而实时地提取了故障信息.     

基于小波脊线的笼型异步电动机转子故障特征提取

提出了基于小波脊线的渐近信号瞬时频率提取算法 ,并应用到异步电动机转子故障特征提取中。异步电动机转子故障时 ,相应地定子电流中便含有频率为 (1 - 2s) f1的附加电流分量。由于异步电动机起动过程中转差率s是连续变化的 ,(1 - 2s) f1则以 f1→ 0→f1的规律进行变化 ,因此可以通过应用小波脊线分析异步电动机定子起动电流信号来提取转子故障特征。实验结果证明了本方法的有效性     

鼠笼型异步电动机转子故障诊断新方法

通过频谱分析看定子电流中是否存在(1±2s)f1频率分量来确定鼠笼型异步电动机转子是否故障的方法得到了广泛的应用,但是由于(1±2s)f1频率分量的幅值相对于基频f1分量的幅值非常小,且频率(1±2s)f1与频率f1在频谱图上非常接近,使得这种方法存在诊断灵敏度低和对采样分辨率要求高的缺点.利用异步电动机定子单相瞬时功率信号中含有的信息量丰富的特点,提出了一种基于定子单相瞬时功率信号频谱分析的诊断鼠笼型异步电动机转子故障的新方法.该方法首先把单相瞬时功率信号中的直流分量过滤掉,然后利用快速傅立叶变换看信号频谱图中是否存在2sf1故障特征量来判断鼠笼转子有无故障,具有故障特征信息多、诊断灵敏度高、对采样分辨率要求低的优点.文中用数字仿真和实测结果验证了该方法的有效性,并给出了导条断裂根数和故障特征分量2sf1与2倍频分量幅值之比的对应关系.     

高压电动机双速改造导致鼠笼条断裂的原因分析

鼠笼式异步电动机是应用最广泛的一种电动机,鼠笼式三相异步电动机鼠笼条断裂故障是这类电动机的一种常见故障,本文针对某电厂循泵电动机由于节能改造需求由单速电动机改造为双速电动机,运行一段时间后,多台电动机转子鼠笼条出现断条的现象,对此故障发生原因进行分析,并对电动机转子进行工艺改进,取得一定的效果。     

基于小波包分析的笼型异步电动机转子断条在线检测方法

本文简单介绍了笼型异步电动机转子断条在线检测方法,指出如何正确识别电动机转子断条故障与负荷波动仍是一个亟待解决的突出问题.对应用小波包分析实现转子断条在线检测作了可行性研究,指出根据电动机定子电流信号的小波包分解系数完全可以检测转子断条故障.在此基础上,提出了一种新的基于小波包分析的转子断条在线检测方法,其突出优点在于可正确识别电动机转子断条故障与负荷波动.数字仿真及实验结果证明该方法是切实可行的.     

基于小波包分析的笼型异步电动机转子断条在线检测方法

本文简单介绍了笼型异步电动机转子断条在线检测方法,指出如何正确识别电动机转子断条与负荷波动仍是一个亟待解决的突出问题。对应用小波包分析实现转子断条在线检测作了可行性研究,指出根据电动机定子电流信号的小波包分解系数完全可以检测转子断条故障。在此基础上,提出了一种新的基于小波包分析的转子断条在线检测方法,其突出优点在于可正确识别电动机转子断条故障与负荷波动。数字仿真及实验结果证明该方法是切实可行的。     

基于解析小波变换方法的鼠笼型异步电动机转子断条检测新方法

提出利用解析小波变换方法检测异步电动机转子断条故障。解析小波变换是将小波分析与Hilbert变换相结合,可以正确区分异步电动机负荷波动与转子断条故障。该方法可以准确判定负荷突变发生时刻,提高了异步电动机转子断条故障检测的可靠性及准确性。数值仿真结果证明了该方法的有效性。     

基于小波包能量分析和信号融合的异步电机转子故障诊断

为提高异步电机转子故障诊断的可靠性,文中介绍了一种基于小波包能量分析和信号融合的异步电机转子故障诊断方法。采用定子电流信号和振动信号的频谱特征融合作为转子断条以及气隙偏心故障的诊断依据,首先对信号进行小波包分解,获得不同小波包频带节点下对应的能量分布,并与正常电机信号进行比较,进而对能量异常的信号频段进行小波包节点重构,最后通过快速傅里叶变换识别故障特征频率,诊断电机故障是否发生。通过仿真分析,验证了该方法的有效性和实用性,对于电机运行状态的准确监测具有重要意义。     

基于小波包分析的异步电机转子故障检测

针对异步电机转子断条故障信号特征频率易被主频淹没的缺点,利用小波包分析法提取电机电流信号的故障特征频带能量,并以此为依据,基于"频率-能量-故障"模式,对异步电机转子断条故障进行检测信号,实验结果表明该方法能够有效检测转子断条故障。     

小波包分解在电机故障诊断中的应用

针对常用的时域和频域分析在诊断电机故障时存在不能同时诊断出故障时间和类型的问题，在分析电机故障特征的基础上，利用时频两域都具有表征信号特征能力的小波，对采集来的电机振动信号进行小波包分解，利用分解的小波系数，在各个频段上进行小波信号重构，并计算信号各个频段的能量特征值，提取故障特征，诊断故障发生的时间和故障类型。经仿真验证，小波包分解能将故障信号有效划分到不同的频段内，而且时域和频域局部化特性好，能有效地诊断出电机故障，具有良好的理论意义与工程应用价值。     

基于电磁转矩复解析小波变换的感应电机转子故障检测

提出一种运用电磁转矩信号对感应电机转子断条故障进行检测的新方法.当感应电机转子发生断条故障时,转子绕组的不对称将会使电磁转矩中引入2s同步速的脉动转矩(s为转差率).对电机起动电磁转矩信号进行复值小波变换,根据分析小波在特定中心频率条件时信号瞬时频率与其对应小波脊线的关系,提取出故障特征转矩频率变化规律,实现转子故障的可靠检测.同时,对应尺度上小波系数的模值还能够反映该故障特征转矩在电机起动过程中的幅值变化规律,将其作为故障严重程度指标则可以进一步判断转子断条根数.实验结果证明了该方法的有效性.     

小波包在电机故障诊断中的应用

针对常用的时域和频域分析在诊断电机故障时存在不能同时诊断出故障时间和类型的瓶颈问题,利用在时频两域都具有表征信号特征能力的小波,对采集来的电机振动信号进行小波包分解。利用分解的小波系数,在各个频段上进行小波信号重构,并计算信号各个频段的能量特征值,提取故障特征,诊断故障发生的时间和故障类型。     

基于APSO-SSVM的异步电动机转子故障诊断

基于信号分析的异步电动机的转子断条与偏心故障诊断方法中,常用传统的电机电流信号特征分析(MCSA)方法。由于采样频率偏低、强大的基波旁瓣效应等因素的影响,会导致特征频率成分被淹没、难以量化故障程度等问题。因此,提出了一种基于自适应粒子群优化逐序支持向量机(APSO-SSVM)的异步电动机故障诊断方法。首先,利用经验小波变换(EWT)对原始信号进行滤波;然后,对滤波后的信号进行特征提取并输入到SSVM诊断模型中;最后,通过APSO算法确定各次序下SVM模型的最佳超参数,从而实现转子断条数量的精确故障诊断。     

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。     

小波包在电机故障诊断中的应用

针对常用的时域和频域分析在诊断电机故障时存存不能同时诊断出故障时间和类型的瓶颈问题，利用在时频两域都具有表征信号特征能力的小波，对采集来的电机振动信号进行小波包分解。利用分解的小波系数，在各个频段上进行小波信号重构，并计算信号各个频段的能量特征值，提取故障特征，诊断故障发生的时间和故障类型。     

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.