电机故障识别装置设计

本文介绍了一种自动识别电机故障的装置。该装置的CPU系统采用ST公司生产的STM32F103ZET6单片机作为处理器,设置振动传感器,噪声分贝传感器等检测元件,设计全触摸屏控制功能的人机界面。该装置系统能有效监测电机工作状态,对异常状态进行实时监测并反馈测试结论。该装置具有性能价格比高且抗干扰性强,传感器互换性和系统扩展性好,应用范围广等优点。     

电机轴承故障的电流识别法分析

采用电流识别法，即用非侵入性传感器监测电机定子电流，对电机轴承的故障进行诊断，并通过试验验证。证明新的滚动轴承故障识别方法的可行性和有效性。     

基于改进Hilbert分析的陀螺电机轴承保持架故障特征识别

针对陀螺电机轴承保持架故障信号振动频率小、量级低,常被强噪声淹没而难以识别的问题,采用自适应噪声完备集合经验模态分解改进HHT算法,并与自动提取敏感IMF方法相结合以提取保持架故障特征,进行故障状态识别。通过对某挠性支承陀螺仪中存在保持架故障轴承的实例分析表明,该算法可准确提取出多阶保持架故障特征频率。     

水润滑陶瓷滑动轴承最小水膜的理论计算

水润滑陶瓷滑动轴承正常工作的关键因素是在工作面间形成一定厚度的水膜。参照传统滑动轴承的计算准则,采取一系列改进措施,使计算出的最小水膜厚度大于其许用值,以确保陶瓷滑动轴承的液体润滑条件,为今后水润滑陶瓷滑动轴承的研究提供了参考数据。     

基于IEWT-IDWAE的滚动轴承故障识别

针对噪声导致深度学习识别滚动轴承故障时深层网络收敛速度变慢以及识别率降低的问题,提出一种改进经验小波变换(IEWT)结合改进深层Wasserstein自动编码器(IDWAE)的故障识别模型。首先,针对经验小波变换的过分解问题,提出一种振动信号频谱有效边界划分方法,进而将信号自动分解为不同频段的调幅-调频分量;然后,利用一种新的AM-FM分量筛选指标选择主要分量进行重构,实现对信号的有效降噪;最后,针对变分自编码器训练困难的缺陷,引入Wasserstein自编码器,根据中间层神经元的激活值对神经元大小进行自动增减以构造IDWAE,将经IEWT降噪后的信号输入IDWAE进行自动特征提取和故障识别。试验结果表明：IEWT-IDWAE在一定程度上缓解了工程人员对繁琐的特征提取和特征选择的依赖,对噪声的鲁棒性高,故障识别率达到了99.57%,标准差仅0.12,故障识别能力优于其他组合模型方法。     

基于VMD-RobustICA的车用起动电机噪声源识别

提出了基于变分模态分解(VMD)和鲁棒独立分量分析(RobustICA)相结合的车用起动电机噪声源识别算法。首先测量单一通道的电机噪声信号,之后采用变分模态分解将其分解为一系列变分模态分量,然后用RobustICA算法提取其独立成分;最后对RobustICA的分离结果进行频谱分析,结合频谱分析结果和电机噪声的先验知识,确定了各独立分量与电机不同噪声源的对应关系。     

基于Ansoft的盘式电机磁场计算

基于有限元分析软件Ansoft,对一台三相4对极盘式永磁无刷直流电机进行3D建模,对其磁场分布、电磁力等进行了分析。总结3D建模与2D的区别,详细描述各部分模型建立的要点;详尽阐述了软件后处理结果。文中所得结果为分析盘式电机的工作原理及进一步开发和应用提供了理论基础,为电机优化设计提供了可靠依据。     

基于EMD-HMM的BIT间歇故障识别

针对引起机内测试系统(BIT)虚警的间歇故障,提出了一种基于经验模态分解(EMD)和隐马尔科夫模型(HMM)的间歇故障诊断方法以抑制虚警。首先对原始信号进行EMD分解,选择能量最大的几个固有模式分量函数(IMF)进行特征提取,作为系统状态的观测值;然后将观测值输入到训练好的HMM中进行决策,求取最大似然概率值作为识别结果。结果表明,利用EMD进行特征提取并与HMM方法相结合能很好地分类出各种状态,有效地诊断出间歇故障。     

电机故障的分析判断

介绍三相异步电动机的常见故障,并做出分析判断.     

电机故障浅析

为了进一步提高产品质量，少出故障，通过对电机常见故障进行分析，找出技术薄弱环节，采取必要的预防措施，从而提高产品质量。     

基于分形的滚动轴承故障模式的识别

针对滚动轴承振动信号的特点，从分形原理出发，利用盒维数的概念，对滚动轴承故障产生的非平稳、非线性信号进行了定量描述。试验结果表明，由于滚动轴承不同故障的动力学产生的机制不同，其盒维数明显不同。因此利用盒维数可以准确地识别滚动轴承的故障模式。     

基于振动信号的中速磨煤机故障识别

为了深入分析磨煤机在发生不同故障时的振动异常原因,构建了磨煤机振动监测系统,并基于所采集振动信号,提出了一种K值优化的VMD-HHT边际谱结合LSSVM模型的磨煤机故障识别方法。首先,构建了磨煤机振动监测系统,并采集了振动故障信号。其次,对故障样本集进行数据预处理,利用VMD-HHT边际谱对磨煤机的振动信号进行处理,提取了不同状态下的边际谱作为故障特征,然后利用LSSVM模型对各故障特征进行决策分类。最后,通过实验证明了所提出方法的有效性。结果显示,VMD-HHT边际谱能更清晰地表达故障信息,该方法的分类准确率高于基于EMD和EEMD的方法,准确率可达96%。     

基于时频和频谱识别齿轮箱故障

首先对频谱分析方法和时频分析方法的原理进行了简要的介绍,再根据频谱分析与时频分析的特点,依据实验对齿轮箱所设置的3种工况,进行了正常运行下与断齿、外圈断裂故障运行下的三种状态进行了对比,转速为900r/min。结果表明,此方法能够得到比较理想的效果。     

基于深度字典学习的滚动轴承故障识别

针对传统滚动轴承故障识别算法存在的特征提取与选择困难的问题,提出了一种基于深度字典学习(DDL)的滚动轴承故障诊断方法.首先,利用传感器采集了不同工况下的滚动轴承故障振动数据,并利用字典学习的稀疏性约束逐层学习了轴承故障数据中的典型结构特征;然后,借鉴深度学习的"逐层特征提取"思想,根据故障样本结构构造了深度故障字典,...     

基于电力线载波通信的电缆故障识别算法

随着电网中电缆的大规模使用,电缆状态监测和故障识别对于电网安全运行变得尤为重要。针对实际电缆带电检测或在线监测场景下的高噪声或强干扰情况,提出了一种基于电力线载波通信的电缆故障识别和定位算法。该方法在待测电缆一端注入载波通信中常用的前导码序列,同时采集电缆中的反射信号,并利用多径迭代分析算法提取反射路径数量、强度、到达时间等信息,实现电缆故障识别、故障类型/程度判断以及故障定位。由于前导码序列良好的自相关性能,所提出的电缆故障识别算法具有较强的抗噪声和干扰性能。通过仿真分析表明,所提算法在信噪比为-5 dB左右时故障识别准确率可达100%,故障定位均方根误差收敛到误差平台。此外,利用前两径的到达时间降低系统采样率对故障定位影响,相比传统方法定位精度可提升约60%。     

基于Matlab的电动汽车驱动电机匹配计算

通过对电动汽车驱动电机匹配逻辑进行分析,基于matlab GUI软件对电动汽车的驱动电机参数匹配进行可视化用户界面设计,程序调试结果表明,该电机参数可视化匹配界面可为优化驱动电机性能匹配、仿真模拟提供方便、快捷的运算方法。     

齿轮故障识别

通过对振动信号进行解调,提取相位调制信号,得到了故障信息。根据齿轮啮合振动频谱,对齿轮的裂纹进行诊断。     

支持向量回归参数估计在风电机组故障模式分析中的应用

风轮系统的可靠与否直接影响着风电机组的安全运行,有必要对其建立合理的可靠性模型并准确估计模型参数,以反映其真实可靠性情况。威布尔分布模型被广泛应用于各领域的可靠性建模,支持向量回归机(SVR)保持了支持向量机适用于小样本的特性,可用于小样本数据可靠性模型的参数估计。以某个风电场投运以来的风轮系统故障数据为基础,建立其威布尔分布模型,采用SVR估计模型参数,并与传统的基于最小二乘法的参数估计结果对比,结果表明,采用SVR估计模型参数具有更高的准确性,更适合于小样本数据可靠性模型的参数估计。     

电机故障模式识别软件开发

本软件基于MATLAB6.5中的GUI、神经网络以及信号处理工具箱开发出了电机故障诊断的计算机仿真平台。使用者不需要编程序,只需要在友好且交互性强的图形界面中按所给的格式及提示输入相应的参数即可完成电机故障诊断任务。实验证明该软件可以很好地应用到实践当中。     

电机故障的诊断方法

电机故障中，轴承的占38．5％，绕组的占39％，两者之和达77．5％。