现代电机设备智能故障诊断综述

分析了电机设备故障诊断的基本原理,系统地阐述了电机设备的现代故障诊断方法,并分析了已有的各种故障诊断方法的特点,最后指出了电机故障诊断方法的发展趋势。     

关于电机设备故障诊断的分析

分析了电机设备故障诊断的基本原理，系统地阐述了电机设备的现代故障诊断方法，并概括了已有的各种故障诊断方法的特点，指出了电机故障诊断方法的发展趋势。     

基于虚拟仪器的电机噪声测量系统设计

噪声检测是一种重要的电机故障诊断方法。基于LabVIEW软件平台,开发了电机噪声虚拟测量系统。该系统通过噪声检测时电机故障的特征量进行辨识,为电机的故障诊断提供依据。     

产品与市场

该诊断仪采用先进的诊断技术和优秀的设计,从根本上解决了目前在电机故障判断上的猜测行为。使用范围广,判断快捷准确,待机时间长,操作简单,携带方便。 应用范围:电机定期故障诊断,运行电机不解体故障诊断,电机修理前正确故障诊断,备件电机入库前修理后质量检测。     

基于卷积神经网络的异步电机故障诊断

由于电机内部结构的复杂性,使得其故障特征与故障类型之间存在较强的非线性关系;目前用于异步电机故障诊断的方法都是人工手动提取特征,这需要大量的先验知识、丰富的信号处理理论和实际经验作为支撑,诊断效率不高;同时用于模式识别时的样本量过少,会导致网络过拟合等问题。针对以上问题,提出了基于短时傅里叶变换(short-time fourier transform,简称STFT)和卷积神经网络(convolutional neural networks,简称CNN)的电机故障诊断方法。该方法以单一振动信号为监测信号,使用STFT将故障信号转换成时频谱图,构建大量不同故障样本,以确保样本多样性,提高网络鲁棒性。将预处理后的样本作为CNN的输入,有监督地调整网络参数,以实现准确的电机故障诊断。将所提出的STFT+CNN算法分别与传统的电机故障诊断方法及堆叠降噪自编码进行比较分析。试验结果表明,该方法能够更有效地进行电机故障诊断。     

基于模糊故障诊断的电机故障诊断专家系统设计——以电动汽车驱动电机为例

为了改善电动汽车驱动电机故障诊断效率和诊断精准度,本文选择遗传算法和模糊故障诊断方法作为研究工具,设计一套新型电机故障诊断专家系统。该系统利用传感器采集电机作业状态数据,经过模糊处理,按照模糊规则,调动知识库和数据库,对电机作业状态进行诊断。测试结果显示,本系统在电机故障诊断精准度为99.8%,响应时间控制在200μs以内,较传统系统性能有了很大改善。     

红外诊断技术在电机故障诊断中的应用

电机的很多故障都是以发热为征兆,红外诊断技术以其非接触的特点,在电机故障诊断中拥有不可比拟的优势。具体阐述红外诊断技术的原理,电机发热的原因及红外诊断技术在电机故障诊断中的具体操作。     

利用MCA技术对电机进行故障诊断

MCA技术是把电机视同于一个由电阻、电感和电容组成的复杂电路进行分析,可以对电机进行不解体状态下的故障诊断。本文重点介绍MCA测试方法,及在电机故障诊断中的应用。     

振动分析技术在三相异步电机故障诊断中的应用

电动机状态监测及故障诊断是目前电动机运行维保主要发展方向,其中振动监测是电动机状态监测的重要组成部分,电动机故障包括机械故障和电气故障,部分电气故障会导致电机结构振动响应变化,从而为电机故障预测提供依据。列举电机常见电气故障及其特征频谱,并以案例的形式介绍了振动信号分析在三相异步电机故障诊断中的应用。结果表明,振动分析可以为电机电气故障诊断和预测提供技术支撑,从而避免电机非计划故障停机,实现电机的预知性维修。     

基于BP神经网络的全贯流电机泵故障诊断

BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,可用于数据的运算分类及预测,在故障诊断分析方面应用广泛。全贯流电机泵特点是电机的转子代替了水泵的叶轮外壳,电机泵的电机故障特点比普通电机多且复杂。目前,全贯流泵故障诊断的研究较少,但BP神经网络算法对电机故障诊断分析的研究应用成熟。运用BP神经网络算法尝试对全贯流泵可能存在的故障进行模拟诊断分析与研究,得到了较好的效果。     

基于PSCAD/EMTDC的异步电动机定子绕组三相故障仿真

在电磁暂态分析软件PSCAD/EMTDC环境中,对电动机两相接地故障进行仿真,以三相接地故障的数学模型代替实际电力系统,用数值方法对系统进行运行试验和研究.该模型不仅可以对电动机故障的瞬态和稳态过程进行仿真,而且能够揭示电动机故障瞬态的运行特征及瞬态过程中各个故障量的变化规律.验证了EMTDC电动机模型和算法的有效性和正确性,为深入研究电动机故障诊断和保护提供了有效的仿真平台.     

大型电动机的状态监测及诊断

电动机故障包括绝缘故障、定子故障、转子故障、轴承故障等。各种故障都会以一定的故障信号方式表现出来，而通过对信号中故障特征信号的提取分析可以对电动机故障进行判断。本文对电动机的多种基于信号监测的故障分析方法进行了原理分析，包括对定子电流信号的多种分析、轴承振动的频谱分析、电动机转速的波动分析等，对其他的多种故障监测方法也进行了介绍，并对每种分析方法所适用的故障诊断类型及优缺点给予了说明，最后指出了今后的发展趋势，为电动机故障诊断方法的应用提供了参考依据。     

异步电动机故障监测及保护系统的研究

针对目前异步电动机故障监测和保护系统功能相对单一,保护动作不够及时,常出现一些误动作,且不能及时与上位机信息交换等问题,提出了一种以16位单片机MSP430F449为核心的异步电动机故障监测及保护系统.给出了单片机控制系统的硬件电路结构、软件框图及其实现方法.系统采集电动机的三相输入电压、电流、转速、温度等信号,应用信号处理算法对电动机的状态实施监测和保护,通过键盘和LCD显示器完成人机交互.经分析表明:该系统可实现电动机故障信号监测,具有软停车、轻载节能及保护等功能.     

BP神经网络技术在雨刮电动机故障诊断中的应用

在电动机故障诊断技术中,最能全面反映电动机运行状态的唯独有振动信号。因此,提出一种基于小波分析和BP神经网络的电动机故障诊断方法。首先该方法采用小波包分析对振动信号消噪滤波并计算频带能量,随后根据振动信号大小提取其能量特征值,并以此建立电动机故障诊断的BP神经网络模型,再以Matlab软件的仿真模块为平台,最终开发了雨刮电动机故障诊断的智能检测系统。试验表明该系统的建立能够提高雨刮电动机故障诊断的效率和准确性。     

直流无刷电机故障检测与诊断的仿真模型

利用Matlab建立了一种适合于故障诊断的直流无刷电机仿真模型。该模型结合直流无刷电机的常见故障，充分考虑了在故障诊断过程中对各路电流单独检测的实际需要，采取三相分开控制，将机械与电气部分进行了最大程度的分离，便于进行模块化故障分析。在此模型基础上，利用改进的模式识别方法辨识了系统参数，通过系统辨识的结果与系统参数的正常值及故障值的比较，便可发现系统故障并确定故障程度。实验验证了该仿真模型的有效性和算法的可行性，这为直流电机故障诊断提供了经济、可行的研究试验平台。     

基于扩展卡尔曼滤波的液压马达故障诊断

针对液压马达在实践中经常出现的故障模式,从液压马达的模型出发,抽取重点关心的状态方程,采用扩展卡尔曼滤波(EKF)器的状态估计方法,对液压马达故障进行诊断研究,较好地提高了故障诊断的效率与精度。经某型液压马达故障诊断仿真结果表明,该方法可以准确地对液压马达的故障进行诊断,是一种有效的故障诊断方法。