基于谐波小波的变频机转子断条故障诊断

变频机转子发生断条故障时,定子电流中将产生相应特征频率的电流分量。对这种特征信号的提取与监控,能够实现转子短条故障的检测。研究利用谐波小波的分频特性实现转子断条故障特征信号的提取方法。仿真结果和实际应用表明,这种方法能够准确地提取转子导条断裂故障的特征信号,是变频机转子导条断裂故障诊断的一种可靠的方法。     

基于谐波小波的变频机转子断条故障诊断

变频机转子发生断条故障时,定子电流中将产生相应特征频率的电流分量.对这种特征信号的提取与监控,能够实现转子短条故障的检测.研究利用谐波小波的分频特性实现转子断条故障特征信号的提取方法.仿真结果和实际应用表明,这种方法能够准确地提取转子导条断裂故障的特征信号,是变频机转子导条断裂故障诊断的一种可靠的方法.     

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.     

基于电磁转矩小波变换的感应电机转子断条故障诊断

该文提出了一种基于感应电机启动电磁转矩信号的转子断条故障诊断新方法。利用复值小波变换中的小波脊线提取出启动电磁转矩中故障特征在电机启动过程中的频率变化规律，检测出转子断条故障。同时，小波系数的模反映了信号在对应尺度上的能量大小，所以对应故障特征脊线上的小波系数模反映了该故障特征转矩的幅值变化规律。基于此，定义了脊线一小波能量谱的概念。将故障特征转矩对应的脊线一小波能量谱作为故障严重程度因子，即可根据其与转子连续断条根数的关系给出感应电机转子故障严重程度的表示方法。实验结果证明该方法是可行的。     

基于D-S证据理论的感应电动机转子故障诊断方法研究

提出运用D-S(Dempster-Shafer)证据理论对感应电动机转子断条故障进行识别的故障诊断方法.基于小波包变换的频率划分特性,对定子电流信号进行小波包分解,建立了转子断条故障的特征矢量,提取转子断条故障的特征信息,利用BP神经网络对其识别的结果形成彼此独立的证据,并根据D-S证据融合规则进行融合处理,以实现对电动机转子断条故障的准确识别.实验结果表明,该方法克服了传统基于FFT分析方法难以提取故障特征频率分量的难点,提高了故障诊断的判决精度,可实现转子断条故障的可靠诊断.     

变频机转子断条故障诊断方法研究

介绍了应用谐波小波的分频特性提取转子断条故障特征信号,利用数字信号处理器为核心的变频机故障检测系统实现转子短条故障的检测。同时介绍了变频机故障检测仪的硬件、软件实现及实际应用。结果表明这种方法能够准确地提取转子导条断裂故障的特征信号,是变频机转子导条断裂故障诊断的一种可靠的方法。     

基于小波包分析和支持向量机的异步电机转子断条故障诊断

提出了一种基于小波包分析(WPA)和支持向量机(SVM)的异步电机转子断条故障诊断方法。针对异步电机转子断条故障时定子电流出现的边频分量(1±2s)f进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响。采用多个最小二乘支持向量机组成故障分类器,兼顾了训练误差和计算效率,将故障特征向量输入支持向量机进行训练,从而实现在小样本情况下转子断条故障的在线识别。试验结果表明:基于小波包分析提取的故障特征明显,由WPA和SVM构成的诊断系统,具有良好的分类能力和泛化能力,有效提高了异步电机转子断条故障在线诊断的准确率。     

萤火虫-粒子群优化神经网络的异步电机转子断条故障诊断

针对目前异步电机转子断条故障诊断方法存在的局限性及其缺陷,在利用小波包分析提取电机转子断条故障特征向量的基础上,提出一种基于萤火虫-粒子群神经网络的故障诊断方法,构建电机转子断条的神经网络故障诊断模型,采用萤火虫-粒子群算法优化神经网络的结构参数。试验分析表明,该方法用于电机转子断条故障诊断,诊断速度快、准确性高、可靠性好。     

小波分析应用于笼型异步电动机转子断条在线检测初探

简单介绍了笼型异步电动机转子断条在线检测方法,指出如何正确区分电动机负荷波动与转子断条故障仍是一个亟待解决的突出问题,提出了一种基于小波分析的负荷波动判定方法,它可以对负荷波动进行准确定位,并反映负荷波动范围,同时,该文对应用小波分析提取转子断条故障特征分量的可行性进行了研究,结果表明小波分析对此是不适宜的,提取转子断条故障特征分量还必须依靠傅里叶变换方法,在此基础上,提出了一种基于小波分析,自适应滤波与连续细化傅里叶变换的转子断条在线检测新方法,其突出优点在于可以躲过负荷波动对转子断条在线检测的影响。数字仿真及实验结果证明该方法是切实可行的。     

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.     

BEMD全矢包络谱及其在TRT故障诊断中的应用

为全面提取转子故障时振动信号特征,提高故障诊断的可靠性,提出了一种基于全矢包络谱的旋转机械故障诊断方法。首先,利用正交采样技术获取转子同一截面上互相垂直的振动信号,将其组成复数信号;然后,运用基于能量阀值的二元经验模态分解(BEMD)将复数信号分解成系列复固有模态函数分量(CIMFs),利用希尔伯特变换(HT)解调CIMFs获得复包络信号;最后,通过全矢谱技术融合复包络信号得到全矢包络谱,在此基础上,进行故障诊断。柔性转子和高炉煤气余压透平发电装置故障诊断结果证明了所提方法的有效性和可行性。     

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。     

RBF-NN对发电机转子绕组匝间短路的诊断

为了能更准确地诊断出发电机转子绕组匝间短路故障,基于改进的双层动态均值聚类分析的径向基神经网络对转子绕组匝间短路故障进行了诊断.同时,通过对同步发电机转子绕组故障信号进行分析,并把从中提取的故障信号的特征量作为学习样本,通过改进的径向基神经网络的训练,使构造的径向基神经网络能够反映样本的特征向量和转子绕组匝间不同程度的...     

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。     

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。     

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。     

TKEO和SET在轴承故障诊断中的应用

时频分析是提取轴承故障诊断的重要方法,在强背景噪声下难以提取瞬态故障特征。针对这一问题,提出一种基于Teager-Kaiser能量算子(TKEO)和同步提取变换(SET)的轴承故障诊断方法,提高SET的时频分析能量的集中度。该方法首先对采集的轴承振动信号进行提取TKEO处理,凸显轴承故障振动信号的冲击分量;然后,对处理后信号进行SET时频分析,通过同步提取算子(SEO)提取时频脊线的时频系数,实现对瞬态故障特征提取;最后通过仿真信号和实测信号进行分析,验证该方法的可行性。实验结果表明:该方法可以有效提取轴承的故障特征,且与先前的时频分析方法相比分析结果具有一定的优越性。     

局域波法和独立成分分析在转子系统故障诊断上的应用

提出了一种局域波法和独立成分分析相结合的机械故障诊断方法。对于机械设备的振动信号，通过局域波法得到的局域波时频图像能够同时在时间和频率上反映信号能量的变化。不同故障信号的局域波时频图像也明显不同，因此可以用来进行故障的判别。为了实现故障的自动分类，应用独立成分分析对不同故障信号的局域波时频图像进行独立分量分离，得到一组源图像的投影系数。在此基础上，利用概率神经网络实现故障的自动分类。以转子的早期摩擦，基座松动，不对中故障信号为例，应用该方法进行了研究，实验结果证明了该方法具有一定的实用性和有效性。     

LMS滤波法在笼型异步电机转子断条诊断中的特征

在诊断笼型异步电机转子断条故障时,可以通过对定子电流的频谱分析来提取代表故障特征的边频分量。为克服实际诊断中直接做快速傅里叶变换(fast fourier transformation,FFT)频谱分析存在的边频分量被主频量掩盖的缺陷,采用最小均方误差(least mean square,LMS)自适应滤波法滤除主频量再做FFT频谱分析,以突出边频分量。给出了转子断条故障诊断中LMS滤波原理及滤波器参数确定,详细分析了电机不同运行转差率下LMS滤波对边频量的采样规律和等效采样周期。结果表明,当依主频设定的固定采样周期采样电机电流时,LMS滤波是通过对边频分量在不同周波的不同位置采样拟合出完整周波,等效采样周期随转差率变化,且一般至少比设定的固定采样周期小一个数量级。