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。     

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.     

基于小波包频带-能量重构的电机断条故障诊断

异步电机转子断条故障特征分量(1±2s)f与基波频率f相比,幅值较小、易被主频淹没。在研究小波包分解与重构的特征基础上,讨论了小波包分解树的频带分布规律,确定以sym8小波对电机定子电流信号进行12层分解,并通过对故障特征频带的信号能量重构来判断电机有无转子断条。运用该方法能避免基波频率对故障特征分量的影响,故障特征检测更明显,并能诊断转子轻微断条故障。仿真和试验结果证明了该方法的有效性。     

基于Hilbert模量频谱分析的异步电机转子断条故障研究

转子绕组断条是异步电机最常见故障之一.在分析当前主要诊断方法的基础上,提出Hilbert 模量频谱分析方法对异步电机转子断条故障进行研究.将Hilbert模量定义为原始信号与其共轭信号的平方和,利用Hilbert模量将原相电流中的基波分量转变为直流分量,原频谱分析的转绕组断条的故障特征分量转变为频率为二倍转差频率的电流分量,决了相电流频谱分析方法中断条故障特征成分容易被基波湮没而难以突出故障特征的问题.文中研究了Hilbert模量频谱分析方法的原理和实现方法,并对偏心故障电机和转子断条电机分别进行仿真和实验研究.仿真分析和实验结果均表明,该方法对异步电机转子断条故障诊断具有较高的诊断精度和很好的频率分辨率,能克服传统的电流频谱法主频泄漏的影响,且工程实现方便.     

笼型异步电机转子断条故障诊断

通过对电机电流信号分析,提取电流故障特征,实现鼠笼异步电机系统的状态检测及电机电气故障诊断。对比较常见的转子断条故障进行分析,根据电流信号谐波分量的变化提取故障有效特征;对电机轴承故障电流进行分析,并根据多回路理论建立电机故障状态下的仿真模型,对电机转子断条故障运行状态进行了仿真。     

Park矢量模平方函数与ESPRIT相结合的异步电动机转子断条故障检测新方法

为了能够在异步电动机转子断条故障初发时准确检测并适时安排维修计划,提出利用Park矢量模变换技术与旋转不变信号参数估计技术谱分析方法相结合的方法进行异步电动机转子断条故障检测。经过Park矢量模平方变换可以将工频分量转换为直流量,即可轻而易举的消除工频分量的影响,结合ESPRIT高频率分辨力技术可以在短时采样信号下准确地检测出故障特征频率,与以往检测方法相比计算量大为减少。对一台异步电机分别进行仿真与实验验证,仿真与实验结果同时显示,该方法能够准确提取到转子断条故障特征信号,计算快速,频率分辨力高。鉴于此,将Park矢量模平方函数与ESPRIT结合的异步电动机转子断条故障检测方法效果理想。     

应用磁场摆角诊断异步电机转子断条故障

为及时发现电机故障,保证设备安全运行,介绍了一种新的基于异步电机转子合成磁场方向摇摆振动的断条故障诊断方法,并验证了在电机不同负载水平时该方法的有效性。异步电机转子发生断条故障时,断条会影响转子磁动势(MMF)波形,使转子合成磁场方向发生摇摆振动。通过检测磁场方向的摆角,即使是1根断条的轻微故障,也可以很容易诊断出来。与定子相电流的快速傅立叶变换频谱分析法相比,该方法几乎不受电机负载水平的影响,且不需要速度传感器。实验证明,该方法简单易行,能够准确地检测出转子断条故障,且能够根据摆角的大小来判断断条故障的严重程度,适宜做成在线状态监测系统。     

一种利用融合相关谱的异步电机故障诊断方法

为提高异步电机故障诊断的可靠性,针对故障特征频谱分量小信号、多成分、难识别的问题,提出一种异步电机融合相关谱故障诊断方法.该方法基于多源信息融合的思想,采用电机定子电流和振动信号的融合相关谱特征作为转子断条及定子匝间短路故障的诊断依据.通过将含有相同故障频率分量的特征信号作融合相关分析,建立不同信号间的相关关系,能够有效抑制单一信号频谱中与故障识别不相关的频谱分量,使得电机故障特征频率分量更加突出,降低故障识别难度.通过仿真分析,揭示了融合相关谱特征频率与电机故障类型的对应关系,实现了转子断条及定子匝间短路故障的快速诊断,并与单一信号频谱分析进行对比,验证了该方法的有效性和实用性,对于异步电机运行状态的准确监测具有重要意义.     

SVD滤波技术与Prony谱线估计算法相结合的异步电动机转子故障检测新方法

提出了一种奇异值分解(SVD)滤波技术与Prony谱线估计算法相结合的异步电动机转子断条故障检测的新方法。SVD滤波技术可以理想地滤除电机定子电流信号中的基频分量与有色噪声,从而凸显转子断条故障特征频率分量。Prony谱线估计算法可以准确计算出各特征分量的频率和幅值,且不失高频谱分辨能力。将二者结合即可在短时采样信号条件下准确、有效地提取转子断条故障特征频率分量。对一台异步电机进行试验,结果表明:基于SVD滤波技术与Prony谱线估计算法的异步电动机转子断条故障检测方法效果理想。     

Hilbert模量与MUSIC相结合的感应电机转子断条故障检测方法

为了提高异步电动机转子断条故障检测的及时性与准确性,将Hilbert模量与多重信号分类(Multiple Signal Classification,MUSIC)相结合用于异步电机转子断条故障检测。Hilbert模量可以巧妙地转工频分量为直流分量,消除工频分量的不良影响。而MUSIC能够快速而准确地检测故障特征分量的频率大小,即使对于短时采样信号也有良好的性能,从而减少计算量。最后,通过仿真和以Y132M-4型感应电机进行试验验证了基于Hilbert模量与MUSIC相结合的异步电动机转子断条故障检测方法的有效性。     

基于笼型电动机转子断条故障的诊断分析

为了解决目前已有的故障诊断方法只能诊断出电机是否发生转子断条故障而不能诊断出转子断条数目的问题,对电机转子断条故障进行了仿真和断条数目诊断方法的研究。首先对Y2-132M-4型的鼠笼式三相异步电机进行了建模,利用建立的模型对发生不同断条数的电机故障进行了仿真研究。然后,提出了基于机器学习的对转子断条故障的断条数目进行诊断的算法。实验结果表明,所提出的故障诊断分类方法实现了电机不同数目的转子断条故障的智能诊断分类,且诊断分类准确率达100%。     

电机转子断条故障诊断方法探讨

通过综合国内外相关理论,对笼型异步电动机几种转子断条故障诊断方法进行了研究.仿真或实验验证结果表明,所有的方法对检测笼型异步电动机的转子故障是有效的.在此基础上讨论了转子断条故障诊断方法的发展趋势,为电机转子断条故障研究者提供了理论指导.     

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。     

笼型异步电动机转子断条故障诊断技术

对笼型异步电动机转子断条故障诊断进行了研究,归纳和总结出几种方法。这些方法均由研究人员进行了仿真或实验验证,对检测笼型异步电动机的转子故障是有效的。并对各种方法进行了分析比较,指出了各自的优缺点。     

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。     

转子断条机理分析与检测准确度研究

随着产业升级、可靠性需求逐渐上升,电动机的故障检测成为当前研究的热点问题。由于电机可检测的信号较少、负载工况复杂、信号处理误差等原因,鼠笼型电机转子断条特征存在较难检测的问题。以电机转子断条（坏条）作为研究对象,经过断条故障有限元仿真建模,通过多种信号处理方法研究对比,提出一种准确率较高、抗干扰性较优的检测方法,达到甄别转子断条（坏条）故障类型及预测故障程度的目标。     

基于支持向量机的电机转子断条故障诊断

交流电动机转子断条故障诊断的问题可以归结为模式分类的问题,支持向量机是近几年来涌现的一种新型的针对小样本集合具有较好分类效果的方法.根据断条故障在定子电流谱中产生相应特征分量,本文利用窗提取的方法对定子电流谱进行转换,在不损失故障特征信息的前提下构造低维数特征空间,并在其中用SVM进行分类.同时针对实际应用中转差率s由于负载的变化而使故障特征频率位置发生变化的问题,分别在恒定负载和变负载条件下进行试验.断条情况为无断条、一根断条、连续两根断条三类,结果表明在恒定负载和变负载条件下都有较高的诊断正确率.同时因为整个诊断过程可以实现自动化,所以可实现在线诊断.     

基于希尔伯特和傅立叶变换的笼型感应电动机转子断条故障检测

针对笼型感应电动机转子断条故障时,频率为（1±2s）f1的故障特征分量容易被基频f1分量所淹没的特点,提出了一种基于希尔伯特变换和连续傅立叶变换的转子断条故障检测新方法。通过定子电流信号作希尔伯特变换取得反映转子断条故障特征的调制信号,然后再滤掉直流分量,最后进行连续细化傅立叶变换,以调制信号的频谱中是否存在2sf1频率分量来判断转子是否发生断条故障。仿真结果表明该方法具有可行性。     

微机在线监测鼠笼型异步电动机转子的故障

本文研究鼠笼型异步电动机转子断条故障的在线检测方法。对定子电流和轴磁通信号的谱分析表明,定子电流中的某一谐波分量可做为转子静态偏心的特征分量,轴磁通信号中的3sf_1分量可做为转子断条故障的特征分量。实验结果表明,转子静态偏心对转子断条的特征分量没有影响。