基于MUSIC算法的异步电动机转子故障检测方法

分析了MUSIC算法及其高分辨率谱估计的特点。提出了一种基于MUSIC算法的异步电动机转子故障检测方法。仿真研究结果表明，在短数据情况下，相对FFT分析技术而言，该方法频率分辨率更高，故障检测更为准确，且计算量小，有利于电机故障实时状态监测。实验证明，将该方法应用于感应电机转子故障检测，可准确检测出转子故障时在定子，电流中的故障特征成分，方法切实可行。     

基于EMD和改进多重信号分类的感应电机故障检测方法

针对感应电机中多类型故障的检测问题,提出一种基于经验模态分解(EMD)和改进多重信号分类(MUSIC)算法的检测方法。通过采集器采集电机定子的稳态电流信号。利用EMD对稳态电流信号进行时域分解,获得包含丰富故障信息的两个本征模态函数(IMF)。利用MUSIC算法对IMF进行频域分析,获得各类故障的特征频率,同时引入了Prony算法来确定IMF频谱中的幅值。基于故障频域特征,对转子断条、轴承缺陷和转子质量不平衡这3种故障进行检测。实验结果表明,该方法不仅能够应用于单一故障检测,还能够在多故障并发时准确检测出所有故障。     

基于MUSIC算法的异步电动机转子故障检测方法

分析了MUSIC算法及其高分辨率谱估计的特点.提出了一种基于MUSIC算法的异步电动机转子故障检测方法.仿真研究结果表明,在短数据情况下,相对FFT分析技术而言,该方法频率分辨率更高,故障检测更为准确,且计算量小,有利于电机故障实时状态监测.实验证明,将该方法应用于感应电机转子故障检测,可准确检测出转子故障时在定子,电流中的故障特征成分,方法切实可行.     

感应电动机轴承故障检测的相关分析方法

根据感应电机轴承发生故障时的振动信号特性以及定子电流特性,提出了一种基于相关分析的感应电动机轴承故障检测方法.该方法先求三相电流的Park矢量模信号,然后将其与电机滚动轴承振动信号进行相关分析,从振动信号与电流信号的相关谱图中有效地提取轴承故障特征信息,并将其作为轴承故障识别的依据.实验结果表明,该检测方法具有较高的信噪比,可提高故障识别的精度,实际应用也是可行的.     

基于互高阶谱MUSIC法的电机定子匝间短路故障特征分量提取

针对电机定子绕组匝间短路时,定子电流中干扰信号影响大,故障信号较微弱等缺点,研究了一种基于互高阶累积量的多重信号分类的故障特征检测方法（Multiple Signal Classification,MUSIC）。通过MUSIC算法对定子电流信号进行快速分解,形成噪声子空间和信号子空间,确定定子匝间短路故障特征频率分量。由于互高阶累积量可以有效地抑制相关和非相关噪声,在混合噪声条件下,该方法仍具有很高的谱分辨率和谱估计性能。仿真和实验结果表明,该方法在对电机定子匝间短路故障检测时,在不需要对分析数据进行整周期采样前提下,更准确地反映故障特征频率,证明了此方法的有效性。     

基于互高阶谱MUSIC法的电机定子匝间短路故障特征分量提取

针对电机定子绕组匝间短路时,定子电流中干扰信号影响大,故障信号较微弱等缺点,研究了一种基于互高阶累积量的多重信号分类的故障特征检测方法(Multiple Signal Classification,MUSIC).通过MUSIC算法对定子电流信号进行快速分解,形成噪声子空间和信号子空间,确定定子匝间短路故障特征频率分量.由于互高阶累积量可以有效地抑制相关和非相关噪声,在混合噪声条件下,该方法仍具有很高的谱分辨率和谱估计性能.仿真和实验结果表明,该方法在对电机定子匝间短路故障检测时,在不需要对分析数据进行整周期采样前提下,更准确地反映故障特征频率,证明了此方法的有效性.     

基于MUSIC与SVRM的感应电动机转子断条故障检测

研究了一种基于多重信号分类(multiple signal classification,MUSIC)与支持向量回归机(support vector regression machine,SVRM)的感应电动机转子断条故障检测方法,能够快速且准确地检测感应电动机转子断条特征分量的幅值与频率。MUSIC具有较好的检测精度和较高的频率分辨力,从而能快速有效地检测边频与基频分量频率的大小,对短时采样信号也同样适用,但其无法获得各分量的幅值与相位。基于MUSIC的这一缺陷,采用SVRM来检测各分量的幅值和相位,并进行了性能分析。通过Y132M-4型感应电机进行实验研究,实验结果证明了该方法的正确性和优越性。     

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。     

基于自适应变异微粒群优化SVM的电机轴承故障诊断方法

电机轴承作为电机的重要机械部件,其故障对电机的安全运行有着严重的影响,针对轴承故障此类问题,提出了自适应变异微粒群优化SVM的电机轴承故障诊断的方法。该方法先用小波包的频带能量分解技术将电机振动信号分解到各个频带,由各个频带能量组成了电机运行状态的特征向量,并以此作为支持向量机的输入向量,最后运用自适应变异微粒群算法优化后的SVM,组成电机轴承状态"决策树",并对电机状态进行分类,分类结果和用试凑法的SVM作对比。最终结果证明了该的方法对感应电机的轴承故障的检测和分类具有良好成效。     

基于相关分析的感应电机定子故障诊断方法研究

分析了感应电机定子线圈短路故障时的振动特征及定子电流的谱特性，指出由于受电机固有不对称等因素的影响，单纯利用振动谱分析或定子电流信号频谱分析(MCSA)诊断定子线圈短路故障，不能得到准确可靠的诊断结果；提出了一种基于相关分析的感应电机定子故障诊断方法，能有效提取电机定子故障时的特征信息，利用该方法可提高故障识别的精度；实验结果证实，基于相关分析得到的谱特征可以作为感应电机定子线圈短路故障诊断的依据。     

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。     

Bearing and misalignment fault detection in induction motors by using the space vector angular fluctuation signal

This paper describes the use of the space vector angular fluctuation (SVAF) method for bearing and misalignment fault diagnosis in induction motors. The theoretical background for SVAF is presented and it is shown how bearing and misalignment faults can be effectively diagnosed by the use of this non-invasive method. The proposed algorithm uses only stator currents as the input, without any other sensors. Both simulation and experimental results carried out on different motors show that these faults could be easily detected and differentiated from each other by fault-related frequencies, which occur in the spectrum of the SVAF.     

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.     

基于2D-MUSIC算法L型声阵列的轴承故障研究

随着传感器阵列技术的发展,越来越多阵列技术用于设备的故障诊断研究中。针对设备中多滚动轴承诊断中故障的定性与定位问题,开展了基于2D-MUSIC算法L型声阵列的轴承故障定位理论仿真研究,旨在进行阵列参数的优化。根据滚动轴承声学信号特性,进行L型麦克风阵列下利用2D-MUSIC算法对双声源信号进行仿真计算,通过改变信噪比、阵元间距以及阵元数量等参数进行仿真分析,确定最优声阵列参数。仿真结果表明,在两个信号源确定的情况下,通过优化阵列参数可以提高其故障定位分辨率并对声源定位系统进行优化。研究对于有轨机车多轴承驱动系统轴承故障的快速定位和实时诊断技术有较好的理论指导意义。     

基于相位信息的感应电动机转子故障检测

论述了感应电动机转子故障检测基本原理,讨论了传统信号分析方法难以提取出明显的转子故障特征的原因.鉴于基于连续小波变换离散化的离散小波变换算法的运算量大,计算速度慢,提出了一种快速算法,它利用递推方法计算小波系数,运算速度快,可应用于在线实时检测.提出了基于相位信息的感应电动机转子故障检测新方法,对实测数据进行处理的结果表明,该方法能够实现感应电动机转子故障的准确检测.     

高压异步电机转子绕组故障诊断系统的研究

采用定子稳态电流与起动电流相结合的分析方法诊断异步电机转子绕组故障中 ,通过频率细化和自适应滤波技术 ,大大提高了基于电机稳态电流故障诊断的分辨能力和实用性 ;通过对电机定子起动电流时频分析 ,提出采用起动电流中特定频率分量诊断故障的新方法 ,大大提高了电机轻微故障时故障诊断的准确性。根据分析结果研制出了实用可靠的大型异步电机转子绕组故障诊断系统。     

基于信息融合分析的感应电机故障检测方法

为了提高感应电机故障检测的准确性,在分析了感应电机定子线圈短路故障时的振动特征信息及定子电流的谱信息的基础上,指出了单一的振动分析方法或定子电流频谱分析（MCSA）诊断定子线圈短路故障,不能得到准确可靠诊断结果的原因,提出了一种基于信息融合分析的感应电机定子故障检测方法,能有效提取电机定子故障时的特征信息,提高了故障识别的准确性。实验结果证实,基于融合分析得到故障特征可以作为感应电机定子线圈短路故障诊断的依据。     

共振解调与小波降噪在电机故障诊断中的应用

针对异步电机形成复合故障时电流频谱存在的故障频率成分难以准确分离的问题,结合小波降噪算法与共振解调技术,提出一种异步电机复合故障分离方法.依托小波优良的时频局部化特性,有效地区分信号中的突变部分和噪声,实现信号的降噪;利用软件方法实现共振解调,构造带通滤波器提取共振信息.利用Hilbert变换进行解调分析得到包含故障特征信息的低频包络信号,经过低通滤波、频谱分析后实现异步电机耦合故障分离和故障特征提取.实验结果表明,该方法使复合故障情况下的异步电机电流信号的故障特征频率更容易识别和分离.