三相笼型异步电动机转子断条故障诊断研究

针对传统的诊断方法很难判断出转子断条故障的问题,提出了自适应陷波器的算法,把算法应用到转子断条故障诊断中,并通过MATLAB进行了仿真研究,仿真分析可以看出,该方法能有效滤除基波分量,突出故障信号,并通过实验验证了理论的正确性。     

滑动DFT在异步电机转子断条故障诊断中的应用

转子断条故障是笼型异步电机的常见故障之一。用滑动傅里叶变换对异步电动机定子电流进行频谱分析,能够对电机断条故障进行在线诊断。该方法的计算量小,能够对每个采样点进行频谱分析。     

基于相空间重构和模糊聚类的电动机故障诊断方法

根据笼型异步电动机断条故障的基本规律及相空间重构和模糊聚类的物理意义,利用相空间重构把非线性时间序列重构成低阶非线性系统的组合,对三相电流信号进行分析、提取信号特征,对重构后的电流轨迹进行辨识和定量分析,实现故障深入诊断。利用实验数据和仿真验证:该方法可用于笼型异步电动机转子断条故障的检测。     

谐波小波滤波在异步电动机转子断条故障诊断中的应用

笼型异步电动机转子的断条故障,其早期特征频率分量与基频分量非常接近,针对幅值相对较小、不易诊断的问题,采用谐波小波方法对定子电流信号进行滤波处理。该方法基于谐波小波良好的盒形频谱特性,将特定频率段的成分与定子电流信号的其它频率成分既不交叠,又不遗漏的分解到相互独立的频带上,成功地突出故障特征分量。仿真和实验结果证明,该方法能大大提高转子断条故障诊断的准确性。     

自适应滤波与极窄带陷波器在异步电机转子断条故障诊断中的应用

采用最小二乘法RLS自适应滤波算法对鼠笼式异步电动机定子侧电流信号进行自适应滤波,以滤除电流信号中的噪声干扰,再经过50 Hz的极窄带陷波器消除工频分量对断条特征分量的干扰,并在傅里叶频谱上实现断条的检测。实验证明,采用自适应滤波算法与极窄带陷波器相结合的方法,很好地解决了噪声对定子侧电流信号的干扰,能够实现鼠笼式异步电动机断条分量的识别。     

基于数学形态学的笼型异步电动机转子断条故障诊断

根据笼型异步电动机断条故障的基本规律及希尔伯特变换的物理意义,将数学形态学滤波器技术与希尔伯特变换相结合,得到谐波信号的希尔伯特模量,其在复平面内所占的面积可反映转子断条故障的存在与否,即面积越大转子断条的数量越多,故障越严重。利用希尔伯特模量的回转半径对转子断条故障做了定量分析。通过仿真实验验证该结论,该方法对转子断条故障判断灵敏,可将其应用于转子断条故障的检测。     

利用相关性基波消去法诊断电动机转子断条故障

异步电动机转子故障时,定子电流中的故障特征分量被基波信息淹没而难以识别。提出基于相关性基波消去法,用改进的相关算法提取定子电流基波信号的幅值与相位,将滤除基波分量的故障信号作频谱分析,可容易诊断出转子断条故障。该方法无需复杂的坐标变换,计算量小,实时性高。实验结果表明,即使在轻载情况下,该方法具备较强的故障辨识能力。系统只需采样单相电流信号和电压频率信号,工程成本低,易于实现。     

基于笼型异步电机失电残压HHT的转子断条故障诊断研究

针对FFT频谱在分析失电残压信号上的不足,采用了将Hilbert-Huang变换(HHT)应用于转子断条故障诊断的新方法。该方法对同型号的2台异步电机(正常电机、一根断条故障电机)进行失电残压信号的采集。将采集的信号进行不同周期的截取,寻求最佳的失电残压分析信号。对信号进行经验模态分解(EMD),对比各个信号段的瞬时频率和瞬时幅值,提取能够反映电机转子断条的故障特征。     

基于小波包系数平均能量的异步电机转子故障诊断

异步电机的转子断条的特征信号与基波频率非常接近,并且幅值很小,很容易被变频分量湮没。研究了小波包分解和小波包节点系数重构,以及小波包系数的平均能量的计算。然后通过小波包分解提取故障的特征信号的频带向量,最后计算频带向量的小波包系数平均能量并进行归一化处理,形成故障特征向量。通过特征向量的对比判断电机是否发生转子断条故障。并通过Matlab仿真以及实验分析验证了这种方法的可行性。     

应用经验模态分解下的AR模型提取电动机故障特征

为有效地诊断电动机断条故障,提出了一种基于EMD-AR模型的电动机断条诊断的信号分析新方法。该方法将时间序列的AR模型引入到电动机断条故障诊断中,采用了经验模态分解方法将电动机的电流信号分解成若干个平稳的IMF分量,对前三个分量建立AR模型,并对固有模态函数进行功率谱分析。通过对比正常电动机、一根断条满载电动机和一根断条空载电动机的A相电流信号的IMF1(V)~IMF3(V)分量,通过AR模型估计的功率谱图提取故障特征并分析。仿真和实验结果表明,此方法能有效识别电动机断条故障。     

笼型异步电动机转子断条故障诊断方法综述

介绍笼型异步电动机转子断条故障诊断方法的原理,将其分为基于解析模型的、基于信号处理的和基于知识的三类,并指出了各类方法的优缺点。最后,对异步电动机转子断条故障诊断方法的发展进行了展望。     

基于小波包分析和最小二乘支持向量机的电机转子故障诊断研究

采用小波包分析和支持向量机来诊断电机故障。针对电机中常见的故障,如电机振动故障,电机转子断条故障,电机转子偏心故障等,进行频谱分析,提取故障信号在动态条件下各频带能量作为故障特征向量。构建多个最小二乘支持向量机组成的多值故障分类器,将故障特征向量作为学习样本,并且输入支持向量机进行训练,分类器可以建立故障特征向量和故障类型的映射关系,从而达到电机故障诊断的目的。     

基于支持向量机的异步电机转子故障诊断

根据异步电机发生故障时振动信号的特点,提出了一种基于小波包分解和支持向量机相结合的异步电机转子故障诊断方法。通过采用快速ICA算法对振动信号进行多通道数据融合,然后进行3层小波包分解,得到各分解节点对应频带的重构信号以及对应的能量,并将各频带的能量元素组成的特征向量作为诊断模型的特征向量,输入到LS-SVM分类器中进行故障识别和分类。诊断结果表明:采用ICA-SVM模型具有较高的分类速度和很好的故障识别率。     

笼型异步电动机转子断条的频带划分特性

分析了鼠笼异步电动机转子断条故障时的频率特点,阐述了小波包变换异步电动机转子断条故障的频带特征,通过实例验证,得到的结论是正确的,从而为小波包变换在电动机故障诊断系统的应用提供了理论基础。     

基于LabVIEW的通风机在线监测及故障诊断系统设计

提出了一种轴流式通风机的基于LabVIEW的在线监测及故障诊断系统的设计方案,研究了系统的总体结构设计和软硬件功能模块的实现方法,利用LabVIEW丰富的编程语言和强大的数据处理功能,实现了数据的采集、显示、存储、查询及远程发布,并结合故障诊断技术,在故障诊断模块中利用时域分析、频域分析及小波分析等方法对振动信号进行分析处理,识别通风机存在的问题,从而诊断故障,并通过仿真试验表明该系统的可行性。     

基于LabVIEW的矿井提升机故障诊断系统设计

为了保障矿井提升机设备安全运行,运用LabVIEW为平台设计矿井提升机故障诊断系统,实现对提升机各组成部件运行状态监测与故障诊断。设计了基于图形化编程语言LabVIEW的故障诊断系统,运用Matlab Script节点建立基于遗传算法的推理机,实现提升机故障信号识别。仿真表明:在缺乏先验知识和样本数据很少的情况下对故障做出判断,减小了知识不足对诊断结果的影响,根据故障数据确定了提升机故障部位及原因,对及时排除设备安全隐患具有重要意义。     

煤矿变频供电电机故障机理及仿真建模研究

为了提高煤矿供电的安全性、可靠性,研究了煤矿变频供电电机故障机理及仿真建模,分析了矿用变频器的主要构成,给出了气隙偏心故障、定子故障、匝间短路故障、转子故障的故障特征频率计算公式,使用Ansoft Maxwell软件,对电机正常运转、动态偏心故障、静态偏心故障和转子断条故障进行了仿真分析。