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。     

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。     

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。     

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。     

双笼型电动机转子断条的修理

阐述了电动机转子断条检查及修复质量的重要性,着重分析了断条的原因及断条后对电机运行质量的影响,给出了检查转子断条的方法及修复断条的措施。     

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。     

VS-LMS算法在异步电动机转子断条故障诊断中的应用

采用可变步长VS-LMS算法对定子电流进行自适应陷波处理,对其进行频谱分析。这种方法既能很好地解决传统LMS算法存在的收敛速度、跟踪能力与稳态误差之间的矛盾,又能提高故障检测的灵敏度。实验结果证明了该方法的有效性。     

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。     

三相异步电动机转子断条故障的谐波分析

主要研究三相异步电动机转子断条、气隙偏心这两种状态下的故障特征。采集了电动机的定子电流信号,通过对电流信号作FFT频谱分析,提取电流的故障特征,实现异步电动机系统的状态检测及电动机电气故障诊断。仿真实验结果发现单纯的傅里叶变换缺乏对信号局部特征的描述能力,不能有效地从定子电流的谐波中提取到故障特征。     

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。     

基于综合关联度分析的感应电机转子故障诊断

基于灰色关联理论,在灰色关联分析中引进相似系数,将两者相结合形成综合关联度,提出了基于综合关联度分析的感应电机转子故障诊断方法。首先选择感应电机典型转子故障模式构造标准故障模式。根据综合关联度的计算方法,计算出感应电机待检转子故障模式的综合关联度,根据关联序识别感应电机待检转子模式的故障类型。通过故障诊断实例表明,将综合关联度分析引入感应电机转子的故障诊断中是可行的,具有较高的识别率,分类诊断能力优于BP神经网络故障诊断方法。     

SOM网络在电机转子故障诊断应用中的可视化分析

SOM网络(自组织特征映射神经网络)模拟大脑神经系统,具有自适应、自学习与联想功能,是一种无导师学习网络,最大优点是能够保持原始数据的拓扑结构,在数据分类、知识获取、过程监控和故障识别等领域中应用广泛。将其用于电机转子的故障诊断,着重利用U矩阵图和D矩阵图等可视化工具对其分类结果进行仿真与分析,并与SOM网络一般聚类结果进行比较。结论表明,SOM网络的可视化方法简单、直观、易懂,对故障的判别率较高。     

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。     

基于MATLAB/SIMULINK的异步电机故障诊断

异步电机作为电器原动力在工业及各个领域应用十分广泛,如果发生故障不能及时检修导致电机损坏,造成很大的经济损失。针对异步电机故障,在SIMULINK中建立仿真模型,得到各种工况下的数据,然后用SVM来对故障建立预测模型,对故障进行故障类型预测。实验表明,SVM的异步电机故障诊断,分类效果好,实用性强,可以为异步电机诊断提供参考价值。     

基于LabVIEW的煤矿机械设备故障诊断应用研究

首先介绍了基于LabVIEW开发平台的机械故障诊断系统的原理,然后介绍了系统的软硬件设计结构与功能,最后提出了系统功能实现的具体方法及一些改良措施。