三相电流主分量融合的电机故障图形诊断方法

为了在线快捷有效检测识别电机运行状态,并准确诊断交流电机常见故障,将图形融合方法与主分量分析方法(PCA)相结合,充分利用电机三相定子电流信号实现了电机故障的图形化在线检测方法。应用主分量分析法将三维电流状态空间样本进行降维并在二维平面内实现主分量的图形化融合,定义了电机正常、定子匝间短路、转子断条等不同运行状态下的状态识别实用判据,并针对主分量融合图形定义了故障严重度指标。通过理论分析及电机故障试验,论证了所提诊断方法对电机常见定子匝间短路及转子断条故障检测及诊断的直观性、准确性及载荷变化的鲁棒性,为电机及其拖动系统的故障诊断提供新的思路和方法。     

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。     

基于IPD小波包分析的感应电动机双重故障诊断

针对感应电动机转子断条和定子匝间短路双重故障诊断存在诸多不足之处,提出用小波包分解单相瞬时功率(IPD)的故障诊断方法。以单相瞬时功率为研究对象,建立转子断条和定子匝间短路双重故障模型。通过IPD频谱分析,验证故障特征频率;用小波包变换分解IPD信号得到节点系数的变化情况,计算节点系数的均方根值变化率。仿真结果证明双重故障特征频率在IPD频谱中表现明显,小波包变换后得到的节点系数均方根值(RMS)变化率可以诊断故障。利用小波包分解IPD信号诊断双重故障,方法简单可行,为双重故障诊断提供了新的方法思路。     

异步电动机定子绕组匝间短路故障检测新方法

定子绕组匝间短路是异步电动机常见故障之一,因此研究其检测方法具有重要意义。针对异步电动机定子绕组匝间短路与转子断条故障瞬态进行仿真并分析仿真结果,指出异步电动机转子故障对定子绕组匝间短路故障检测存在不利影响,甚至导致故障误判。提出计及转子故障时的异步电动机定子绕组匝间短路故障检测新方法,该方法关键在于预先采用频谱校正与自适应滤波技术滤除定子电流中由转子故障所导致的特征频率分量。大量仿真与实验结果表明,该方法可以避免将转子故障误判为定子绕组匝间短路故障,使定子绕组匝间短路故障识别可靠性大幅提高。     

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。     

基于瞬时无功功率感应电机转子断条故障诊断研究

在基于定子电流信号进行异步电机故障诊断时,转子断条故障特征频率分量常常被电流的基频分量淹没.针对这种情况,本文提出一种新型的基于瞬时无功功率的转子断条故障诊断方法.该方法首先对定子电压和电流进行Hilbert变换,然后在此基础上构建瞬时无功功率.通过对无功功率进行频谱分析,选取特征频率2ksf作为转子断条的故障诊断判据.同时定义一个新的故障严重程度系数,对感应电机转子故障严重程度进行判别.实验结果表明该方法能有效进行转子断条故障诊断.与传统的Hilbert模量方法和瞬时功率方法相比,该方法因没有交叉项而频谱简单;只需采集单相电流,不需要进行坐标变换,简化了硬件和软件,节省计算时间.     

异步电动机定子匝间短路故障诊断方法

分析了异步电动机定子线圈匝间短路故障时的振动特征及定子电流的谱特性。指出由于受电动机结构固有不对称等因素的影响,单纯利用振动频谱分析法或定子电流信号频谱分析法诊断定子线圈匝间短路故障,不能得到准确可靠的诊断结果。提出一种异步电动机定子匝间短路故障的诊断方法,能有效提取电动机定子匝间短路故障时的特征信息,提高故障识别精度。实验结果证明,利用该方法得到的谱特征可以作为异步电动机定子匝间短路故障诊断的依据。     

异步电动机定子匝间短路故障诊断方法

分析了异步电动机定子线圈匝间短路故障时的振动特征及定子电流的谱特性。指出由于受电动机结构固有不对称等因素的影响，单纯利用振动频谱分析法或定子电流信号频谱分析法诊断定子线圈匝间短路故障，不能得到准确可靠的诊断结果。提出一种异步电动机定子匝间短路故障的诊断方法，能有效提取电动机定子匝间短路故障时的特征信息，提高故障识别精度。实验结果证明，利用该方法得到的谱特征可以作为异步电动机定子匝间短路故障诊断的依据。     

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.     

基于机电信号融合的DFIG定子绕组匝间短路故障诊断

定子绕组匝间短路故障是双馈异步发电机(DFIG)常见的故障形式,发生概率高达30%,直接威胁到发电机的安全运行。发电机在复杂多变的环境下运行时,单一故障特征往往难以精准地反映故障,从而易产生误判、漏判的情况。文中提出一种基于电气、机械信号融合的定子绕组匝间短路故障诊断新方法——负序电流差与定子径向振动信号的二倍频分量联合诊断。首先利用支持向量机分别计算单一故障特征下的匝间短路故障概率;然后将其作为D-S证据理论的基本概率分配,依托证据组合规则,得出定子绕组匝间短路的最终诊断结果。实验结果表明:与基于单一信号的故障诊断方法相比,该方法能够更有效地诊断定子绕组匝间短路故障并可靠识别短路匝数,提高故障诊断的精确度,可推广应用至海上风电等对故障识别精度要求更高的领域。