鼠笼式交流异步电动机转子的故障诊断

电机转子出现故障后,定子电流的频谱图上将出现一个特有的电流脉动成分(转子断条)或独特的频谱成分(气隙偏心),根据其大小和变化情况,就能准确判断转子出现了何种故障。     

起动状态下异步电动机转子断条故障检测的小波脊线方法

对异步电动机转子发生断条故障后所产生的特征频率分量进行了分析,揭示了其在起动过程中的变化过程,提出了在起动过程中检测转子断条故障的小波脊线方法。     

变频器供电下异步电动机转子断条故障仿真研究

分析了变频器供电时所产生的谐波对电动机转子断条故障电流信号的影响,基于Matlab／Simulink建立了直接转矩控制变频器供电下异步电动机转子故障系统仿真模型,在变频器不同供电频率下针对电动机转子正常和故障情况进行仿真分析。理论上难了变频器谐波影响下电动机转子故障特征频率的正确性,利用连续细化傅立叶变换和自适应滤波方法实现了变频器不同频率供电下民步电动机转子故障的在线检测。     

大型电动机内部故障信号检测与保护

分析了大型电动机内部故障及其外在表现之间的对应关系,主要讨论了引起电气信号、机械信号、温度信号等电动机参数变化的故障类型,介绍了一些电动机内部故障检测的最新成果,为电动机内部故障检测方法及保护方案的选择提供了参考依据。     

异步电动机故障的诊断方法

介绍了在生产过程中诊断异步电动机出现故障的几种常用方法,并对其进行了比较详细的分析。     

异步电动机故障监测及保护系统的研究

针对目前异步电动机故障监测和保护系统功能相对单一,保护动作不够及时,常出现一些误动作,且不能及时与上位机信息交换等问题,提出了一种以16位单片机MSP430F449为核心的异步电动机故障监测及保护系统.给出了单片机控制系统的硬件电路结构、软件框图及其实现方法.系统采集电动机的三相输入电压、电流、转速、温度等信号,应用信号处理算法对电动机的状态实施监测和保护,通过键盘和LCD显示器完成人机交互.经分析表明:该系统可实现电动机故障信号监测,具有软停车、轻载节能及保护等功能.     

旋转机械振动信号的小波包分解及故障检测

研究了旋转机械振动信号的特点，指出传统的波形分析和频谱分析存在的问题。提出了从小波包分解序列图和小波包能量分布图两个方面对振动信号分析的方法，赋予小波变换和小波包分解的结果以明确的物理意义，通过测试数据分析旋转机械的三种典型故障在时域、步域及时频域所反映的信息特征，从而表明了该方法的可行性及对故障检测的有效性。     

基于复参数估计的逆变器故障实时检测

逆变器故障主要表现为开关元件的不正常开通和关断.本文提出了一种基于复参数估计的逆变器实时状态监控方法.通过对逆变器输出电压信号的变换,得到逆变器输出电压信号的数字模型.利用复参数最小二乘估计方法获得了逆变器输出信号的基本正序对称分量和基本谱残差.提出了故障决策函数,通过观测故障决策函数值的跳跃变化,实现了逆变器的故障实时检测.仿真研究证明本文方法的有效性.     

基于FPGA的异步电动机控制系统检测电路

依据FPGA具有内部可灵活配置、高速并行处理能力强的特点,设计了基于FPGA的异步电动机控制系统中电流、转速检测电路,这些电路具有实时性高、适应性强等特点,较好地解决了单片机等串行控制芯片为核心的检测电路实时性不高的问题.通过功能实验验证了该设计方法的可行性.     

基于定子起动电流局域波分析的鼠笼异步电动机转子故障检测

论述了局域波分析方法的基本原理及特点,该方法源于瞬时频率的概念,它能把动态信号的局部特征准确地在时频域内予以描述;分析了异步电动机起动过程中转子故障特征量(1-2s)f1(f1为电网频率)分量的变化规律,提出了基于定子起动电流局域波分析的异步电动机转子故障特征提取新方法并应用到电机故障特征提取中。对实测数据进行处理的结果表明,该方法能够有效地检测出转子故障。     

Online Detection of Broken Rotor Bar Fault in Induction Motors by Combining Estimation of Signal Parameters via Min-norm Algorithm and Least Square Method

Current research in broken rotor bar (BRB) fault detection in induction motors is primarily focused on a high-frequency resolution analysis of the stator current. Compared with a discrete Fourier transformation, the parametric spectrum estimation technique has a higher frequency accuracy and resolution. However, the existing detection methods based on parametric spectrum estimation cannot realize online detection, owing to the large computational cost. To improve the efficiency of BRB fault detection, a new detection method based on the min-norm algorithm and least square estimation is proposed in this paper. First, the stator current is filtered using a band-pass filter and divided into short overlapped data windows. The min-norm algorithm is then applied to determine the frequencies of the fundamental and fault characteristic components with each overlapped data window. Next, based on the frequency values obtained, a model of the fault current signal is constructed. Subsequently, a linear least squares problem solved through singular value decomposition is designed to estimate the amplitudes and phases of the related components. Finally, the proposed method is applied to a simulated current and an actual motor, the results of which indicate that, not only parametric spectrum estimation technique.