变频供电异步电动机转子断条状态下变频器一次侧特征电流分析

异步电动机变频调速系统已经广泛应用于工业生产之中。实现变频调速异步电动机转子断条故障的诊断,对保障安全生产、提高生产效率有十分重要的意义。目前,已经提出的转子断条故障诊断方法多是针对定子电流信号做频谱分析。然而,在变频调速异步电动机运行过程中易于测取的多是开关柜二次侧电流信号,即供电电流(变频器输入侧电流)信号。该文分析了异步电动机转子断条故障特征分量穿越变频器对供电电流信号的影响,基于定子电流频谱分析方法,分别对定子电流(变频器输出侧电流)和供电电流做频谱分析。仿真和实验结果显示,在供电电流信号中存在转子断条故障特征分量,进而可以据此实现变频供电异步电动机转子断条故障诊断。     

基于随机森林的异步电动机转子断条故障诊断

为了快速准确识别异步电动机转子断条故障,提出一种随机森林算法(Random Forests,RF)的异步电动机转子断条故障诊断方法。该方法以Park矢量模平方函数为故障特征提取手段,然后采用随机森林进行故障模式自动识别。Park矢量模平方函数方法可以较好地削弱定子电流中基频信号的影响,便于故障特征量的准确提取。而随机森林泛化能力好、训练时间短,提高了故障识别的成功率。实例验证表明,基于随机森林的异步电动机转子断条故障诊断方法性能良好。     

基于SVD滤波技术与快速四阶累积量ESPRIT算法的异步电动机转子断条故障检测新方法

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)滤波和快速四阶累积量(Speedy Fourth-Order Cumulants,SFOC)旋转不变信号参数估计技术(Estimation of Signal Parameters via Rotational Invariance Technique,ESPRIT)的异步电动机转子断条故障检测方法。SVD滤波方法可以理想地滤除电机定子电流信号的基频分量与背景噪声,从而凸显转子断条故障特征频率分量;四阶累积量ESPRIT方法可以有效减少噪声干扰、扩展信号阵元并以高频率分辨力提取定子电流信号中的转子断条故障特征频率分量;特别是,将二者结合即可在短时采样信号条件下以高频率分辨力提取转子断条故障特征频率分量。为了改善四阶累积量ESPRIT方法的快速性,提出了精简算法以消除均匀线阵的DOA(direction ofarrival)估计中的大量冗余数据,从而大幅减小计算量。转子断条故障检测实验表明:基于SVD和SFOC-ESPRIT的异步电动机转子断条故障检测方法效果良好。     

基于定子电流信号和噪声信号的异步电动机转子断条故障诊断

给出了异步电动机发生转子断条故障时的磁动势的表达式,得出基于定子电流信号的转子断条故障诊断方法。以磁动势表达式为基础,进而推导出发生断条故障时的径向力表达式,并提出了一种全新的基于径向力频谱分析的转子断条故障诊断方法,即通过检测径向力频谱图中的(2-4s)f1、(4-4s)f1、(6-4s)f1谐波分量来诊断异步电动机的断条故障。有限元仿真的结果验证了上述结论。     

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。     

基于比值校正与复调制细化的异步电动机转子断条在线诊断

为了对异步电动机断条故障进行准确检测并提前安排检修和更换设备,本文提出了一种基于比值校正与复调制细化的异步电动机转子断条在线诊断方法。首先利用比值校正计算得到定子电流中工频分量的幅值、频率与初相角,运用精确滤波消除工频分量的影响,进而结合复调制细化分析准确检测故障特征分量。在验证阶段,通过一台200kW笼型异步电动机进行了有限元仿真,结果验证了所提方法的有效性,为异步电动机的转子断条故障诊断提供了新的解决方案。     

基于EMD-神经网络的电动机转子故障诊断方法研究

在电动机运行过程中,转子断条故障将导致电动机出力降低,性能恶化。因此研究更高效的电动机故障诊断方法来对其进行检测迫在眉睫。针对电动机转子出现断条故障时定子电流信号的非平稳特征,提出了一种基于经验模态分解(EMD)和神经网络相结合的转子故障诊断方法。该方法首先将原始信号分解为突出了原信号不同时间尺度的局部特征信息的内在模函数(IMF)分量,然后将各IMF分量输入到BP网络中进行训练学习和故障诊断。将此方法应用于电动机转子断条故障的识别,实验结果表明,该方法能快速准确地识别转子断条故障。     

基于高频信号注入的异步电动机转子故障诊断方法研究

鉴于工频分量对异步电动机转子断条故障特征分量的泄露影响,提出了高频信号注入的异步电动机转子故障诊断新方法.推导出高频信号注入后转子断条新的故障特征频率,采用电机多回路理论和绕组函数理论建立异步电动机完好以及转子断条故障数学模型,通过仿真验证了高频信号注入法在电机轻载情况下对诊断转子断条故障的有效性和可行性.     

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。     

基于SVD-ESPRIT与PSO的笼型异步电机转子断条故障检测

将基于奇异值分解(Singular Value Decomposition,SVD)滤波的旋转不变信号参数估计技术(Estimation Of signal parameters via rotational invariance technique,ESPRIT)与粒子群(Particle Swarm Optimization,PSO)算法相结合提出一种异步电动机转子断条故障检测方法。利用ESPRIT的高频率分辨力特性,通过SVD滤波准确提取定子电流信号中转子断条故障特征分量及主频分量之频率,但因其对幅值和初相位估计的效果欠佳,进而尝试应用粒子群优化算法确定各频率分量的幅值和初相位。仿真及试验结果表明,基于SVD-ESPRIT与粒子群算法的异步电动机转子断条故障检测方法是有效的,且因算法简单、运行耗时短亦可用于在线检测。     

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。     

基于电磁转矩复解析小波变换的感应电机转子故障检测

提出一种运用电磁转矩信号对感应电机转子断条故障进行检测的新方法.当感应电机转子发生断条故障时,转子绕组的不对称将会使电磁转矩中引入2s同步速的脉动转矩(s为转差率).对电机起动电磁转矩信号进行复值小波变换,根据分析小波在特定中心频率条件时信号瞬时频率与其对应小波脊线的关系,提取出故障特征转矩频率变化规律,实现转子故障的可靠检测.同时,对应尺度上小波系数的模值还能够反映该故障特征转矩在电机起动过程中的幅值变化规律,将其作为故障严重程度指标则可以进一步判断转子断条根数.实验结果证明了该方法的有效性.     

定子电流二次方法的异步电机转子复合故障诊断

为了突出故障早期的故障特征信息,避免复杂算法,实现故障早期状态在线监测,提出定子电流二次方法(流方)的笼型异步电机转子复合故障检测。定子电流经过二次方后转移和放大了定子电流中的故障信号,由于转子断条和气隙偏心的故障特征频率在频谱分布上的差距,转子复合故障得到分离和辨识。同时比较了单相流方和三相总流方对复合故障的诊断效果。复合故障时,流方的故障频率不是单一故障频率的直接累加,还包括两故障频率所引起的交叉干扰项。实验表明,随着断条数的增加,复合故障中表征断条的故障特征分量的幅值增加,有利于故障程度的量化和诊断系统的建立。     

基于希尔伯特和傅立叶变换的笼型感应电动机转子断条故障检测

针对笼型感应电动机转子断条故障时,频率为（1±2s）f1的故障特征分量容易被基频f1分量所淹没的特点,提出了一种基于希尔伯特变换和连续傅立叶变换的转子断条故障检测新方法。通过定子电流信号作希尔伯特变换取得反映转子断条故障特征的调制信号,然后再滤掉直流分量,最后进行连续细化傅立叶变换,以调制信号的频谱中是否存在2sf1频率分量来判断转子是否发生断条故障。仿真结果表明该方法具有可行性。     

基于小波变换的异步电机故障检测与分析

通过合理选取小波基,对提取到的电机振动信号和定子电流信号做小波包变换,从而对电机滚动轴承损坏、转子断条这两类电机主要故障做出准确的判断与分析。对转子断条故障的仿真结果表明,小波包分析方法在电机故障诊断方面具有较好的准确性和优越性。     

基于MCSA的笼型异步电动机转子断条诊断

研究笼型异步电动机在转子断条时的运行情况,提出有效的检测方法,以便在电机转子只出现轻微故障时及时检测出故障,采取有效措施。MCSA技术采用时域加窗和傅里叶变换的方法,对电机电流信号进行频谱分析,并对故障频率段局部细化,提取定子电流中故障特征频率分量来诊断电动机是否存在转子断条故障。仿真结果表明本方法可以有效消除频率泄漏和栅栏现象,准确检测出故障分量。     

基于EEMD能量熵与ANN的矿用异步电机故障诊断

针对矿用异步电机故障时定子电流信号非线性非平稳性的特点,提出了一种基于集合经验模态分解（EEMD）能量熵与人工神经网络（ANN）结合的转子故障诊断方法。首先利用EEMD将电机定子电流信号分解为一系列本征模态函数（IMF）;其次通过互相关准则,选取信息最丰富的IMF分量并计算其能量熵来构造故障特征向量;最后将特征向量输入人工神经网络（ANN）进行训练和状态识别。实验通过Ansys Maxwell软件对故障电机建模获得仿真电流数据,验证了该方法是一种可行的矿用电机故障诊断方法,相较于传统频谱分析更为可靠,可实现对异步电机处于正常、转子断条、气隙偏心等状态的准确识别,综合识别率达97%。     

采用Park变换感应电机转子复合故障检测

针对感应电机转子断条与偏心故障特征受定子电流基波信号的影响而难以提取的难点,提出了一种基于旋转Park变换滤波的感应电机转子复合故障检测方法.该方法利用电压与电流基波频率相等,通过旋转Park变换,将电流Park矢量的基波正序分量完全滤除而不影响其它的谐波分量,从而使转子断条和偏心故障特征更清晰地显示出来,然后对旋转Park变换滤波后的电流Park矢量的频谱进行分析,可以准确检测到电机转子复合故障时的故障特征.解决了电流频谱分析方法转子故障特征频率分量容易被基波湮没而难以突出故障特征的问题.实验结果表明,应用该方法可有效的对电机转子复合故障进行实时检测.     

基于经验模式分解的异步电机转子断条故障诊断

为提高异步电机转子断条诊断的准确性,提出了一种基于经验模式分解(EMD)的诊断方法.选取单相功率频谱作为分析对象,通过对单相功率频谱进行EMD,准确地提取了 2sf故障特征量.仿真结果表明,该方法诊断灵敏度高、直观清晰,有效解决了定子电流中故障分量频率与基波频率相近而不易被EMD的难题,是一种有效的方法.