基于PSO优化LS-SVM的异步电动机振动故障诊断

为了提高异步电动机振动故障诊断的准确性,提出了基于粒子群算法优化最小二乘支持向量机的异步电动机振动故障诊断方法。先通过实验室对异步电动机各类故障的振动进行测试,对测试数据进行预处理,选择异步电动机不同位置振动信号的特征频率作为系统的输入,然后利用训练好的粒子群算法优化后的最小二乘支持向量机进行异步电动机振动的故障诊断。最终结果与其他诊断方法对比表明：该方法克服了样本训练时间较长并容易陷入局部收敛的缺点,同时诊断的准确率较高,有效地避免了异步电动机故障的误诊断。     

基于遗传算法异步电动机转子故障诊断研究

为了能够有效地对异步电动机转子进行故障诊断,深入地研究遗传算法在异步电动机转子故障诊断中的应用。首先,对传统的遗传算法进行了改进。其次设计了基于遗传算法的异步电动机转子故障诊断的神经网络。最后,进行实际的异步电动机转子的故障诊断,验证结果表明该方法具有准确、便捷的优点。     

基于小波变换的异步电动机故障检测方法

建立了一般异步电动机动态数学模型。基于这个模型用Matlab中的Simulink技术模拟了电动机的两个常见故障：定子匝问短路和转子导条断裂。通过检测电动机定子电流,用coif4小波对电流信号进行分析,很容易判断出这两类故障。说明小波技术用于电机故障诊断是一个好的方法。     

基于小波重构的异步电动机故障诊断

选用Daubechies小波作为小波基 ,对异步电动机鼠笼转子故障电流信号进行多尺度分析 ,将小波变换后取得的变换系数进行单支重构 ,取得了各频率分支上的时间信号。从高频分支上能够清楚辨识出异步电动机鼠笼转子故障时所不同于正常情况下的电流特性 ,实现了异步电动机鼠笼转子故障的小波诊断。     

基于小波脊线的笼型异步电动机转子故障特征提取

提出了基于小波脊线的渐近信号瞬时频率提取算法 ,并应用到异步电动机转子故障特征提取中。异步电动机转子故障时 ,相应地定子电流中便含有频率为 (1 - 2s) f1的附加电流分量。由于异步电动机起动过程中转差率s是连续变化的 ,(1 - 2s) f1则以 f1→ 0→f1的规律进行变化 ,因此可以通过应用小波脊线分析异步电动机定子起动电流信号来提取转子故障特征。实验结果证明了本方法的有效性     

基于小波包的异步电动机故障分析

小波包分析是一种能有效进行时一频定位和微弱信号提取的方法,它对信号具有最优降噪处理能力。采用小波包分析法来提取异步电动机振动信号的故障特征,并将电机故障信号和正常信号的特征频段能量进行对比,给出定量对比的结果,充分说明故障与无故障之间存在明显差异,从而实现异步电动机的故障诊断。实例证明该方法正确有效。     

基于Clarke变换的鼠笼异步电动机故障诊断方法

在交流电机坐标变换分析的基础上,指出了国际上通用的Park矢量方法及其扩展方法的不足之处。提出利用Clarke矢量轨迹识别方法判断电机的常见电气故障;基于负序电流的思想,进行定子绕组匝间短路判别,经仿真和实验验证表明方法有效可行。     

基于频域RELAX方法的鼠笼式异步电动机转子故障诊断

传统的通过FFT变换对电机定子电流信号直接进行频谱分析,难以有效识别出转子断条故障。本文提出了一种在频域采用RELAX算法进行故障诊断的方法,它根据信号最小能量准则,结合粗估计和细估计,得到各频率分量的幅值和相位信息,从而直接构造各频率成分的复频域表达式,最后在频域内消除基波分量。相对于在时域内剔除基波分量的方法,它具有直接,快速的特点,缺点是对各频率分量的参数估计不是特别准确,但实验证明,该方法有效地突出了电机故障特征,在电机早期故障诊断中具有一定的应用价值。     

基于旋转滤波矩阵束的异步电机转子断条故障诊断

现有异步电机故障诊断技术存在短时数据分辨率低、硬件开销大等缺点。针对这一问题,提出一种基于短时数据的旋转滤波-矩阵束的异步电机转子断条故障诊断新方法。利用矩阵束算法抗噪性能强的优点,准确求出定子电流基频成分,并通过逆、正同步旋转变换,剔除了定子电流中的基频成分。利用矩阵束算法准确估算定子电流故障信号的频率和幅值,突破传统基于快速傅里叶变换(FFT)分析算法分辨率不足的限制。仿真和电机试验共同表明:旋转滤波-矩阵束算法可以在短时数据的基础上准确辨识转子断条故障。     

异步电机运行过程中转子故障诊断综述

转子故障是异步电机的主要故障之一.目前,对其进行检测的方法普遍是基于定子电流的方法.本文以定子电流作为分析信号,对电机不同运行状态(包括起动、稳态及失电)的转子故障检测方法进行总结,目的是为从事电机故障诊断的研究人员提供一定参考.     

异步电机转子不对称故障仿真与检测研究

转子故障是目前感应电机的主要故障之一,对其进行故障诊断的方法很多,但普遍研究都很少考虑电机拖动波动负荷运行对转子故障特征提取的影响。该文在考虑负荷波动影响情况下,建立电机转子不对称故障仿真模型,利用幅值校正频谱细化技术减少频谱泄漏,提取转子故障特征频率。该方法一方面提高提取故障特征频率的准确度,另一方面相比传统细化频谱方法,计算量和运行所占内存减少。通过模型仿真及实验结果验证该方法在负荷周期波动情况下提取转子故障特征是可行的。     

基于模糊神经网络的异步电动机故障诊断研究

在对当前的检测方法与故障诊断手段研究的基础上,提出了基于模糊神经网络的故障诊断方法。该方法利用改进的BP算法,提高了学习速率,增强了稳定性。同时,针对异步电动机常见的故障特点,运用该诊断模型,对异步电动机故障进行了诊断。仿真结果表明：它具有准确度高,诊断速度快等优点,是一种较实用的故障诊断方法。     

基于互高阶谱MUSIC法的异步电机转子断条特征分量的提取

提出了一种基于互高阶累积量的多信号分类法(Multiple Signal Classification,MUSIC)的异步电动机转子故障检测方法.由于断条故障特征频率分量易被基波分量泄漏及噪声淹没,而互高阶累积最可以有效抑制相关和非相关噪声,在混合噪声和信噪比很低(-20 dB)的情况下,该方法仍具有很高的谱分辨率和谱估计性能.仿真和试验结果表明,该方法在对电机转子断条故障检测时.在不需要对分析数据进行整周期采样的前提下,能准确检测出转子故障时电流中的故障特征成份,证明了该方法的有效性.     

基于概率神经网络模型的异步电机故障诊断

针对传统故障诊断方法的局限性,提出一种基于概率神经网络(PNN)的诊断方法.以异步电机转子断条、偏心、失电残压等故障为例进行了诊断研究,通过选取故障样本来训练PNN,将故障信息输入训练好的PNN模型后,由输出结果即可判断发生的故障种类.MATLAB仿真表明,基于PNN的电机故障诊断方法能有效识别出电机故障,故障诊断准确率高,易于工程实现.但神经网络还处于发展阶段,仍有不少问题需进一步研究.     

大型异步电机转子绕组故障特征量的新研究

定子电流中频率为(1-2s)f1的边频带是分析异步电机转子绕组故障的基本特征量.本文分析了影响电机转子绕组故障特征量的因素,指出速度波动、负载转动惯量等与电机故障特征量的关系,提出了电机转子绕组故障特征量的修正方法.     

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。     

异步电动机电磁故障诊断分析

介绍了电流频谱分析法的原理,分析了异步电动机电气故障的振动频谱特征,并利用一个实例阐述了振动频谱法在实践中的应用.     

基于改进的MCSA法的变频电机转子故障诊断

提出一种基于改进的定子电流信号分析(MCSA)和模糊推理的变频电机转子故障诊断方法.在传统MCSA方法的基础上提出的电机故障特征频率自选频算法,能够根据电机的实际运行状态更有效地提取故障特征量,为电机故障诊断提供依据.基于模糊集理论和模糊逻辑的模糊推理算法,则通过对获取的故障特征量进行模糊推理进而确定故障类型,对存在多种故障的电机尤为有效.试验结果表明,该方法能够提高变频电机转子故障诊断的准确性.