小波包分析在电机转子断条故障信号处理中的应用

针对笼型异步电动机转子断条故障信号的处理,采用基于小波包分析的转子断条故障信号处理方法进行故障检测.该方法突出特点在于多分辨率多尺度分析故障特征信号,能够准确识别故障特征信号.结果表明:根据电动机定子电流信号的小波包分解系数能够有效地检测转子断条故障信号.     

基于小波包-陷波器的电机断条故障诊断的仿真

转子断条是异步电动机常见的一种故障.基于小波包-自适应陷波器的电机断条故障诊断方法利用小波包对信号进行细致分解,从分解系数上准确找到故障信号所在节点,对该节点进行重构得到要分析的信号,然后采用自适应陷波器去除工频的干扰,提取故障特征量.MATLAB仿真表明,该方法便于故障特征量的提取,从而提高故障诊断的准确率.     

笼型异步电动机转子断条在线检测新方法

转子断条是笼型异步电动机常见的一种故障,采用快速傅立叶变换对定子电流进行频谱分析是目前应用最广泛的转子断条在线检测方法,但是存在灵敏度低的缺点。本文采用连续细化分析的傅立叶变换方法,借助异步电动机定子电压过零时刻提取电路,提出了一种新的转子断条在线检测方法。该方法可以提高检测转子断条故障的灵敏度。数字仿真及实验结果均证明了该方法的准确性和实用性。应用该方法已经研制成功了笼型异步电动机转子断条在线检测装置。     

笼型异步电动机转子断条在线检测方法

提出了一种基于希尔伯特变换与数字滤波的笼型异步电动机转子断条在线检测方法。首先对定于电流信号作希尔伯特变换并构造一新的信号,进而作数字滤波并判断负荷是否波动,最后进行频谱分析以判断转子是否存在断条故障。它的最大优点在于可以正确区分转子断条故障与负荷波动,这就大幅提高了转子断条在线检测的可靠性。数字仿真及实验结果表明该方法是切实可行的。     

基于小波分析的负荷突变在线监测方法

首次对负荷突变在线监测问题作了研究,提出了一种基于小波分析的负荷突变在线监测方法,它不仅可以准确判定负荷突变发生时刻,而且可以数值化地具体反映负荷突变程度。数字仿真及实验结果证明该方法是切实可行的。该方法已成功应用于笼型异步电动机转子断条故障的在线监测中。     

基于线圈探测的笼型异步电机转子断条故障诊断初探

笼型异步电机转子断条故障研究是目前国内外关注的热点之一,已经提出的诊断方法在进行故障特征提取时具有一定困难。分析了异步电机参数与导条电气特征间的关系,通过数值仿真得到断条前后转子电流分布规律,结合有限元工具Ansys分析了导条漏磁场在故障前后的变化。研究结果表明探测线圈输出的电压幅值与导条故障的严重程度之间存在对应关系,探测线圈法可以应用于笼型异步电动机转子断条故障的诊断。     

笼型异步电动机转子断条故障在线检测方法评述

基于快速傅里叶变换(FFT)的定子电流信号频谱分析方法,被广泛应用于笼型异步电动机转子断条故障的在线检测,其中自适应滤波、派克矢量变换、希尔伯特变换以及瞬时功率法是典型且成功的。在回顾这些方法的同时,分析了它们的优缺点,并在此基础上,指出了今后的发展趋势及工作重点。对该领域进一步的研究工作具有指导意义。     

笼型异步电动机转子断条综合在线检测方法

基于快速傅里叶变换（ＦＦＴ）的定子电流信号频谱分析方法,被广泛应用于笼型异步电动机转子断 条故障的在线检测,其中自适应滤波、准确滤波、希尔伯特变换以及起动电流时变频谱分析方法是典型且 成功的。在回顾这些方法的同时,分析了它们的优缺点,并在此基础上,提出了一种转子断条综合在线检 测方法。数字仿真及实测结果表明该方法是正确有效的。     

多重信号分类法与扩展Prony结合的异步电机转子故障检测

提出了一种基于奇异值分解滤波技术的多重信号分类算法与扩展Prony算法相结合的异步电动机转子断条故障检测的新方法。奇异值分解滤波技术可以高效率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;多重信号分类方法可在短时采样数据条件下准确计算故障特征分量的频率;扩展Prony方法则可以精确计算出各特征分量的幅值,弥补了多重信号分类算法无法求解幅值的不足。因此,将三者结合即可在短时采样信号条件下以高频率分辨力准确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:新方法简单、实用,效果理想。     

基于信息融合技术的异步电机故障诊断研究

为了合理利用异步电动机多个方面的故障特征信息,提高故障诊断的准确性,提出了一种采用异步电动机定子电流、径向(轴向)振动信号等多信息融合的故障诊断方法.对测量的各种信号进行小波分析,利用各个频段的信号能量作为故障特征值.采用D-S证据理论融合各个信息,针对证据理论无法融合高冲突证据的缺陷,引入先验知识对其进行了改进,提高了电机故障诊断准确率.实验结果表明,故障诊断结果可信度明显提高,不确定性显著减小,对异步电动机转子断条故障诊断的准确率达到90%以上.     

基于信息融合方法的电机故障诊断研究

研究鼠龙异步电机转子故障诊断技术,先运用小波包分析技术对电机电流信号进行了特征值的提取,将信号进行3层分解,然后将噪声信号分离并对噪声信号进行FFT能量分析,根据噪声能量含量的大小来判断断条故障的严重程度。然后利用BP神经网络对电机的电流信号能量特征值分别进行训练和检验,并初步得出诊断结果。再运用D-S证据理论对BP神经网络的输出结果进行了决策层的信息融合故障诊断,并得出了最终的诊断结果。实验表明,在一定程度上采用多证据的融合能进一步提高诊断的准确度。     

A Fault Diagnosis Approach for Broken Rotor Bars Based on EMD and Envelope Analysis

Empirical Mode Decomposition （EMD） used to deal with non-linear and non-stable signals, is a time-frequency analytical method that has been developed recently. In this paper the EMD method is used to filter the noise from the stator current signal that arises when rotor bars break. Then a Hilbert Transform is used to extract the envelope from the filtered signal. With the EMD method again, the frequency band containing the fault characteristic-frequency components, 2sf, can be extracted from the signal＇s envelope. The last step is to use a Fast Fourier Transform （FFT） method to extract the fault characteristic frequency. This frequency can be detected in actual data from a faulty motor, as shown by example. Compared to the Extend Park Vector method this method is proved to be more sensitive under light motor load.     

小波分析在异步电机故障诊断中的应用

针对异步电机中的早期故障,提出了以小波变换极大模分析进行故障诊断的方法.该方法以异步电机中典型的故障为例,将小波变换极大模分析方法应用于信号突变成分的检测,有效地定位并检测出异步电机中的早期故障.最后,通过实验证明了基于小波理论的故障诊断方法的可行性.     

基于小波包信息熵和小波神经网络的异步电机故障诊断

采用一种基于小波包信息熵和小波神经网络的方法对异步电机进行故障诊断。将故障信号进行小波包预处理,并在此基础上提取信号的小波包能谱熵和小波包系数熵,构成信号的信息熵特征向量。训练小波神经网络使其在输入特征向量后能有效检测并输出故障模式,以实现对单一故障和复合故障的诊断。通过内嵌的方式把小波变换融入神经网络,具有良好的自适应分辨率和容错能力,可以有效避免局部最小值以及收敛速度过于缓慢的问题。试验表明,基于小波包信息熵和小波神经网络的方法能很好地进行异步电机的故障诊断,且该方法优于同参数下的BP神经网络模型。     

基于"能量-故障"诊断模式的转子断条故障在线监测

为了克服转子断条故障特征分量易受基频分量影响的困难,采用了一种基于“能量－故障”的诊断模式,利用小波理论对电动机定子电流采样信号进行特征频率提取,求出对应的能量分布,建立了表征转子断条故障的特征向量,用模方法实现了转子断条故障的快速在线监测与诊断。     

旋转机械故障诊断的小波与傅里叶谱分析方法研究

以某电厂正在运行的汽轮发电机组的振动信号为分析对象，以小波理论为重点，将小波分析与博里叶变换有机结合，利用小波分析的强时频分析特性和傅里叶变换的直观性，使故障诊断的结果既有效可靠又简单直观，在实际中易实现，从而找到了一种新的机械故障诊断方法，提高了诊断结果的精确性，实现了从运行中的汽轮发电机组的振动信号中诊断出故障类型及其所处的部位的目标．     

Extraction of failure characteristic of rolling element bearing based on wavelet transform under strong noise

There has been a lot of research has been performed regarding diagnosing rolling element bearing faults using wavelet analysis, but almost all methods are not ideal for picking up fault signal characteristics under strong noise. Therefore, this paper proposes auto-correlation, cross-correlation and weighted average fault diagnosis methods based on wavelet transform (WT) de-noising which combine correlation analysis with WT for the first time. These three methods compute the auto-correlation, the cross-correlation and the weighted average of the measured vibration signals, then de-noise by thresholding and computing the auto-correlation of de-noised coefficients of WT and FFT of ctlergy sequence. The simulation results indicate that all methods enhance the capabilities of fault diagnosis of rolling bearings and pick up the fault characteristics effectively.     

感应电动机转子断条故障诊断系统的研究

对感应电动机转子断条故障诊断原理进行了详细分析，开发出了一套基于DSO-2100虚拟数字示波器的故障诊断系统。本系统采用C＋＋ Builder与MATLAB混合编程的方法完成了对采集信号的频谱分析和对特征频谱提取，并完成了数据采集模块的设计．实现了对电机转子断条故障的自动诊断功能。     

基于小波变换频谱分析的变频电机状态监测系统

介绍了小波变换理论,论述了基于电流频谱分析的异步变频电机在线监测诊断系统架构。通过对电机电气信号的采集,利用小波变换频谱分析方法,分析了稳态运行时定子电流的频谱,提取出故障信号的特征,对电机典型故障进行了定位和诊断,并通过故障案例论证该诊断分析系统的有效性。