基于多数据融合的电机故障诊断方法研究

电机作为各类电驱设备的主要动力装置,具有结构简单、控制方便、能效高、无污染等优点.在电机运行过程中,受载荷多变、零部件老化、散热条件差等影响,故障频发,进而降低电驱装置的工作效率和稳定性.此外,电机故障种类繁多,各故障的征兆与表现又极其相似,不同故障产生的原因也错综复杂,这极大地提高了电机故障诊断的难度.传统的电机故障...     

电机故障诊断中电流信号采集的研究

对异步电机常见故障及电机故障诊断中常用的定子电流频谱分析法作了简单介绍，分析了常见中小型异步电机故障特征频率的分布范围，以及不同的电机故障对频率分辨率的不同要求，并提出用双采样频率对电机的电流信号进行采样的新方法。     

基于ARM嵌入式系统的电机故障诊断系统的设计

介绍了基于A R M嵌入式系统的电机故障诊断系统,对系统的软硬件设计方法进行了阐述,系统采用小波包算法来诊断电机故障,能够进行实时数据采集,在线状态监测,实现了现代测控和诊断系统的小型化和智能化。     

电机故障诊断的多传感器数据融合方法

电机及其运行环境的复杂性决定了电机故障诊断也非常复杂。尽管随着检测技术、信号处理技术、智能技术的进步,故障诊断技术得到了很大的发展,但是目前的故障诊断技术仍因为各种原因存在着很大的不确定性。目前诊断技术依然是基于单个参数,如电流、振动、温度、润滑油成分所能携带的故障特征来进行诊断．但是因为模型或者环境的不确定性导致这些诊断结果模糊不清甚至错误。分析了传统故障诊断方法中存在的不确定性．并介绍多传感器数据融合的方法来处理由于单个参数带来的诊断的不确定性,同时介绍一个数据融合故障诊断系统(fusion diagnosis system．FDS)的结构模型．并分析这个结构在应用中的关键问题。     

基于调度综合数据平台的大规模电网分层故障诊断

当大规模电力系统发生单一或复杂故障时,各种开关及保护动作信息、报警和事件信息在短时间内同时上传到调度中心各应用系统,此时仅靠单个系统信息和单一诊断手段很难解决故障诊断问题。文中提出了一个基于调度综合数据平台（DIIP）的针对大规模电力网故障诊断的分层故障诊断多智能体系统（MAS）模型,通过分级故障特征信息订阅机制及区域智能体并行诊断和全局智能体总体诊断的分层协调诊断机制,得出最终的故障诊断结论。测试案例表明,利用基于DIIP的多智能体模型诊断故障有效且具有较好的实际应用能力。     

电机设计模糊综合评价系统的研究与实现

通过建立模糊评判模型，并对设计方案评判的指标体系及隶属度函数进行分析，完成电机设计方案的综合评价。再从设计过程优化的角度出发，建立了面向电机设计全过程的综合评价系统，提高电机CAD系统的智能化水平。     

电机设计模糊综合评价系统的研究与实现

通过建立模糊评判模型,并对设计方案评判的指标体系及隶属度函数进行分析,完成电机设计方案的综合评价.再从设计过程优化的角度出发,建立了面向电机设计全过程的综合评价系统,提高电机CAD系统的智能化水平.     

实用的大电机振动故障诊断系统

目前,在设备故障处理过程中,存在有测试无诊断的状况,本介绍了作开发的一种实用的大电机振动故障诊断系统（ＶＴＤＳ）,该系统分为字分析与自动计算及诊断三大部分。     

风电场实验数据采集系统研究

本文基于实验数据采集的需求,研究了自动化数据采集工具.通过实验需求数据整理,依托采集工具自动获取历史数据等相关需求数据,无需人工干预.结果表明,通过该自动采集工具,让数据采集变得更方便、更智能、更简单.数据采集工具的采集结果满足实验室对实验数据的要求,并可根据需求进行配置和选择,对有效获取实验数据具有重要意义.     

电机扩大机故障诊断与修理

介绍了国产ＺＫＫ系列电机扩大常见故障类别诊断，分析了各类故障产生的原因及排除故障的措施以及各种绕组极性检测方法。     

基于工业互联网和多传感器数据的电机故障诊断方法

提出了一种基于工业互联网和多传感器数据的电机故障诊断方法。通过各类传感器在线实时得到电机的电压、电流、振动、温度等信号的瞬时值,并转化为表征电机状态的各个特征参数。根据各个特征参数在各个故障模式下的变动情况,得到各个故障模式下故障特征及其隶属度。把故障特征与故障模式之间的关系分为充分条件和必要条件关系。按照充分条件和必要条件分类后,对每个故障模式对应的2类条件下的故障特征的隶属度进行融合,最后得出每个故障模式的隶属度,为远程运维系统决策服务。该方法既可以部署在电机远程运维工业互联网的边缘设备中,也可以部署在云平台服务程序中,实现快速而可靠的电机故障诊断。     

基于贝叶斯网络和故障录波数据的电网故障综合诊断方法

电网故障诊断是保证系统安全运行的基础,故障录波系统提供的信息为电网故障的精确诊断提供了重要依据。为了有效利用故障录波数据,并在信息缺失或不确定条件下精确诊断电网故障,研究了基于贝叶斯网络和故障录波数据的电网故障综合诊断方法。通过在故障录波联网系统的主站建立输电网贝叶斯模型,结合从故障录波系统得到的模拟量和开关量数据,从而构成基于贝叶斯网络的电网故障识别模型。将贝叶斯网络得出的高可信度诊断结果融入专家系统的知识库,形成完备的故障诊断专家系统。实例分析表明,可快速并准确地定位故障元件,提高电网故障处理效率。     

基于三态数据的电网在线综合故障诊断

提出了一种基于三态(稳态、动态、暂态)数据的电网在线综合故障诊断方法。首先从数据特性和调度自动化现状出发,分析了利用三态数据进行在线故障诊断的必要性;其次,从在线故障诊断的正确性、实时性和全面性3方面入手,提出了多源信息的数据挖掘和协同处理技术;最后,展望了电网在线故障诊断未来的发展方向。     

基于BP神经网络的舰船电机故障诊断

为了准确判断舰船电机故障类型,找到故障原因,建立基于BP神经网络的舰船电机故障诊断模型,收集故障样本数据.运用MATLAB软件进行仿真,以实例进行检测.检测结果表明,构建的模型准确可靠,可以模拟电工人员对舰船电机故障作出正确诊断,验证了BP神经网络的优越性和可行性.     

基于电机驱动系统的齿轮故障诊断方法综述

齿轮故障诊断技术对减少工业事故所造成的人员伤亡和经济损失具有重要的意义。首先介绍了振动诊断法和噪声分析法,然后重点对基于电机驱动系统的齿轮故障诊断方法做了综述。振动诊断法和噪声分析法属于常用的齿轮故障诊断方法,这两种方法分别需要安装振动传感器和声音传感器,齿轮传动机构结构紧密而且构造复杂,安装机械传感器多有不便。电机电流特征分析法、负载转矩特征分析法和运动误差辨识法是基于电机驱动系统的无创诊断方法,电机电流、负载转矩以及运动误差信号都承载有齿轮的故障信息,电机电流信号可以从电机驱动器处获得,负载转矩和运动误差信号借助于辨识器也可以从驱动器处获得,避免了安装机械传感器的需求。同时分析了各种诊断方法的优缺点,总结现有研究成果及有待解决的问题,展望了未来的研究方向。     

基于小波能量谱分析的电机故障诊断

电机是一种复杂的旋转机械,故障种类多而且难以辨别,利用傅里叶变换对噪声信号分析很难得出满意的结果。为了对小功率异步电机的常见故障进行正确快速地声频诊断,采用小波分析技术对小功率异步电机的几种常见故障噪声进行了多分辨率分析,从能量分布的角度出发,快速且较为准确地诊断出电机故障,诊断效果明显好于傅里叶分析。表明小波分析是对电机故障进行声频诊断的有效方法,同时也提供了一种思路,为电机故障在线实时诊断提供了理论依据。     

基于信息融合技术的电机故障诊断

为了从多方面反映电机系统状态，实现对电机故障模式的自动识别和准确诊断，将数据融合技术与神经网络相结合，建立电机故障诊断系统。首先在数据融合级上对故障特征量进行分类处理，然后采用多层神经网络进行故障特征级融合和电机故障的局部诊断，获得彼此独立的证据，再运用D-S（Dempser sha-fer）证据理论融合算法对各证据进行融合，最终实现对电机故障的准确诊断。诊断测试试验证明，该诊断系统提高了电机故障诊断的精度，能够满足诊断的实时性要求。     

感应电动机故障诊断技术综述

分析了感应电动机故障诊断技术的研究现状,介绍了小波分析、人工神经网络、模糊逻辑、专家系统等前沿技术在感应电动机故障诊断中的应用,对感应电动机的各种常见故障诊断方法进行了详细的分析和评述.