基于小波包的笼型异步电机转子断条故障检测

针对笼形异步电机转子断条故障,提出了一种利用小波包分析获取转子断条故障特征的判断方法.介绍了小波包换故障信号特征提取方法;其次对定子电流信号进行小波包分解后,对低频信号重构及功率谱的计算,实现了转子断条故障诊断.实验数据分析表明,该方法能准确对转子断条故障进行诊断.     

基于小波包分析和支持向量机的异步电机转子断条故障诊断

提出了一种基于小波包分析(WPA)和支持向量机(SVM)的异步电机转子断条故障诊断方法。针对异步电机转子断条故障时定子电流出现的边频分量(1±2s)f进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响。采用多个最小二乘支持向量机组成故障分类器,兼顾了训练误差和计算效率,将故障特征向量输入支持向量机进行训练,从而实现在小样本情况下转子断条故障的在线识别。试验结果表明:基于小波包分析提取的故障特征明显,由WPA和SVM构成的诊断系统,具有良好的分类能力和泛化能力,有效提高了异步电机转子断条故障在线诊断的准确率。     

一种利用融合相关谱的异步电机故障诊断方法

为提高异步电机故障诊断的可靠性,针对故障特征频谱分量小信号、多成分、难识别的问题,提出一种异步电机融合相关谱故障诊断方法.该方法基于多源信息融合的思想,采用电机定子电流和振动信号的融合相关谱特征作为转子断条及定子匝间短路故障的诊断依据.通过将含有相同故障频率分量的特征信号作融合相关分析,建立不同信号间的相关关系,能够有效抑制单一信号频谱中与故障识别不相关的频谱分量,使得电机故障特征频率分量更加突出,降低故障识别难度.通过仿真分析,揭示了融合相关谱特征频率与电机故障类型的对应关系,实现了转子断条及定子匝间短路故障的快速诊断,并与单一信号频谱分析进行对比,验证了该方法的有效性和实用性,对于异步电机运行状态的准确监测具有重要意义.     

功率频谱在异步电动机故障诊断中的应用

针对异步电动机故障特征难以提取的问题,引入基于功率频谱的故障诊断方法.三相平均功率频谱将定子电流中的基波变换为功率频谱中的直流分量,从而达到突出故障特征、准确分离复合故障的效果,但必须考虑电源和负载的对称度.单相功率频谱无法诊断定子绕组故障,却对诊断转子断条故障非常有效.理论推导与仿真表明,功率频谱具有故障特征明显、信...     

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。     

基于扩充Prony算法的感应电动机转子断条故障诊断

检测感应电机转子断条故障及故障程度的关键在于查找定子电流谱中频率为(1±2s)f的间谐波含有率。传统的谱分析由于加窗和截断带来的频谱泄漏,使特征谱难以辨识,采用现代谱估计中的扩充Prony算法,基于定子电流信号的AR参数估计,计算信号的谱线构成,依据故障电机稳态运行时的定子电流特征,选取合适的阶数,能够精确地检测到(1±2s)f故障特征分量的幅值和频率,回避了频谱泄漏问题,为感应电动机转子断条故障的MCSA检测法提供了一条新的途径。通过实验室实测算例验证了该方法的有效性,在电机空载和轻载运行时也能够准确地检测出故障特征信号,诊断出故障程度。     

笼型异步电动机转子断条故障诊断方法

针对笼型异步电动机发生转子断条故障时,用于判定故障类型及其严重程度的定子电流信号中的边频信号容易被主频信号所淹没的问题,研究了一种基于Hilbert变换和支持向量机理论的笼型异步电动机断条故障诊断方法。首先进行了详细的理论推导,为该方法在断条故障诊断中的应用奠定了基础。然后设计并完成了一系列断条故障试验,取得了真实有效的故障数据。最后,将该方法应用于试验数据的分析与处理,结果表明Hilbert变换能有效提取到断条故障时定子电流信号中的故障特征量,而采用这些特征量训练得到的支持向量机分类模型则能在故障样本有限的前提下实现最优分类,将二者结合起来用于断条故障诊断的准确率高达98%。     

采用整流技术的变频供电感应电机转子断条故障诊断方法

电机定子电流信号易受变频器电力电子开关器件和电磁干扰的影响,现有解调技术又存在计算量大的问题,为此,该文提出一种变频器供电侧电流与整流技术相结合的感应电机转子断条故障诊断方法。所提方法依据开关函数和调制理论,首先建立了变频器供电侧电流解析表达式。其次利用整流技术对变频器供电侧电流进行处理,将特征频率从传统的边带频率转化为转子断条故障特征频率,有效地抑制了电源基频频谱泄漏的影响,从而实现电机在轻载或空载运行工况下的转子断条故障诊断。最后采集变频供电感应电机不同负载运行工况下供电侧电流数据进行验证。实验数据分析表明,所提方法能够提取从空载到重载不同运行工况下的转子断条故障特征分量,有较高的稳定性,而且所需计算量少,容易实现。     

EMD分解在感应电机转子复合故障诊断中的应用

针对感应电机转子断条与偏心复合故障特征受定子电流基波信号的影响而难以提取的难点,提出了一种基于定子电流Park矢量模EMD分解的诊断方法。首先从理论上分析了Park矢量模在凸显复合故障特征方面优于单相瞬时功率,然后通过仿真验证了这一结论的正确性。仿真结果还表明,基于定子电流Park矢量模EMD分解方法诊断灵敏度高、故障特征直观清晰,同时提取的故障特征IMF分量还可以从定量上对故障严重程度作出分析,是一种优越的可行方法。     

基于变模态分解的异步电机转子断条故障诊断

电机稳态运行时的故障特征频率与基频接近,难以实现转子断条时的故障电流分量的有效提取。对此,该文根据起动过程中转子断条故障特征信号频率易与基频区分的特点,采用变模态分解（VMD）方法对起动过程中的定子电流进行分析并对故障进行诊断。首先,基于平均瞬时频率对VMD的模态个数进行优化,准确分解出能量集中的断条故障特征信号。在此基础上,利用维格纳准概率分布高时频分辨率的特点绘制断条故障特征信号的时频分布图,引入大津算法对图片进行抗噪处理,突出故障特征部分。然后,以故障特征信号能量值作为故障量化因子,以不同故障状态下多组实验数据的均值和标准差为依据设置阈值,实现系统自动故障预警的目的。最后,在一台5.5 kW异步电机上进行了实验,结果表明,所提诊断方法不仅能够实现包括不完全断条在内的故障诊断,还能够实现对断条故障严重程度的判断。     

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。     

基于双PQ变换的感应电机转子故障诊断

提出了基于双PQ变换的感应电机转子故障诊断新方法。该方法以三相基波正序电压及其希尔伯特变换构造PQ变换矩阵,用其对定子三相电流进行变换,得到电机有功功率P及无功功率Q。由于正常电机P、Q均恒定,在PQ坐标系下对应1个点;故障电机则由于P、Q中附加频率为2sfs(s为转差率,fs为电网频率)的波动分量而对应于1个椭圆。通过比较电机正常及转子断条故障运行时的P、Q在PQ坐标系下对应的模式,可以实现转子断条故障的可靠检测。选择转子断条电机在PQ坐标系下对应椭圆的长轴为故障特征,椭圆中心与空载运行点之间的距离为归一化基准值,得到了1个近似独立于电机惯量及负载等级的故障严重因子。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。     

基于单相功率频谱分析的感应电机故障诊断

感应电机定子电流频谱中,转子断条故障频率分量幅值很小并且与基波频率相当接近,故障特征不易提取.针对电流频谱分析的缺点,综合运用单相功率频谱分析、数字滤波和频谱细化技术,突出故障特征.仿真结果表明,即使断条特征微弱,单相功率频谱中故障特征频率分量也能得到充分的反映.随着断条数日的增多,故障特征分量的幅值明显增大.该方法具...     

基于Hilbert模量与改进BP神经网络的电机转子断条故障诊断

为了更加快速准确识别感应电机转子断条故障,文中提出一种基于定子电流Hilbert模量与混沌粒子群算法(Chaos Particle Swarm Optimization,CPSO)优化BP神经网络的感应电机转子断条故障诊断方法。该方法首先通过定子电流Hilbert模量进行故障特征提取,然后采用CPSO-BP神经网络进行故障状态的自动识别。Hilbert模量可以将定子电流中的基波信号转化为直流分量,降低其对特征提取的干扰,从而凸显故障特征。而CPSO-BP神经网络方法相比BP神经网络具有更好的权值系数,可以进一步提高故障识别率。经实例验证,基于Hilbert模量与改进BP神经网络的电机故障诊断方法性能良好。     

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.     

鼠笼式异步电动机转子断条数目判据研究

转子导条断裂是鼠笼式异步电动机的常见故障之一.本文通过分析定子电流边频分量的产生机理,采用定子电流时域信号加汉明窗的方法,减小主瓣能量泄露,突出边频分量,改进了诊断转子断条数目的判据.仿真结果表明断条数目诊断的准确性得到一定程度的提高.     

基于APSO-SSVM的异步电动机转子故障诊断

基于信号分析的异步电动机的转子断条与偏心故障诊断方法中,常用传统的电机电流信号特征分析(MCSA)方法。由于采样频率偏低、强大的基波旁瓣效应等因素的影响,会导致特征频率成分被淹没、难以量化故障程度等问题。因此,提出了一种基于自适应粒子群优化逐序支持向量机(APSO-SSVM)的异步电动机故障诊断方法。首先,利用经验小波变换(EWT)对原始信号进行滤波;然后,对滤波后的信号进行特征提取并输入到SSVM诊断模型中;最后,通过APSO算法确定各次序下SVM模型的最佳超参数,从而实现转子断条数量的精确故障诊断。     

希尔伯特变换在牵引电机转子断条故障诊断中的应用研究

基于希尔伯特变换分析方法,以动车组电机定子电流信号为研究对象,对定子电流信号应用希尔伯特变换后,消去定子电流中包含的直流分量,解决了转子断条故障特征分量容易被基波淹没、难以检测等问题,使故障特征分量的提取更加准确。通过仿真实验证明了希尔伯特变换法在动车组牵引电机转子断条故障诊断中应用的正确性和有效性。     

基于笼型电动机转子断条故障的诊断分析

为了解决目前已有的故障诊断方法只能诊断出电机是否发生转子断条故障而不能诊断出转子断条数目的问题,对电机转子断条故障进行了仿真和断条数目诊断方法的研究。首先对Y2-132M-4型的鼠笼式三相异步电机进行了建模,利用建立的模型对发生不同断条数的电机故障进行了仿真研究。然后,提出了基于机器学习的对转子断条故障的断条数目进行诊断的算法。实验结果表明,所提出的故障诊断分类方法实现了电机不同数目的转子断条故障的智能诊断分类,且诊断分类准确率达100%。