笼型异步电动机转子断条故障新特征

根据笼型异步电动机转子断条故障的基本规律与正弦信号希尔伯特变换的物理意义,将希尔伯特变换、频谱分析/校正与自适应滤波技术相结合,以获取定子电流滤波信号的希尔伯特模量,指出其在复平面所占面积可反映转子断条故障存在与否,且其数值伴随故障程度的加剧而增大.仿真与实验数据分析验证了这一规律.进而提炼出笼型异步电动机转子断条故障新特征--定子电流滤波信号希尔伯特模量回转半径.仿真与实验数据表明,该特征对于转子断条故障灵敏,并对电机负载状况呈现一定的鲁棒性,将其应用于笼型异步电动机转子断条故障检测可行.     

电流监测在笼型异步电动机转子故障诊断中的应用

分析了笼型异步电动机断条的原因 ,介绍了定子电流监测断条的原理 ,通过试验分析定子电流的频谱 ,由电流频率边频带 (1± 2s)f处幅值的大小可判断转子断条的故障及断条的数目 ,证明定子电流监测用于转子故障诊断是有效的     

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。     

异步电动机断条与静偏心复合故障的电流特征

为了研究笼型异步电动机断条和静态偏心复合故障特征,采用多回路数学模型和改进的绕组函数法对复合故障下的定子电流特征进行了机理分析和仿真研究。首先建立笼型异步电动机的多回路数学模型,通过改进的绕组函数法计算了笼型异步电动机复合故障下的电感参数,推导了复合故障在定子电流中产生的特定谐波频率计算公式,然后建立了笼型异步电动机正常状态和复合故障时的有限元仿真模型,通过仿真对理论结果进行了验证。结果表明,复合故障发生时定子电流中除存在单一断条和静态偏心故障的特征频率外,还会产生一系列附加谐波分量,理论分析与仿真结果相符。     

基于SAE与改进LightGBM算法的笼型异步电机故障诊断方法

针对笼型异步电动机故障诊断传统的特征值方法的局限性,提出了一种基于栈式自编码(SAE)和改进的轻型梯度提升机算法的笼型异步电动机定子绕组匝间短路和转子断条故障的联合诊断方法.该方法主要包含如下两个步骤,第一步骤是应用SAE故障检测算法对电机定子电流与电压采样数据进行处理,并通过添加惩罚项(稀疏项和加噪环节)对输入数据进行降维编码,获取数据重构值,以实现特征自动提取;第二步骤是针对难以处理的权重赋值问题、误分类代价和过拟合等问题改进LightGBM故障检测算法,将上述第一步骤得到的数据重构值引入LightGBM分类器进行电机故障多分类,从而实现定子绕组匝间短路和转子断条故障的同时、联合诊断.实验结果表明,该方法是有效的.     

异步电动机转子断条故障在线检测新方法

针对MUSIC（Multiple Signal Classification Algorithm）算法用于故障诊断的两大缺点：运算量大和可能产生的虚假波峰对故障特征的混淆带来的不利影响,给出了相应的解决方法。定子电流Hilbert幅值包络信号包含了低频的故障特征频率调制信号,故通过对定子电流Hilbert幅值包络信号进行降采样率重采样、减少分析信号长度,可避免低频段频谱混叠,再对减少的重采样数据进行具有超分辨率的MUSIC低频段估计,可大大降低MUSIC算法频谱估计时间;运用连续细化傅里叶变换（SFFT）和转子齿槽谐波转差率估计技术,可预知故障特征频率精确值,从而可有目的地查询故障分量,消除MUSIC虚假波峰对故障检测混淆的影响,大大提高了故障检测的灵敏度和可靠性,以此形成异步电动机转子断条故障检测新方法。试验表明,该方法可行有效。     

异步电动机转子断条故障在线检测新方法

针对MUSIC(Multiple Signal Classification Algorithm)算法用于故障诊断的两大缺点:运算量大和可能产生的虚假波峰对故障特征的混淆带来的不利影响,给出了相应的解决方法.定子电流Hilbert幅值包络信号包含了低频的故障特征频率调制信号,故通过对定子电流Hilbert幅值包络信号进行降采样率重采样、减少分析信号长度,可避免低频段频谱混叠,再对减少的重采样数据进行具有超分辨率的MUSIC低频段估计,可大大降低MUSIC算法频谱估计时间;运用连续细化傅里叶变换(SFFT)和转子街槽谐波转差率估计技术,可预知故障特征频率精确值,从而可有目的地查询故障分量,消除MUSIC虚假波峰对故障检测混淆的影响,大大提高了故障检测的灵敏度和可靠性,以此形成异步电动机转子断条故障检测新方法.试验表明,该方法可行有效.     

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ESPRIT与Duffing系统的笼型异步电动机转子断条故障检测

旋转不变信号参数估计技术(ESPRIT)应用于笼型异步电动机转子断条故障检测时,其频谱分析结果中可能出现实际并不存在的虚假频率分量,从而影响检测效果。针对该问题,采用ESPRIT对定子电流信号进行频谱分析,从而获得定子电流信号的频率分量组成,然后利用Duffing系统对ESPRIT频谱分析结果做进一步处理,以辨识并摒弃其中的虚假频率分量,从而保障笼型异步电动机转子断条故障检测的效果。仿真与实验结果验证了所提方法的有效性。     

基于定子电流希尔伯特模式的笼型异步电动机转子断条在线检测方法

利用图形缩放技术，对笼型异步电动机转子正常及断条情况下的定子电流信号希尔伯特模式做了研究，并概括出内在规律。以此为基础，提出了一种基于定子电流希尔伯特模式的笼型异步电动机转子断条的线检测方法。数字仿真及实验结果表明该方法是切实可行的。