基于SVD滤波技术与快速四阶累积量ESPRIT算法的异步电动机转子断条故障检测新方法

提出了一种基于奇异值分解(Singular Value Decomposition,SVD)滤波和快速四阶累积量(Speedy Fourth-Order Cumulants,SFOC)旋转不变信号参数估计技术(Estimation of Signal Parameters via Rotational Invariance Technique,ESPRIT)的异步电动机转子断条故障检测方法。SVD滤波方法可以理想地滤除电机定子电流信号的基频分量与背景噪声,从而凸显转子断条故障特征频率分量;四阶累积量ESPRIT方法可以有效减少噪声干扰、扩展信号阵元并以高频率分辨力提取定子电流信号中的转子断条故障特征频率分量;特别是,将二者结合即可在短时采样信号条件下以高频率分辨力提取转子断条故障特征频率分量。为了改善四阶累积量ESPRIT方法的快速性,提出了精简算法以消除均匀线阵的DOA(direction ofarrival)估计中的大量冗余数据,从而大幅减小计算量。转子断条故障检测实验表明:基于SVD和SFOC-ESPRIT的异步电动机转子断条故障检测方法效果良好。     

基于SVD-ESPRIT与PSO的笼型异步电机转子断条故障检测

将基于奇异值分解(Singular Value Decomposition,SVD)滤波的旋转不变信号参数估计技术(Estimation Of signal parameters via rotational invariance technique,ESPRIT)与粒子群(Particle Swarm Optimization,PSO)算法相结合提出一种异步电动机转子断条故障检测方法。利用ESPRIT的高频率分辨力特性,通过SVD滤波准确提取定子电流信号中转子断条故障特征分量及主频分量之频率,但因其对幅值和初相位估计的效果欠佳,进而尝试应用粒子群优化算法确定各频率分量的幅值和初相位。仿真及试验结果表明,基于SVD-ESPRIT与粒子群算法的异步电动机转子断条故障检测方法是有效的,且因算法简单、运行耗时短亦可用于在线检测。     

基于ESPRIT和扩展Prony算法的异步电机转子断条故障检测方法

将高频率分辨力谱估计技术ESPRIT与扩展Prony算法相结合而提出一种异步电动机转子断条故障检测方法。利用ESPRIT,可以精确提取定子电流信号中转子断条故障特征分量及其他分量的频率,但无法对其幅值和初相位进行有效估计。为解决此问题,尝试应用扩展Prony算法确定各频率分量的幅值和初相位。仿真及试验结果表明,将ESPRIT和扩展Prony算法应用在异步电动机转子断条故障检测是有效的,且因算法简单、运行耗时短亦可用于在线检测。     

MUSIC和Prony在电动机断条故障检测中的应用

为了实现异步电动机转子断条故障的准确检测,提出了一种基于多重信号分类MUSIC(root multiple signal classification)与普罗尼P rony算法相结合的异步电动机转子断条故障检测新方法。MUSIC方法具有频率分辨力高,所需数据少的特点。首先利用该方法计算出异步电机转子发生断条故障时的特征分量及其他分量的频率值,进而引入扩展Prony法中的最小二乘法,估计出特征分量及其它分量的幅值和初相角。仿真及实验结果表明,基于MUSIC和Prony算法的异步电动机转子断条故障检测方法切实可行,并且适用于负荷波动、噪声干扰等不利情况。     

基于奇异值分解滤波与APES算法的异步电动机转子故障检测

简要介绍了奇异值分解(SVD)滤波与幅度相位估计(APES)算法的原理,提出了将奇异值分解滤波与APES算法相结合的异步电动机转子故障检测方法。仿真结果证明了所提方法的可行性。转子断条故障试验结果表明:对于短时信号,所提方法仍能较精确地识别定子电流中故障分量的频率,并准确计算其幅值和初相角,且不受噪声影响。     

Park矢量模平方函数与ESPRIT相结合的异步电动机转子断条故障检测新方法

为了能够在异步电动机转子断条故障初发时准确检测并适时安排维修计划,提出利用Park矢量模变换技术与旋转不变信号参数估计技术谱分析方法相结合的方法进行异步电动机转子断条故障检测。经过Park矢量模平方变换可以将工频分量转换为直流量,即可轻而易举的消除工频分量的影响,结合ESPRIT高频率分辨力技术可以在短时采样信号下准确地检测出故障特征频率,与以往检测方法相比计算量大为减少。对一台异步电机分别进行仿真与实验验证,仿真与实验结果同时显示,该方法能够准确提取到转子断条故障特征信号,计算快速,频率分辨力高。鉴于此,将Park矢量模平方函数与ESPRIT结合的异步电动机转子断条故障检测方法效果理想。     

基于Duffing系统和扩展Prony算法的异步电动机转子断条故障检测

针对异步电动机经常发生的转子断条故障,提出一种Duffing系统与扩展Prony算法相结合的检测方法。利用Duffing系统对初始参数的敏感性准确提取定子电流信号中的故障特征分量,但Duffing系统无法对故障特征分量幅值进行有效估计。为解决该问题,提出利用扩展Prony算法确定各故障特征分量的幅值和初相角。仿真和实验结果表明所提方法切实可行,且算法简单、结果直观。     

基于MUSIC与SAA的笼型异步电动机转子断条故障检测

提出了一种基于多重信号分类(Multiple Signal Classification,MUSIC)与模拟退火算法(Simulated Annealing Algorithm,SAA)的异步电动机转子断条故障检测新方法。首先以转子断条故障仿真信号检验MUSIC性能,结果表明:MUSIC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之频率;但对诸频率分量幅值、初相角,MUSIC无能为力。为此,引入SAA确定诸频率分量幅值、初相角,效果理想。进而,对一台Y100L—2型3kW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SAA的异步电动机转子断条故障检测方法是切实可行的,并且因仅需处理短时信号而适用于负荷波动、噪声等干扰严重情况。     

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MCSA的笼型异步电动机转子断条诊断

研究笼型异步电动机在转子断条时的运行情况,提出有效的检测方法,以便在电机转子只出现轻微故障时及时检测出故障,采取有效措施。MCSA技术采用时域加窗和傅里叶变换的方法,对电机电流信号进行频谱分析,并对故障频率段局部细化,提取定子电流中故障特征频率分量来诊断电动机是否存在转子断条故障。仿真结果表明本方法可以有效消除频率泄漏和栅栏现象,准确检测出故障分量。     

基于高频信号注入的异步电动机转子故障诊断方法研究

鉴于工频分量对异步电动机转子断条故障特征分量的泄露影响,提出了高频信号注入的异步电动机转子故障诊断新方法.推导出高频信号注入后转子断条新的故障特征频率,采用电机多回路理论和绕组函数理论建立异步电动机完好以及转子断条故障数学模型,通过仿真验证了高频信号注入法在电机轻载情况下对诊断转子断条故障的有效性和可行性.     

Zoom-Prony方法及其在转子断条故障严重程度定量估算中的应用

在基于定子电流信号分析的感应电动机故障诊断中,通过求基波两侧由转子断条故障引起的边频分量的幅值、相位和频率,可以进行故障严重程度的定量估算.由于Prony方法对噪声非常敏感,而实际电动机电流信号包含丰富的谐波和噪声,且故障特征分量的幅值很小,直接应用Prony方法很难估算出故障特征分量的参数.本文提出Zoom-Prony方法,将Prony方法与选带细化技术(Zoom技术)相结合,对转子断条故障特征频率附近的小频段进行局部放大分析,估算这两个边频分量的参数,提高了计算的准确性,缩短了计算时间.此外,由于故障特征频率与基频过于靠近且幅值相差太大,边频分量常常被基频分量所掩盖而无法得到正确的结果,因此本文通过两次应用该方法来消除基频分量的影响.仿真与实验验证了这一方法的有效性.     

基于MUSIC与FOA的异步电动机转子断条故障检测

为了更加准确和快速检测异步电动机转子断条特征分量的频率和幅值,通过结合多重信号分类(MUSIC)与果蝇优化算法(FOA)并将其用于异步电机转子断条故障检测。作为一种具有高频率分辨力的谱估计技术,MUSIC能够快速而准确地检测边频以及基频分量的频率大小,即使对于短时采样信号也有良好的性能。然而,MUSIC虽是提取信号频率的有效工具,却没有能力计算各个分量的幅值和相位。因此,该文引入FOA以确定各个分量的幅值和相位,结果表明性能良好。通过仿真和实验验证了基于MUSIC与FOA的异步电动机转子断条故障检测方法的有效性。     

基于小波包改进算法的电机转子断条故障诊断

在异步电动机发生转子断条故障时,定子电流中会出现(1-2s)f频率分量,以此作为故障特征频率分量,但相对于基频f,其幅值较小且靠近基频,容易被淹没。本文采用的一种基于小波包分解与单节点重构改进算法,可以突出故障特征频率分量(1-2s)f,避免基频影响。仿真和实验结果均表明,该方法能够准确地诊断出电机转子断条故障。     

基于比值校正与复调制细化的异步电动机转子断条在线诊断

为了对异步电动机断条故障进行准确检测并提前安排检修和更换设备,本文提出了一种基于比值校正与复调制细化的异步电动机转子断条在线诊断方法。首先利用比值校正计算得到定子电流中工频分量的幅值、频率与初相角,运用精确滤波消除工频分量的影响,进而结合复调制细化分析准确检测故障特征分量。在验证阶段,通过一台200kW笼型异步电动机进行了有限元仿真,结果验证了所提方法的有效性,为异步电动机的转子断条故障诊断提供了新的解决方案。     

电动机转子故障在线检测误判率高的原因及其改进方法

长期以来，对异步电动机稳态运行下转子断条故障在线检测的准确度不高。虽然转子断条故障的特征频率分量与工频分量非常接近，且幅值也远远小于工频分量的幅值是影响断条故障检测的一个重要因素，但也还存在其他各种原因，一些检测手段或分析方法本身也存在各种缺陷。通过对造成电动机断条故障检测准确度不高的各种原因进行深入的分析，针对这些原因提出了具体的改进方法，并提出了一种基于频距比较的故障检测新方法。实例分析表明，提出的改进措施及检测方法，能将断条特征频率分量与其他频率分量有效地区分开，降低了转子断条故障的误判率，从而大大提高了其故障检测的准确度。     

基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测新方法

将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signal parameters via rotational invariancetechnique,ESPRIT),应用模拟转子故障的定子电流信号测试其频率分辨力、精度等性能,结果表明:即使对于短时信号,二者仍具高频率分辨力,可以准确地分辨定子电流信号中转子故障特征分量、主频分量之频率;但对其幅值、初相角,仅能提供"粗糙"估计。为此,尝试以优化算法——模拟退火算法(simulated annealing algorithm,SAA)与模式搜索算法(pattern search algorithm,PSA)确定各分量的幅值与初相角。同时,分别对MUSIC与ESPRIT、SAA与PSA做了性能对比,遴选优者并应用于转子故障检测。最后,针对转子断条故障进行实验,结果表明:基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测方法有效、可行,即使在负载波动、噪声等干扰严重情况下仍然适用。     

异步电动机定子绕组匝间短路故障检测新方法

定子绕组匝间短路是异步电动机常见故障之一,因此研究其检测方法具有重要意义。针对异步电动机定子绕组匝间短路与转子断条故障瞬态进行仿真并分析仿真结果,指出异步电动机转子故障对定子绕组匝间短路故障检测存在不利影响,甚至导致故障误判。提出计及转子故障时的异步电动机定子绕组匝间短路故障检测新方法,该方法关键在于预先采用频谱校正与自适应滤波技术滤除定子电流中由转子故障所导致的特征频率分量。大量仿真与实验结果表明,该方法可以避免将转子故障误判为定子绕组匝间短路故障,使定子绕组匝间短路故障识别可靠性大幅提高。     

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.