双馈异步电几故障诊断方法综述

双馈异步电机运行环境较为恶劣,运行工况复杂多变,其运行状况的好坏直接对风力发电系统乃至整个电力系统产生较大的影响.本文在介绍双馈异步电机常见故障类型的基础上阐述了常见故障产生的机理,再从信号处理技术角度详细分析了目前常用的故障诊断方法,并对未来双馈异步电机故障诊断的发展趋势和方向进行了展望.     

输送带用异步电机故障诊断

发现某钢铁厂原料输送带用异步电机的运行异常后,利用异步电机状态监测仪与故障诊断技术检出转子导条松动和断条故障。用钎焊及时修复,避免了非计划停机的损失。     

数据融合技术在异步电机故障诊断中的应用

将数据融合方法引入到异步电机的故障诊断中,通过不同传感器综合采集异步电机运行时的各个状态参数,运用并行BP子神经网络对异步电机进行局部诊断,再用D-S证据理论对局部诊断的结果进行全局融合,实现对异步电机的准确诊断。实验表明,诊断结果的可信度显著提高,不确定性明显减少,证明了该方法是有效的。     

基于分数阶傅里叶变换的变频调速异步电机故障诊断方法

介绍了分数阶傅里叶变换的原理及其对线性调频信号的处理优势。以变频调速异步电机系统为研究对象,重点分析了在恒加速和恒减速运行模式下,系统的输出具有近似线性调频信号的特征,在总结变频调速异步电机在定子电流频谱上出现的断条故障特征的基础上,提出了基于分数阶傅里叶变换的变频调速异步电机断条故障诊断方法。实践证明,该方法可以有效地分析变频调速异步电机故障。     

笼型异步电机转子故障检测及诊断方法

针对笼型异步电机的转子故障问题,介绍了各种前沿技术在异步电机转子故障诊断中的应用,并对笼型异步电机转子的各种故障检测与诊断方法及优缺点进行分析与评述。     

异步电机的瞬态饱和仿真模型研究

基于参考坐标系理论 ,建立了异步电机的瞬态饱和数学仿真模型 ,并用Matlab进行了实例仿真 ,为异步电机的设计和故障诊断提供了依据     

基于物联网和模糊聚类的风力发电设备故障诊断系统及方法

为了提高风力发电设备故障诊断的准确性,构建了基于物联网和模糊聚类的风力发电设备的故障诊断系统。首先提出了风力发电设备故障诊断系统的拓扑结构,并介绍了其涉及的关键技术;然后给出了该系统的所采用的数据分析和故障诊断方法,并进行了应用实例分析。结果表明：该风力设备故障诊断系统可监控风力发电设备的运行状态,并能准确地诊断出风力发电设备的故障类型。     

基于BP神经网络的凝汽器故障诊断方法研究

凝汽器是汽轮机的一个重要的辅助设备 ,其工作情况的好坏直接影响到机组的安全和经济运行 ,因此 ,对凝汽器运行状态的监测与诊断受到电厂运行部门的普遍关注。介绍了应用人工神经网络中的 BP网络进行凝汽器的故障诊断 ,该方法计算简单 ,实用方便 ,且诊断结果具有相当程度的可靠性。     

一种小容量异步电机有功损耗的快速估算方法

三相异步电机空载有功损耗是异步电机比较重要的性能指标之一。在三相异步电机运行效率分析的基础上,提出了三相异步电机空载有功损耗的估算方法,并分析了其在不同异步电机空载视在功率中的占比,对开展异步电机相关的工作具有一定的现实指导意义。     

高压异步电机状态监测和故障诊断方法研究

介绍和分析了高压异步电机的故障原因,提出了状态监测及故障诊断方法。不同类型的故障,其振动频谱、电机供电电流、转矩和磁场中的频率成分不同,推导了故障类型和频谱之间的关系,给出了有关试验结果,尤其是不同负载时的转子和轴承故障的情况。可作为高压异步电机的故障诊断手段,亦可作为查找故障的技术,有利于高压电机的维护。     

高压异步电动机实现综合保护的研究

针对目前高压电动机频繁烧毁及其保护中存在的问题,基于对称分量法理论,分析了高压异步电动机的故障特征。提出了以正序、负序及零序电流为判定依据的电动机综合保护方法,基本覆盖了高压电动机可能出现的所有故障类型,并可实现对故障的自动诊断和高压电动机的综合保护。     

高压异步电动机实现综合保护的研究

针对目前高压电动机频繁烧毁及其保护中存在的问题，基于对称分量法理论，分析了高压异步电动机的故障特征。提出了以正序、负序及零序电流为判定依据的电动机综合保护方法，基本覆盖了高压电动机可能出现的所有故障类型，并可实现对故障的自动诊断和高压电动机的综合保护。     

中小型异步电动机微机智能型保护的研究

以中小型异步电动机的故障特征分析为基础,运用对称分量法理论,采用时民移相算法编程,实现了对正序、负序与零序电流的幅值的智能化检测,可基本处理中小型异步电动机的常见故障,具有广阔的应用前景。     

基于小波包的异步电动机故障分析

小波包分析是一种能有效进行时-频定位和微弱信号提取的方法,它对信号具有最优降噪处理能力。采用小波包分析法来提取异步电动机振动信号的故障特征,并将电机故障信号和正常信号的特征频段能量进行对比,给出定量对比的结果,充分说明故障与无故障之间存在明显差异,从而实现异步电动机的故障诊断。实例证明该方法正确有效。     

基于改进粒子群优化神经网络的电机故障诊断

为了更加准确快速地诊断出三相异步电动机运行过程中发生的各类故障,在采用小波包分析提取异步电机故障特征向量的基础上,提出了一种混沌动态权重粒子群算法(CDW-PSO)优化BP神经网络的故障诊断方法,构建电机的神经网络故障诊断模型,采用混沌动态权重粒子群算法优化神经网络的结构参数。实验分析表明,采用该方法用于电机故障诊断,诊断速度快、准确性高、可靠性好。     

高压异步电动机的故障诊断及综合保护

本文详细分析了高压异步电动机的故障特征及其现有保护的不足。基于对称分量法理论，本文提出了基于检测负序、零序电流及电流幅的电动机保护方法，该方法能够覆盖高压电机常用故障，并可实现对故障类型的自动诊断，实现了高压电动机的智能化综合保护。     

基于EEMD能量熵与ANN的矿用异步电机故障诊断

针对矿用异步电机故障时定子电流信号非线性非平稳性的特点,提出了一种基于集合经验模态分解（EEMD）能量熵与人工神经网络（ANN）结合的转子故障诊断方法。首先利用EEMD将电机定子电流信号分解为一系列本征模态函数（IMF）;其次通过互相关准则,选取信息最丰富的IMF分量并计算其能量熵来构造故障特征向量;最后将特征向量输入人工神经网络（ANN）进行训练和状态识别。实验通过Ansys Maxwell软件对故障电机建模获得仿真电流数据,验证了该方法是一种可行的矿用电机故障诊断方法,相较于传统频谱分析更为可靠,可实现对异步电机处于正常、转子断条、气隙偏心等状态的准确识别,综合识别率达97%。     

基于EMTDC的异步电动机故障仿真

推导了电力系统电磁暂态仿真软件EMTDC中的三相异步电动机模型，介绍了电动机暂态过程的求解算法。基于EMTDC对单相接地，断机和机械堵转等电动机常见故障进行了仿真计算，获得了各种故障情况下的特征波形，并进行了定量误差分析，验证了EMTDC电动机模型和算法的有效性和正确性，为电动机故障诊断和保护的深入研究提供了一种有效的仿真工具。     

异步电动机定子匝间短路故障诊断方法

分析了异步电动机定子线圈匝间短路故障时的振动特征及定子电流的谱特性。指出由于受电动机结构固有不对称等因素的影响，单纯利用振动频谱分析法或定子电流信号频谱分析法诊断定子线圈匝间短路故障，不能得到准确可靠的诊断结果。提出一种异步电动机定子匝间短路故障的诊断方法，能有效提取电动机定子匝间短路故障时的特征信息，提高故障识别精度。实验结果证明，利用该方法得到的谱特征可以作为异步电动机定子匝间短路故障诊断的依据。     

大型旋转电机故障诊断技术解析

电机作为大多数机械设备的原动机,其重要地位是其它任何设备都无法代替的。电机故障不仅影响电机本身,而且有时对它所驱动的负载也会产生很大损害。因此,人们越来越普遍地认识到,必须对电机开展状态检修的研究。针对电机的状态检修,主要讨论了大型旋转电机故障诊断技术的相关概念、方法、意义等问题,并论述了电机制造企业开展电机故障诊断技术研究的必要性及其优势,为提高电机产品的技术含量、增加其技术附加值开辟了新的思路。