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。     

小波包变换在风力发电机转子断条故障诊断中的应用

将小波包变换应用于风力发电机转子故障诊断中,用Matlab小波分析将转子断条故障情况下定子侧的电流模拟信号进行多层小波分解,提取转子断条故障的故障特征,并与傅里叶分析结果对比,得到一种简易的故障诊断方法。结果表明,该方法能够准确提取故障特征,是一种优良的信号特征提取方法。     

基于小波包频带-能量重构的电机断条故障诊断

异步电机转子断条故障特征分量(1±2s)f与基波频率f相比,幅值较小、易被主频淹没。在研究小波包分解与重构的特征基础上,讨论了小波包分解树的频带分布规律,确定以sym8小波对电机定子电流信号进行12层分解,并通过对故障特征频带的信号能量重构来判断电机有无转子断条。运用该方法能避免基波频率对故障特征分量的影响,故障特征检测更明显,并能诊断转子轻微断条故障。仿真和试验结果证明了该方法的有效性。     

用希尔伯特变换和小波包分析诊断转子断条故障

应用希尔伯特变换和小波包频带能量分析方法,消去定子电流中所包含的直流分量,解决了转子断条故障特征分量容易被基波淹没、难以检测的问题。实验结果验证了该方法诊断转子断条故障的有效性。     

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.     

基于逆变器直流侧电流的异步电机转子断条和偏心混合故障诊断

电机发生早期故障时,出现在定子电流中的故障特征频率分量很弱,容易被基波分量的泄漏淹没。很多文献通过各种变换方法将电流的基波分量转化为直流量,以减少频谱泄漏来突出故障特征分量。基于变频器驱动的异步电机,通过分析发现定子电流中的基波分量转化为逆变器直流侧电流中的直流分量,定子电流中的各种故障特征频率分量和逆变器直流侧电流中的频率分量存在对应关系。提出了一种基于逆变器直流侧电流的异步电机转子和偏心混合故障诊断方法,采集逆变器直流侧电流信号,并用MUSIC算法进行频率估计,具有很好的实时性。试验结果证明,提出的方法是一种简单有效的方法。     

基于小波变换的异步电机故障检测与分析

通过合理选取小波基,对提取到的电机振动信号和定子电流信号做小波包变换,从而对电机滚动轴承损坏、转子断条这两类电机主要故障做出准确的判断与分析。对转子断条故障的仿真结果表明,小波包分析方法在电机故障诊断方面具有较好的准确性和优越性。     

基于小波包分析的异步电机转子故障检测

针对异步电机转子断条故障信号特征频率易被主频淹没的缺点,利用小波包分析法提取电机电流信号的故障特征频带能量,并以此为依据,基于"频率-能量-故障"模式,对异步电机转子断条故障进行检测信号,实验结果表明该方法能够有效检测转子断条故障。     

异步电机鼠笼转子断条的频谱分析及诊断

介绍了采用定子电流的谱分析来诊断异步电动机鼠笼转子断条故障缺陷的基本理论,分析了实际应用中的技术难题和解决方法,阐明了转子断条诊断在实际生产中的意义。     

基于小波包和AFSA-SVM的电机故障诊断

针对电机滚动轴承故障诊断准确率问题,提出基于小波包分析结合人工鱼(AFSA)优化支持向量机(SVM)的电机故障诊断方法.利用小波包多分辨率分析法对电机的震动信号进行多层分解及重构,得到不同频段的信号时频图;然后采用AFSA算法对支持向量机中的参数惩罚参数(C)和核参数(σ)进行寻优选择,并最终建立AFSA-SVM故障诊...     

基于谐波小波的变频机转子断条故障诊断

变频机转子发生断条故障时,定子电流中将产生相应特征频率的电流分量。对这种特征信号的提取与监控,能够实现转子短条故障的检测。研究利用谐波小波的分频特性实现转子断条故障特征信号的提取方法。仿真结果和实际应用表明,这种方法能够准确地提取转子导条断裂故障的特征信号,是变频机转子导条断裂故障诊断的一种可靠的方法。     

基于瞬时无功功率感应电机转子断条故障诊断研究

在基于定子电流信号进行异步电机故障诊断时,转子断条故障特征频率分量常常被电流的基频分量淹没.针对这种情况,本文提出一种新型的基于瞬时无功功率的转子断条故障诊断方法.该方法首先对定子电压和电流进行Hilbert变换,然后在此基础上构建瞬时无功功率.通过对无功功率进行频谱分析,选取特征频率2ksf作为转子断条的故障诊断判据.同时定义一个新的故障严重程度系数,对感应电机转子故障严重程度进行判别.实验结果表明该方法能有效进行转子断条故障诊断.与传统的Hilbert模量方法和瞬时功率方法相比,该方法因没有交叉项而频谱简单;只需采集单相电流,不需要进行坐标变换,简化了硬件和软件,节省计算时间.     

鼠笼式异步电动机转子故障检测方法

基于定子电流的频谱分析方法是异步电动机状态监测与故障诊断的主要途径。总结了异步电动机转子断条和偏心故障时，定子电流中可能出现的故障特征频率成分，通过对同时存在断条和偏心故障的异步电动机的实验结果分析，发现基波周围的断条和偏心特征频率成分尽管容易出现频率重叠，但因其幅值较大，对其进行监测仍是故障诊断最有效的途径；避免误诊的方法是对断条和偏心特征频率成分各自的分布规律进行监测分析，如果同时结合槽谐波及其周围的偏心特征频率成分的监测，将会使结果更准确。     

基于小波包能量熵和DBN的轴承故障诊断

轴承是旋转机械设备的关键部件,目前已有很多轴承故障诊断方法,但其中一些方法只能针对特定的轴承故障进行诊断,可能不适用于其他轴承故障问题,而且大部分方法的诊断准确率还可以进一步提高。提出小波包能量熵与深度置信网络(DBN)相结合的方法进行轴承故障诊断。首先对轴承振动信号进行小波包变换,然后以能量熵的形式构建特征向量,这些特征向量含有不同频段内的振动能量大小,可以用于区分各种轴承故障。最后利用基于DBN的深度模型对能量熵特征向量进行故障识别。使用两类轴承数据集进行验证,分别获得100%和99.5%的故障识别准确率。实验结果表明,该诊断方法具有较好的通用性,而且可以达到很高的诊断准确率。     

基于信息融合分析的感应电机故障检测方法

为了提高感应电机故障检测的准确性,在分析了感应电机定子线圈短路故障时的振动特征信息及定子电流的谱信息的基础上,指出了单一的振动分析方法或定子电流频谱分析（MCSA）诊断定子线圈短路故障,不能得到准确可靠诊断结果的原因,提出了一种基于信息融合分析的感应电机定子故障检测方法,能有效提取电机定子故障时的特征信息,提高了故障识别的准确性。实验结果证实,基于融合分析得到故障特征可以作为感应电机定子线圈短路故障诊断的依据。     

基于小波包能量熵与SVM的模拟电路故障诊断

提出1种小波包能量熵与支持向量机结合的模拟电路故障诊断新方法。首先对待测电路的输出电压信号进行多层小波包分解,然后对分解信号进行单支重构,并对重构系数求取小波包能量熵,形成故障诊断的特征向量。将特征向量输入支持向量机,通过选取恰当的核函数与多分类方法,对支持向量机进行训练,建立故障模式分类器,并在不同故障模式下对样本数据进行测试。仿真结果表明该方法能达到较高的诊断正确率。     

异步电机断条故障诊断的细化包络方法

针对异步电机断条故障时电流细化频谱存在的故障频率成分较弱和幅值不对称问题,结合实调制细化算法与Hilbert变换算法,提出了一种新的细化包络算法。实调制细化算法基于移频调制原理实现了正负频段频谱的对称搬移,保证了细化谱与原始谱的一致,减少了计算量;经Hil-bert变换得到细化谱的包络谱,可以排除电网频率成分影响,提高包络谱的分辨率。仿真和实验结果表明,该方法使电机电流信号的故障特征频率更容易识别,克服了常规细化谱在电机断条故障诊断应用中的不足。     

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%。