采用Park变换感应电机转子复合故障检测

针对感应电机转子断条与偏心故障特征受定子电流基波信号的影响而难以提取的难点,提出了一种基于旋转Park变换滤波的感应电机转子复合故障检测方法.该方法利用电压与电流基波频率相等,通过旋转Park变换,将电流Park矢量的基波正序分量完全滤除而不影响其它的谐波分量,从而使转子断条和偏心故障特征更清晰地显示出来,然后对旋转Park变换滤波后的电流Park矢量的频谱进行分析,可以准确检测到电机转子复合故障时的故障特征.解决了电流频谱分析方法转子故障特征频率分量容易被基波湮没而难以突出故障特征的问题.实验结果表明,应用该方法可有效的对电机转子复合故障进行实时检测.     

基于EMD和改进多重信号分类的感应电机故障检测方法

针对感应电机中多类型故障的检测问题,提出一种基于经验模态分解(EMD)和改进多重信号分类(MUSIC)算法的检测方法。通过采集器采集电机定子的稳态电流信号。利用EMD对稳态电流信号进行时域分解,获得包含丰富故障信息的两个本征模态函数(IMF)。利用MUSIC算法对IMF进行频域分析,获得各类故障的特征频率,同时引入了Prony算法来确定IMF频谱中的幅值。基于故障频域特征,对转子断条、轴承缺陷和转子质量不平衡这3种故障进行检测。实验结果表明,该方法不仅能够应用于单一故障检测,还能够在多故障并发时准确检测出所有故障。     

Morlet小波解调制方法诊断鼠笼电机转子断条故障

针对电机电流信号特征分析(motor current signature analysis,MCSA)诊断早期转子断条故障时存在的频谱泄露阻碍故障特征频率识别的问题,提出一种基于定子电流Morlet小波解调制信号分析的故障诊断方法。首先选择合适的参数对Morlet小波性能进行优化,继而利用优化后的Morlet小波提取鼠笼电机定子电流信号包络线以消除基频和噪声干扰的影响,然后对提取到的包络线作快速傅里叶变换(fast Fourier transform,FFT)分析,并根据FFT频谱中是否存在特征频率成分2sfs判断转子断条故障发生与否。所提方法在电机工频或变频供电方式、不同负载运行状况下都能够消除噪声干扰和频谱泄露影响,因而便于故障特征提取并实现早期转子断条故障诊断。理论分析和实验结果表明了所提方法的正确性和有效性。     

基于D-S证据理论的感应电动机转子故障诊断方法研究

提出运用D-S(Dempster-Shafer)证据理论对感应电动机转子断条故障进行识别的故障诊断方法.基于小波包变换的频率划分特性,对定子电流信号进行小波包分解,建立了转子断条故障的特征矢量,提取转子断条故障的特征信息,利用BP神经网络对其识别的结果形成彼此独立的证据,并根据D-S证据融合规则进行融合处理,以实现对电动机转子断条故障的准确识别.实验结果表明,该方法克服了传统基于FFT分析方法难以提取故障特征频率分量的难点,提高了故障诊断的判决精度,可实现转子断条故障的可靠诊断.     

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。     

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。     

鼠笼电机起动暂态转子断条Wigner-Ville分布诊断方法

鼠笼电机起动暂态破坏了电机电流信号特征分析(MCSA)方法的使用条件,导致该方法无法诊断出起动运行状态下的转子断条故障。针对这一问题,提出鼠笼电机早期转子断条故障Wigner-Ville分布诊断方法。首先,利用离散小波变换对三相定子电流Park矢量模平方信号预处理,借以消除谐波干扰和交叉项影响,然后通过Wigner-Ville分布描述故障特征谐波的能量-滑差变化趋势,并结合其能量测度判断转子断条故障发生与否。在3 k W电机实验台上对所提出的方法进行实验验证,实验结果证实了所提方法的有效性。     

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。     

转子断条与静态偏心复合故障诊断方法

为了探究笼型异步电动机中,转子断条和静态偏心两种故障的影响因素和耦合规律,提高转子断条与静态偏心复合故障识别的准确率,基于多通道自适应陷波和总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)两种算法对转子断条与静态偏心复合故障进行诊断分析。首先采用自适应陷波技术滤除定子电流中的工频及奇次谐波,再对信号进行EEMD分解获得若干固有模态分量(intrinsic mode function,IMF)。然后对IMF分量进行包络分析,解调出故障特征频率,甄别故障类型。实验结果表明,该方法对转子断条与静态偏心复合故障能够准确识别。