永磁同步电机故障诊断方法研究综述

永磁同步电机(permanent magnet synchronous motor,PMSM)具有结构简单、运行稳定、效率高和外形多样等显著优点,在生产制造领域得到广泛应用。PMSM在工作中不断受到速度变化和负载波动等复杂工况的影响,不可避免地会出现各种故障,如轴承故障、偏心故障、退磁故障和匝间短路故障等。文中综述了PMSM常见故障类型,并总结了自动化领域中基于信号的状态监测方法的现有研究,以用于各类电气和机械故障的检测和诊断。随后,对诊断方法进行了总结,并分析了其优势与限制,探讨了不同信号处理方法在应用中的利弊。最后,根据当前研究现状,讨论了PMSM故障监测与诊断存在的问题和未来发展方向。

联合收获机的常见故障及排除

在联合收获机作业过程中,要密切注意各工作部件的技术状态和收割的质量,及时排除各种故障。注意联合收获机工作调整,提高联合收获机的工作效率和质量,积极采取预防措施,把故障消灭在萌芽状态之中。即使是小故障也不任其发展,否则,将积累成大故障乃至对机器造成破坏,从而造成重大经济损失。

基于QAR数据的飞行控制系统故障研究综述

为系统梳理国内外对民用飞机飞行控制系统故障分析的研究历程和现状,针对基于快速存取记录器(QAR)数据分析的飞行控制系统典型故障类型,首先,总结QAR数据预处理、特征提取等使用过程;然后,根据故障分析可达到的性能指标,提出4个故障研究阶段,分别为故障监测、故障识别、故障诊断和故障预测;最后,综合国内外研究进度与深度,得出飞行控制系统典型故障类型,包括方向舵液压泄漏、升降舵指示不一致、襟翼动作耗时等,建模常用QAR数据项包括飞机主舵面位置、飞行姿态、飞机性能、左右襟翼角度、襟翼位置等,计算方法包括物理模型、多变量统计、逻辑推理、机器学习等。结果表明:系统分析方向舵、升降舵、襟翼等子系统最新研究进展,发现在故障类型、参数选择和计算方法的改进等方面取得了一定的成果,故障研究阶段基本处于故障诊断或非实时预测水平,但仍需加强面向安全保障与实际维修方面的需求,以实现故障实时预测技术。

基于LabVIEW的拖拉机电气故障诊断系统设计

设计了一种基于LabVIEW的拖拉机电气故障诊断系统,其采用模块化设计,可以自动检测和诊断拖拉机的电气故障,并提供可视化的诊断结果。系统由数据采集模块、信号处理模块、故障诊断模块和用户界面模块组成。数据采集模块负责采集拖拉机各个部件的电气参数数据,信号处理模块对采集到的数据进行处理和分析,故障诊断模块通过分析处理后的数据来判断拖拉机是否存在故障,并给出相应的诊断结果,用户界面模块提供友好的交互界面。试验结果表明:系统可以准确地诊断拖拉机的电气故障,具有良好的应用前景和推广价值。

基于数据挖掘技术的拖拉机发动机故障诊断

拖拉机是农业生产的重要工具,发动机是其核心部件,如发动机出现故障,将会直接影响农业生产效率和产量。为此,提出了一种使用数据挖掘技术进行拖拉机发动机故障诊断的方法。利用了机器学习技术和统计学,首先针对拖拉机田间运行信号噪音较大的问题,引入小波阈值去噪的方法;其次,基于卷积神经网络模型,引入一种注意力机制,提高故障诊断准确率,并通过对拖拉机传感器数据进行分析,可以帮助诊断和预测发动机故障;最后,通过实验结果验证了算法的有效性。研究结果不仅可以提高故障的准确性和效率,还能够节约维修成本和提高机器的利用率,具有较高的应用价值。

煤矿掘进机机电设备故障诊断与维护

针对煤矿掘进机机电设备传统故障诊断方法效率较低、故障识别较为困难、潜在故障无法及时发现等问题,本文对煤矿掘进机机电设备故障诊断与维护技术进行研究。在分析了掘进机关键结构常见故障和监测方法的基础上,提出了煤矿掘进机故障监测与智能诊断系统,完成硬件系统选型和软件控制系统设计,实现了对掘进机机电设备运行状态实时监控和远程运维,转被动维护为主动维护,提高了设备运行可靠性,降低了设备维护成本,提高了机电设备故障诊断效率。经安装调试后表明:当掘进机关键部位出现异常现象时可准确识别,并且故障响应时间仅为1.28 s,故障发现率达97.8%,对潜在故障准确识别和判断,智能诊断系统极大提高了设备故障诊断效率,故障排除时间降低为97.3%。

柱塞式喷油泵常见故障的排除方法(4)

1漏油 1.1故障现象:油路系统漏油,使燃油供应减少,发动机运转不平稳,严重时甚至熄火.喷油泵内漏油会使机油油面升高.

基于深度学习的特高压三端混合直流输电线路波形特征故障区域判别方法

针对将现有直流线路故障区域识别方法应用于特高压三端混合直流输电线路时,存在难以区分T区两侧故障、耐过渡电阻能力弱和阈值整定困难的问题,提出一种利用深度学习及波形特征进行特高压三端混合直流输电线路故障区域识别的方法。首先,对三端混合直流线路不同故障区域进行故障特征分析;然后,对线模电压和线模电流进行多尺度小波分解,提取线模电流中低频分量和线模电压高频分量,结合正负极电压波形特征,组成深度学习模型的输入量,并将故障区域作为输出量,构建深度学习故障区域识别模型;最后,用训练过的深度学习模型对获取的故障特征量进行处理,以实现故障区域识别的目的。通过大量仿真实验,验证了所提故障区域识别方法具有准确率高和基本不受过渡电阻影响的特性。

典型神经网络串联型电弧故障检测及选线方法研究

为解决传统特征分析加机器学习的电弧故障检测方法的准确率和实时性受到特征参数选取的主观性及特征分析过程的影响问题,搭建了三相多负载并联的串联型电弧故障实验系统,对不同支路、不同相发生电弧故障时的干路电流信号时间序列进行分析。将电流信号进行分类、分段、标准化处理并作为检测模型样本;对深度卷积神经网络模型、长短期记忆网络模型、普通神经网络模型进行架构及训练;通过差分处理对网络模型在线分类结果进行优化分析;以准确度和损失函数值、在线测试速度、优化后多分类识别准确率为评价指标,对比分析了3种模型故障检测及选线效果。研究结果表明:基于深度卷积神经网络的串联型电弧故障检测及选线模型对电机类负载故障检测及选线准确率可达96.77%,对变频器类负载故障检测及选线准确率可到98%,准确率高于近几年其他三相回路电弧故障检测模型。

故障电弧保护装置在工程中的应用

分析故障电弧的特性及常规配电保护开关保护对故障电弧保护方法的局限性,通过对国内外故障电弧防护规范及标准的梳理,结合国内高可靠性故障电弧保护器产品,提出在工程实践中应用故障电弧保护器的现实意义。

气量调节系统执行器失效故障的自愈调控算法研究

往复压缩机运行过程中,如果其气量调节系统中的执行器失效,将可能影响压缩机的工作效率,甚至导致严重的问题。为此,构建了一种多执行器气量调节模型,提出了一种自愈调控算法,旨在有效应对执行器失效故障对系统性能和可靠性的影响。首先,建立了耦合执行器失效故障的压缩机多气阀并流机理模型,揭示了不同执行器故障模式对压缩机排气量、能耗、功率等热力学性能的影响规律,为后续研究自愈调控提供了基础数据;然后,提出了一种基于故障执行器隔离—负荷再分配—回流阀流量调整的执行器失效故障的自愈调控算法,该算法通过评估故障的劣化程度并启动相应调控策略,实现了系统自我修复的目标;最后,搭建了实验平台,分别进行了执行器失效故障实验和故障自愈调控实验,验证了自愈调控的快速性和稳定性。研究结果表明:气量调节系统的故障劣化程度跟执行器故障模式、系统工况参数有关;如果失效故障执行器数量增加,故障劣化程度会随之增加;如果系统工况负荷降低,故障劣化程度也会随之增加,据此可划分压缩机的故障劣化程度区间;通过启动自愈调控算法,成功抑制了故障的发展,分别在8 s、13 s内将发生轻度劣化、中度劣化故障工况的排气量波动调整至许可范围内,实现了将故障状态迅速恢复至正常状态的目标,从而满足了工业生产的要求。该研究可以为往复压缩机气量调节系统的稳定性和可靠性提供一种有效的应对方案。

大众汽车ABS系统故障检测与维修

随着现代科学技术的发展和生活水平的提高,人们对汽车的性能有了更高的要求,汽车的制动性能作为汽车的主要性能之一,关系到乘员的生命和财产安全,提高车辆制动性能尤为重要。防抱死制动系统(Antilock Brake System,简称ABS)即可以通过调节车轮制动压力来保证制动过程中的最佳滑移率,以在获得良好侧向力的同时获得较高的制动强度。它可以有效防止车轮在制动过程中极易出现的抱死拖滑现象。

基于数字孪生和IETM的装备常规故障诊断

装备在实际运行过程中出现的大部分常规故障都是由于人为操作、保养以及环境等因素引起的。常规故障在装备的研制、试验、鉴定以及维保过程中都进行了验证,并有明确的定义,具有明确的故障树分析结论,因而数字孪生可为装备常规故障提供快速、交互性的诊断可能。为提高常规故障诊断的效率和诊断过程的交互式体验感,提出一种基于数字孪生的装备常规故障诊断模型。在此基础上,鉴于交互式电子技术手册(IETM)良好的交互性及用户体验感,设计一种基于孪生数据和IETM的装备常规故障诊断方案。该方案将装备故障树转换为IETM的故障数据模块,存储到IETM数据库中形成故障库。采用故障树分析方法并将装备实时孪生数据作为输入,利用IETM的交互性,通过过程数据模块结合故障数据模块进行步进式故障诊断及隔离引导操作,同时提供维修操作指导。当装备实时孪生数据与故障库定义的故障信息不完全一致时,采用案例分析法计算装备实时孪生数据提供的故障征兆信息与故障库中明确定义的故障征兆信息的相似度,并设定相似度的阈值进行判定;再利用IETM推送对应故障数据模块进行相应的故障诊断隔离引导。

变转速工况下松动故障自适应时频模态分解

松动故障广泛存在于机械设备之中,而在变转速工况下的松动故障诊断仍存在一定挑战.为实现变转速工况下的松动故障诊断,本文提出了一种自适应时频模态分解方法.为提高该方法的多工况自适应能力,针对时频模态分解窗宽参数进行了优化选取,研究了窗宽参数与分解输出的非线性关联特征,实现了不同噪声下的自适应时频模态分解.为验证该方法的有效性,针对支承松动故障进行了实验验证,同时在某工程设备上进行了旋转部件松动故障实验验证.采用自适应时频模态分解算法对实验验证数据进行处理,实现了非平稳特征的模态分解.通过定义和计算各阶次能量占比,完成了振动信号的故障特征分析,实现了松动故障的特征提取与诊断.结果表明,所提方法能够实现非平稳信号的模态分解,对于松动故障具备有效的诊断能力.

电动拖拉机驱动电机系统故障诊断模型研究

驱动电机系统的故障可能导致电动拖拉机失控或发生意外情况,从而危及驾驶员和周围环境的安全,准确诊断故障可以帮助驾驶员及时采取措施,避免潜在的危险。为了进一步提高电动拖拉机驱动电机系统的故障诊断准确率,基于驱动电机系统的数据特征及故障类型,以BP人工神经网络模型为基础,通过PSO-BP优化后的人工神经网络模型构建电动拖拉机电机驱动电机系统故障诊断模型,并对传统BP神经网络模型的阈值和权重进行优化,以更快地收敛到全局最优解。通过采集驱动电机系统的数据,对基于PSO-BP故障诊断模型进行试验验证,结果表明:模型对5种故障状态诊断准确率较高,特别是退磁故障和IGBT故障这两种复杂的故障类型。研究内容能够为电动拖拉机驱动电机系统的故障诊断提供一种有效的方法和技术支持,可提高诊断准确率、保障驾驶员和周围环境的安全,提高了工作效率,降低了维修成本。

单相脉冲整流器故障在线智能诊断实验设计

针对高速列车电力牵引系统中单相脉冲整流器的功率器件开路故障和传感器故障,设计了基于数据驱动的故障在线智能诊断实验。首先,对单相脉冲整流器系统进行数学建模,分析功率器件开路故障的故障拓扑和传感器故障的故障机理;然后,基于极限学习机算法和非线性自回归结构设计智能诊断模型,并将故障在线智能诊断实验分为离线训练和在线验证2个阶段;最后,基于RT Box半实物仿真器搭建快速原型控制实验平台,对故障模型和诊断模型进行实验验证。实验结果表明,构建的单相脉冲整流器故障在线智能诊断模型可以在1/4个基波周期内检测到故障的发生,并在3/4个基波周期内识别出具体故障类型。

永磁同步电机耦合故障特征提取方法仿真

由于永磁同步电机故障的并发性,且耦合故障信号具有较强的关联性,导致永磁同步电机耦合故障特征提取较为困难。为此提出了采用负序电流法和磁链观测法对匝间短路-不均匀退磁耦合故障特征的提取方法。首先推导了正常电机的数学模型,在此基础上搭建仿真模型并验证了其可靠性;其次搭建了匝间短路和不均匀退磁单一故障的仿真模型,验证了负序电流法和磁链观测法在单一故障特征提取时的有效性;最后并对耦合故障的特征进行了对应的提取。结果表明,单一故障特征在耦合故障提取时也有较高的准确性。

迈腾B8轿车氧传感器故障检测及分析

汽车氧传感器出现故障,会影响车辆的动力性、经济性和尾气排放特性。本文以迈腾B8轿车为例,从氧传感器的工作原理入手,结合电路图和实际检测数据,形成分析氧传感器的故障诊断思路,总结传感器及其电路的一般故障分析和诊断方法,从而快速排除相关故障。

基于电压曲线诊断锂离子电池的故障

锂离子电池在电动汽车中应用广泛,电池的不一致性故障与内短路故障是电动汽车的严重安全隐患。采用绝对中位差方法来放大电池组故障电池的电压特性;再利用非局部均值滤波算法进行滤波,得到平滑的故障电压特征;最后,通过动态时间归整(DTW)算法计算特征值曲线之间的相似度距离,实现故障电池自动定位。使用运行车辆电压数据进行验证,发现该诊断方法对两类故障车辆均具有良好的检测效果:一是故障电池DTW距离长期偏离其他电池的不一致性故障车辆;二是故障电池DTW距离短期偏离其他电池的内部短路故障车辆。与余弦相似度进行对比,验证所提方法的准确性更高。

基于免疫Agent的电力电缆线路故障检测系统

为区别故障信号、非故障信号,实现对电缆线路故障的准确检测,设计了基于免疫Agent的电力电缆线路故障检测系统。利用前端检测电路为故障分析模块、测距方式切换模块提供电量传输信号,完成系统前端检测装置的连接。按照免疫Agent检测原理提取电力电缆线路故障信号的特征,联合已获取信号对象,求解检测插值指标的具体数值。结合各级硬件设备结构,完成系统设计。实验结果表明,该系统可同时检测波频为10~20 Hz、40~50 Hz、60~70 Hz的故障信号与波频为20~30 Hz、30~40 Hz、50~60 Hz的非故障信号,可以在精准辨别故障与非故障信号的同时,实现对电力电缆线路故障的准确检测。