融合TKEO和Goerztel算法的感应电机转子断条故障诊断

针对电机电流信号特征分析进行转子断条故障诊断时,在低负载工况或早期,转子断条故障存在故障特征微弱以及难以分离等问题,同时需借助速度传感器获取转速信息,增加了硬件成本,该文提出了融合Teager-Kaiser能量算子(TKEO)和Goertzel算法的感应电机转子断条故障诊断方法。首先,采用Teager-Kaiser能量算子对定子电流进行解调处理,将基频分量转化为直流分量并去除,实现边带故障特征分量到转子断条故障特征分量以及固有偏心谐波分量到转子速度谐波分量的转变,抑制基频频谱泄露对故障诊断和转速估计造成的干扰;其次,利用Goertzel算法对归一化解调信号进行频谱分析,完成转子断条故障特征分量和转子速度谐波分量的快速提取,进而实现不同负载和不同严重程度工况下转子断条的故障诊断。此外,与归一化频域能量算子进行比较,分析其计算效率和稳定性。实验结果表明,所提方法在不同负载和不同严重程度工况下均能够有效地识别转子断条故障特征分量,并且计算量少、可靠性高、实时性强以及硬件成本低。

基于Attention-CNN的振动信号电机转子断条识别

针对基于振动信号的转子断条诊断技术依赖于人工特征选择,泛化能力差,以及常规卷积神经网络(Convolution neural network,CNN)模型在对时序信号自动特征提取时忽略序列信息的问题,利用Attention机制对局部特征在整体表达时的度量能力,提出了一种Attention-CNN网络模型。首先通过Attention在原始信号上分配注意力,其次结合CNN进行特征提取构建网络,然后利用粒子群优化算法(Particle swarm optimization,PSO)进行网络超参数寻优,训练转子断条识别模型,最后从整体和局部两个方面进行模型评价。试验结果表明,所提出的识别模型能够达到传统诊断水平,且泛化能力高于现有方法,更适用于通过振动信号进行电机转子断条识别。

异步电动机的转子断条问题研究

讨论了异步电动机转子断条故障的特征机理,介绍了通过定子电流监测进行故障诊断的方法。概述了鼠笼式异步电动机转子断条故障可能由机械应力、过载电流和设计缺陷等因素引起,并强调了这种故障对电机性能的负面影响,包括转速异常、噪声增大和潜在的安全风险。提出了通过监测气隙磁场变化和定子电流频谱分析来诊断故障的方法。在正常情况下,电机磁动势平衡对称,而转子断条破坏了这种对称性,导致转矩波动和平均转矩下降。通过对定子电流进行频谱分析,检测到特定的谐波分量。提出结论,尽管传统理论侧重于基波的影响,实际上其他定子电流成分也参与了谐波的生成,并且可以通过监测特定频率的谐波分量来判断转子是否存在断条故障。

笼型异步电动机转子断条故障检测新方法

计及实际电机本身所固有的非对称、气隙偏心、转子不对中及其它因素,进行高灵敏度、高可靠性的笼型异步电动机转子断条故障检测,是一个亟待解决并颇具工程意义的研究课题,该文即以此作为研究重心。首先完成了笼型异步电动机转子断条故障数字仿真与物理实验。通过分析仿真与实验结果,总结出在转子断条故障检测实践中保证其灵敏度与可靠性的原则及方法。在此基础上,首次将连续细化傅里叶变换、自适应滤波、转子齿槽谐波转差率估计、检测阈值自整定技术有机结合,形成了笼型异步电动机转子断条故障检测新方法。实验结果表明,该方法是切实可行的。

基于骨干微粒群算法和支持向量机的电机转子断条故障诊断

为了准确识别感应电机转子断条故障,本文提出一种基于骨干微粒群算法和支持向量机的故障诊断新方法,并给出了可行的诊断步骤和分析。首先根据故障电流信号的特点,提出一种基于骨干微粒群算法的基波滤除方法,用以消除基波分量对故障特征的影响。然后利用小波包频带能量分解技术,将残余电流信号分解到不同频带,形成感应电机运行状态的特征向量,并以此作为支持向量机的输入向量。采用"一对一"向量机进行分类,并利用骨干微粒群算法和交叉检验优化支持向量机模型参数。最后实验结果表明,该方法诊断感应电机转子断条故障能取得良好的效果。

小波分析应用于笼型异步电动机转子断条在线检测初探

简单介绍了笼型异步电动机转子断条在线检测方法 ,指出如何正确区分电动机负荷波动与转子断条故障仍是一个亟待解决的突出问题。提出了一种基于小波分析的负荷波动判定方法 ,它可以对负荷波动进行准确定位 ,并反映负荷波动范围。同时 ,本文对应用小波分析提取转子断条故障特征分量的可行性进行了研究 ,结果表明小波分析对此是不适宜的 ,提取转子断条故障特征分量还必须依靠傅里叶变换方法。在此基础上 ,提出了一种基于小波分析、自适应滤波与连续细化傅里叶变换的转子断条在线检测新方法 ,其突出优点在于可以躲过负荷波动对转子断条在线检测的影响。数字仿真及实验结果证明该方法是切实可行的。

基于Hilbert模量频谱分析的异步电机转子断条故障研究

转子绕组断条是异步电机最常见故障之一。在分析当前主要诊断方法的基础上,提出Hilbert模量频谱分析方法对异步电机转子断条故障进行研究。将Hilbert模量定义为原始信号与其共轭信号的平方和,利用Hilbert模量将原相电流中的基波分量转变为直流分量,原频谱分析的转绕组断条的故障特征分量转变为频率为二倍转差频率的电流分量,决了相电流频谱分析方法中断条故障特征成分容易被基波湮没而难以突出故障特征的问题。文中研究了Hilbert模量频谱分析方法的原理和实现方法,并对偏心故障电机和转子断条电机分别进行仿真和实验研究。仿真分析和实验结果均表明,该方法对异步电机转子断条故障诊断具有较高的诊断精度和很好的频率分辨率,能克服传统的电流频谱法主频泄漏的影响,且工程实现方便。

基于感应电机启动电磁转矩Hilbert-Huang变换的转子断条故障诊断

该文提出了一种感应电机转子故障诊断新方法。当感应电机转子出现断条故障时,转子绕组的不对称将会使电磁转矩谱中引入2sfs(s为转差率,fs为电网频率)谐波分量。利用Hilbert-Huang变换中经验模态分解(EMD)方法对启动电磁转矩信号进行了分解,得到若干本征模态函数(IMF)。通过计算包含故障信息的IMF分量的瞬时频率,可以检测出转子断条故障。同时,根据包含故障信息的IMF的幅值可以进一步判断出转子断条根数。实验结果证明该方法是可行的。

基于电磁转矩小波变换的感应电机转子断条故障诊断

该文提出了一种基于感应电机启动电磁转矩信号的转子断条故障诊断新方法。利用复值小波变换中的小波脊线提取出启动电磁转矩中故障特征在电机启动过程中的频率变化规律,检测出转子断条故障。同时,小波系数的模反映了信号在对应尺度上的能量大小,所以对应故障特征脊线上的小波系数模反映了该故障特征转矩的幅值变化规律。基于此,定义了脊线-小波能量谱的概念。将故障特征转矩对应的脊线-小波能量谱作为故障严重程度因子,即可根据其与转子连续断条根数的关系给出感应电机转子故障严重程度的表示方法。实验结果证明该方法是可行的。

利用相关性基波消去法诊断电机转子断条故障

针对感应电机转子故障时,定子电流中新增的故障特征分量被基波信息淹没而难以识别的问题,提出基于相关性基波消去法来检测转子断条故障。根据定子电压与电流基波频率相等的特点,构造出与定子电压同频的参考信号,利用改进的相关算法提取定子电流基波信号的幅值与相位,将基波分量准确滤除来突出转子断条故障信息,然后对滤波后的故障信号作频谱分析,可容易诊断出转子断条故障。该方法无需复杂的坐标变换,计算量小,实时性大大提高。实验结果表明:该方法具备较强的故障辨识能力,即使在轻载的情况下仍能有效对转子故障作出诊断。另外,系统只需采样单相电流信号和电压频率信号,工程开销小,易于实现。

短时数据下利用双HTLS参数估计的异步电机转子断条故障诊断

传统基于傅里叶分析的算法,其频谱分辨率受限于数据长度,对此,提出一种在短时数据下利用双HTLS算法进行异步电机转子断条故障诊断的方法。利用HTLS算法中的Hankel矩阵左奇异子矩阵的平移不变性质,准确估算出基波幅值、频率、相位参数;然后利用基波参数构造基波表达式,将其从定子电流原始信号中剔除,从而得到残余电流;对残余电流再次进行HTLS参数估计,辨识出故障成分的参数,并有效抑制噪声的影响。对不同数量的转子断条故障进行实验验证,结果表明双HTLS算法具有高鲁棒性的优点,且适用于噪声背景及短时数据下的转子断条故障检测。

基于自适应随机共振的异步电动机转子断条故障检测

异步电动机转子断条故障检测属于强噪声背景下故障的微弱信号检测问题。由于不同转差率下电机具有不同的转子断条故障特征频率,给随机共振最佳系统参数调节增加了难度。针对上述问题,在已有Hilbert模量法的基础上,提出了基于自适应随机共振的异步电动机转子断条故障检测方法。通过应用小波消噪、随机共振技术,改进了转子断条故障特征信号的检测灵敏度。随机共振参数的自适应调节进一步增强了该方法的实用性,与传统方法相比,该方法在各种情况下尤其是在噪声强度、电机类型及运行状况未知时,仍能有效检测转子断条故障,具有较好的自适应性。数值仿真和实验分析证明了该方法的有效性。

笼型异步电动机转子断条故障诊断方法

针对笼型异步电动机发生转子断条故障时,用于判定故障类型及其严重程度的定子电流信号中的边频信号容易被主频信号所淹没的问题,研究了一种基于Hilbert变换和支持向量机理论的笼型异步电动机断条故障诊断方法。首先进行了详细的理论推导,为该方法在断条故障诊断中的应用奠定了基础。然后设计并完成了一系列断条故障试验,取得了真实有效的故障数据。最后,将该方法应用于试验数据的分析与处理,结果表明Hilbert变换能有效提取到断条故障时定子电流信号中的故障特征量,而采用这些特征量训练得到的支持向量机分类模型则能在故障样本有限的前提下实现最优分类,将二者结合起来用于断条故障诊断的准确率高达98%。

笼型异步电动机转子断条数目诊断新判据

笼型异步电动机一旦发生转子断条故障,在其定子电流中将出现边频分量。当前已提出Filippetti判据等基于定子电流边频分量的转子断条数目诊断判据,但其准确性有待改进。该文从定子电流边频分量的产生机理入手,推导出转子断条数目诊断新判据。相对于Filippetti判据而言,新判据具有普遍性,可以视为Filippetti判据的推广。新判据同时考虑了导条间电流对转子断条数目诊断的影响。针对一台Y100L-2型三相异步电动机(3kW,380V,50Hz)完成了转子断条故障实验。实验结果表明新判据在准确性方面得以改进。

笼型异步电动机转子断条在线检测方法

提出了一种基于希尔伯特变换与数字滤波的笼型异步电动机转子断条在线检测方法。首先对定于电流信号作希尔伯特变换并构造一新的信号，进而作数字滤波并判断负荷是否波动，最后进行频谱分析以判断转子是否存在断条故障。它的最大优点在于可以正确区分转子断条故障与负荷波动，这就大幅提高了转子断条在线检测的可靠性。数字仿真及实验结果表明该方法是切实可行的。

基于随机共振理论的异步电动机转子断条检测新方法

现场采样获得的电动机故障信号通常会含有很多噪声。传统的方法是对故障信号消噪后进行分析,但在消噪的同时会丢失一些有用信息。本文提出了基于随机共振(SR)理论的异步电动机转子断条早期故障检测新方法。该方法是通过选择合适的系统参数,使非线性系统发生随机共振,把一部分噪声能量转化成信号能量,达到异步电动机转子断条早期故障检测的目的。实验分析结果表明该方法是切实可行的。

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。

异步电机转子断条故障诊断研究

针对异步电机转子断条故障诊断中,原始信号包含的故障特征成分能量微弱,其提取过程较为繁琐,给断条故障的及时诊断带来不便,提出一种基于经验模态分解(Empirical Decomposition Mode,EMD)能量熵,主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machine,SVM)相结合的新诊断方法,无须提取信号中的故障特征频率就能对电机断条故障做出准确的判断。该方法选取振动信号经过PCA处理后的EMD能量熵作为新的故障识别分类的特征量,然后支持向量机模型便可以根据断条故障前后振动信号EMD能量熵内在变化规律对转子正常和断条故障时的两种振动信号进行准确分类。通过实验分析表明,该方法操作便捷且简单,能够将转子正常和发生断条故障时的两种振动信号数据全部准确的识别分离,达到对转子断条故障进行有效识别诊断的目的,验证了方法的实用和有效性。

异步电动机断条与静偏心复合故障的电流特征

为了研究笼型异步电动机断条和静态偏心复合故障特征,采用多回路数学模型和改进的绕组函数法对复合故障下的定子电流特征进行了机理分析和仿真研究。首先建立笼型异步电动机的多回路数学模型,通过改进的绕组函数法计算了笼型异步电动机复合故障下的电感参数,推导了复合故障在定子电流中产生的特定谐波频率计算公式,然后建立了笼型异步电动机正常状态和复合故障时的有限元仿真模型,通过仿真对理论结果进行了验证。结果表明,复合故障发生时定子电流中除存在单一断条和静态偏心故障的特征频率外,还会产生一系列附加谐波分量,理论分析与仿真结果相符。

感应电机转子断条根数影响分析

首先介绍感应电机转子绕组故障分析方法,然后详细讨论转子断条故障后转子各导条和每一段端环中电流的分布及变化情况,定子电流中转子绕组故障特征量的变化情况,最后总结出特征量的变化规律:连续断条根数增加,故障特征量增加;但当连续断条数超过电机每极的导条数时,断条数继续增加,故障特征量反而减小.