基于Park矢量模信号小波分解的感应电机轴承故障诊断方法

在分析小波包分频特性的基础上,总结出小波包分解子频带按频率高低排列的通式;对三相定子电流的Park矢量模信号进行小波包分解,求相应子频带的小波包分解系数的均方根值(RMS),并用其表征轴承的故障特征,以此作为轴承故障诊断的依据。研究表明,该方法降低了基频电流及电流中噪声的影响,克服了由于受负载变化引起故障特征频率波动使得难以准确提取故障特征频率的缺陷;实验结果证明了该方法应用于电机轴承故障诊断的可行性。

基于Park矢量模平方函数的异步电动机转子故障检测方法研究

提出了一种基于Park矢量模平方函数的高分辨率谱分析的异步电动机转子导条断裂故障检测方法,仿真研究结果表明,在短数据情况下,相对FFT分析技术而言,该方法频率分辨率更高,故障检测更为准确, 且计算量小,有利于电机故障实时状态监测。实验证明,将该方法应用于异步电机转子故障检测,可准确检测出异步电动机在转子导条断裂时在定子电流中的故障特征成分,方法切实可行。

基于Park矢量旋转滤波的感应电机复合故障检测

利用电压与电流基波频率相等,用单位电压Park矢量及其共轭对电流Park矢量进行旋转变换,从而将电流Park矢量的基波正序分量完全滤除而不影响其他的谐波分量.由于滤除了基波正序分量,在频谱图上,被基波正序分量掩盖的断条故障特征就显示出来了.由于去掉了基波的影响,也可以更清晰地突出偏心的故障特征.而且,旋转滤波不影响电流Park矢量中的负序分量,而电流基波的负序分量可以作为定子绕组故障的特征量.也就是说,通过对旋转滤波后的电流Park矢量的频谱进行分析,就可以对电机的定转子故障同时进行监测.实验结果表明,这是一种可行并且有效的电机故障实时监测方法.

基于Park矢量的变频电源供电的笼型异步电机转子断条故障诊断方法

基于工频电源驱动时扩展Park矢量方法诊断笼型异步电机转子断条故障的有效性,研究了在变频电源供电情况下该方法的诊断有效性。对断条故障电机变频电流进行了实测、分析和对比,结果表明:当采用变频电源供电时,传统的单相电流频谱分析方法无法正确诊断转子断条故障,而扩展Park矢量方法具有良好的诊断准确性和适用性。

Park矢量变换在异步电机故障诊断中的应用

分析了异步电机系统中Park变换过程,应用矢量变换将三相定子电流转换为图形方式进行故障诊断,文中给出了故障形式与图形的关系,通过实例验证了该方法的有效性。

基于Park矢量的电动机轴承故障检测方法

提出了一种基于Park矢量的改进聚类处理算法,该方法通过辨识感应电动机三相定子电流中的故障信息来识别轴承故障。为了验证该方法的有效性,在电动机轴承上预设了故障,通过数字信号处理器采集数据,并利用上述方法进行处理。结果表明,所提出的方法可有效识别电动机的轴承故障。

基于Park矢量的变频电源供电的笼型异步电机转子断条故障诊断方法

基于工频电源驱动时扩展 Park 矢量方法诊断笼型异步电机转子断条故障的有效性,研究了在变频电源供电情况下该方法的诊断有效性。对断条故障电机变频电流进行了实测、分析和对比,结果表明:当采用变频电源供电时,传统的单相电流频谱分析方法无法正确诊断转子断条故障,而扩展 Park 矢量方法仍然具有良好的诊断准确性和适用性。

基于Park矢量模频率特征的变压器励磁涌流识别方法

提出一种基于Park矢量模频率特征的新型变压器励磁涌流识别方法。首先分析了变压器内部故障和励磁涌流状态下三相差电流的相对相位关系特征,并讨论了对应的Park矢量模中不同频率分量的特点。在此基础上分别定义Park矢量模中二次谐波相对基波和直流的含量系数,并根据这两个系数大小来识别励磁涌流状态。利用动模实验和数字仿真结果对该方法进行验证分析,并与常规二次谐波闭锁方法进行比较。比较分析结果表明所提方法能有效区分励磁涌流和故障电流,在可靠性上优于常规二次谐波闭锁方法,同时空载合闸于轻微故障变压器时受非故障相涌流的影响小,能够更快地开放保护。

Park矢量模平方函数与ESPRIT相结合的异步电动机转子断条故障检测新方法

为了能够在异步电动机转子断条故障初发时准确检测并适时安排维修计划,提出利用Park矢量模变换技术与旋转不变信号参数估计技术谱分析方法相结合的方法进行异步电动机转子断条故障检测。经过Park矢量模平方变换可以将工频分量转换为直流量,即可轻而易举的消除工频分量的影响,结合ESPRIT高频率分辨力技术可以在短时采样信号下准确地检测出故障特征频率,与以往检测方法相比计算量大为减少。对一台异步电机分别进行仿真与实验验证,仿真与实验结果同时显示,该方法能够准确提取到转子断条故障特征信号,计算快速,频率分辨力高。鉴于此,将Park矢量模平方函数与ESPRIT结合的异步电动机转子断条故障检测方法效果理想。

基于扩展Park矢量的电机故障诊断系统设计

转子断条故障和轴承故障是异步电动机的主要故障,这两种故障的检测是电机故障诊断的重要内容。根据扩展Park矢量法理论的原理,阐述断条故障的诊断方法,结合轴承故障特点及冲击脉冲传感器的信号,给出了异步电机故障诊断系统的设计方案。实践表明,系统具有很强适应性和广阔的工业应用前景。

基于定子电流Park矢量变换的感应电机故障诊断

通过提取定子电流信号Park矢量图作为电机故障特征 ,应用人工神经网络技术对故障特征进行分类与识别 ,从而避开复杂的谱分析技术 ,实验测试结果表明 ,该方法用于电机故障诊断可靠、有效 ,是一种实际可行的电机故障诊断方法。

基于Park矢量旋转滤波的感应电动机断条故障诊断

讨论鼠笼式电动机转子断条故障诊断,用Park变换将电动机的三相电流由三维坐标系变换到二维坐标系,使得三相电流的三次谐波相互抵消。介绍了Park矢量旋转滤波的原理。分别用Park矢量复平面法、傅里叶变换法及Park矢量旋转滤波法,对电动机故障情况进行诊断。实验结果说明Park矢量旋转滤波方法可靠。

基于定子电流Park矢量变换的感应电机故障诊断

通过提取定子电流信号的Park矢量图作为电机故障特征,应用人工神经网络技术对故障特征进行分类与识别,从而避开了复杂的谱分析技术。实验测试结果表明,该方法用于电机故障诊断可靠、有效,是一种实际可行的电机故障诊断方法。

基于动态规整与Park矢量离心变化率的风电机组变流器健康状态评估

针对风电机组变流器绝缘栅双极型晶体管(IGBT)模块故障率高且故障发生在较短时间尺度上的情况,提出基于动态规整与Park矢量离心变化率的变流器IGBT健康状态评估方法,利用动态规整算法建立相似度计算模型,计算三相波形的最小规整距离与波形相似度并实现变流器运行状态判断;利用Park矢量椭圆离心率与变化率进行IGBT状态评估并设定评估指标。分别通过仿真及实际运行数据验证。验证结果表明,该方法具有较好的实用性,在故障发生前波形相似度逐渐降低,Park矢量离心率变化趋势持续增大,表明这种算法模型能够明显区分正常波形与异常波形。采用该方法能及时反映变流器健康状态,可以有效避免由于IGBT故障而导致电力电子系统关闭或损坏的情况。

基于扩展Park′s矢量法的异步电机定子绕组匝间短路故障诊断技术研究

针对异步电机定子绕组匝间短路故障的诊断,在充分考虑磁路耦合的情况下建立数学模型,提出了基于扩展Park′s矢量法的异步电机定子绕组匝间短路故障诊断技术,给出了该故障的检测方法和系统功能结构。仿真结果表明,提出的故障诊断方案是有效可行的。

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Park变换和DRNN的定子绕组匝间故障诊断方法

采用定子电流信号检测方法诊断三相交流电机定子绕组匝间短路故障时,会受到电网电压不对称和负载变化等因素的影响,为克服这一缺陷,提出了基于派克变换和对角递归神经网络(DRNN)的定子绕组匝间故障诊断方法.该方法根据派克变换得到三相电流派克矢量模的轨迹变化,通过频谱分析提取故障严重度特征因子.为进一步确定短路绕组的匝数,综合考虑负载、三相输入电压不平衡度的变化情况,构建基于DRNN的短路匝数诊断模型.根据此方法,构建了试验系统并进行了匝间短路试验,试验结果证明:基于Park变换和DRNN的诊断方法,不但在稳态工况下可精确确定定子绕组短路故障的严重度及匝数,而且在电机启动、负载、电压不平衡动态变化时,取得比前馈神经网络(FFNN)故障诊断模型更好的诊断结果.

基于Park变换的感应电机故障诊断

提取定子电流信号的Park矢量图作为电机故障特征,应用人工神经网络技术对故障特征进行分类与识别,从而避开复杂的谱分析技术,实验测试结果表明,该方法用于电机故障诊断可靠、有效,是一种实际可行的电机故障诊断方法。

基于Park变换的三电平逆变器开路故障诊断

针对现有二极管钳位式(NPC)三电平逆变器开路故障诊断方法存在计算量大、准确率受噪声和负载等影响的问题,提出了一种基于Park变换的三电平逆变器开路故障诊断方法。对三电平逆变器三相输出电流进行Park变换,计算平均电流Park矢量;利用滑动窗口取得单周期电流信号,根据逆变器电路结构分析IGBT故障时输出电流变化;采用迭代法确定平均电流Park矢量模值的阈值,结合相角和模值进行三电平逆变器功率管13种开路故障的识别和定位。仿真结果表明,该方法故障诊断准确率达到了98.31%。与传统的开路故障诊断方法相比,该方法不需要对13种开路故障数据进行学习和训练,大大减少了计算量,提高了故障诊断效率和准确率。

基于Park-WPT和WOA-LSSVM的异步电动机故障诊断方法

针对现有电动机多故障诊断技术诊断精度较差、成本高等问题,基于三相定子电流信号对异步电动机转子断条、气隙偏心及其混合故障进行研究,提出了一种基于Park-WPT(Park矢量变换融合小波包变换)和WOA-LSSVM(鲸鱼优化的最小二乘支持向量机)的异步电动机故障诊断方法。通过Park矢量变换对采集到的三相电流信号进行预处理,根据椭圆轨迹的畸变率提取信号特征,作为第1类特征量;对Park矢量模平方谱进行WPT,求取其分解系数的能量值,作为第2类特征量;采用WOA的收缩包围猎物和螺旋更新猎物位置的机制优化LSSVM中的正则化参数和核宽度,根据提取的2类特征信号建立以WOA-LSSVM为基础的故障诊断模型。实验结果表明,基于Park矢量变换或WPT的单一特征提取算法对混合故障的识别效果较差,故障特征识别率分别为73.75%和88.33%,将2类特征组合后,故障识别率提高到97.08%;WOA-LSSVM的寻优速度较快,故障诊断正确率较高,综合性能优于PSO(粒子群优化)算法、GWO(灰狼优化)算法和GA(遗传算法)优化的LSSVM。