不同应用场景下电机信号传感器选型技术比较与分析

电机信号传感器在各种应用场景中起着至关重要的作用。根据具体需求和应用环境的不同,比如转速控制、位置定位、角度检测等,选择合适的传感器类型对于保证系统正常运行和性能最大化十分重要。通过全面比较和分析速度传感器和位置传感器的技术特点、性能参数和应用优缺点,可以选择合适的传感器类型,满足系统要求并提升工作效率。基于此,本文分析了不同应用场景下电机信号传感器选型的技术比较,以期为电机信号传感器选型工作提供参考和借鉴。

基于粒子滤波技术的电机信号降噪方法

为了给电机故障诊断提供准确的诊断数据,提出了粒子滤波降噪方法。首先基于离散余弦变换建立电机信号的状态方程,状态变量即为离散余弦变换的各系数,此状态方程是一种非线性状态方程;在此基础上,基于粒子滤波方法对含噪测量信号进行状态估计,即可获得离散余弦变换的各系数,然后,通过对这些系数进行重构得到故障诊断所需的实际信号。最后,通过对实际数据进行降噪分析,结果表明所提方法是可行有效的。

轨道车辆门电机信号的时域特征提取研究

提取门电机特征参数是模式识别、故障诊断的基础部分,对轨道车辆门系统的智能监测与诊断具有重要意义。文章首先对信号的时域特征进行了简单的介绍,然后分析了轨道车辆门系统开关过程中电机信号的变化过程,最后总结了从门电机信号中提取的特征参数,并通过增大阻力开门试验对提取的特征参数进行了验证。

嵌入式控制系统在船用电机信号转换中的作用

船用电机信号的稳定性及频率变换特性是现代大型船舶动力系统关键性能指标。在实际电机运行时,由于混入了大量检测及环境误差,导致电机信号分辨率下降。矢量控制是研究电机信号及时频域转换的有效方法,可通过最小二乘矩阵运算对信号各类特征进行分析,适用于基于DSP嵌入式系统实现。本文重点研究了基于矢量控制的船用电机信号模型,设计了基于DSP的嵌入式信号转换控制系统,有效分离各类噪声,实现了电机的平稳运行。

基于主轴电机电流信号的表面粗糙度检测

针对表面粗糙度不能及时检测造成的工件浪费问题,首次提出根据主轴电机电流信号进行表面粗糙度检测分类。通过实验采集不同表面粗糙度加工时的主轴电机电流信号,采用小波包分解将电流信号分解成不同频段,借助能量特征和裕度因子对不同频段电流信号进行评估,过滤低相关性频段,再通过随机森林筛选特征,降低特征的冗余性。总谐波失真特征实现了积屑瘤检测,仅依赖构建的电流信号特征工程表面粗糙度检测准确率高达95%以上,并且检测时间在2 s以内,基本实现了工件表面粗糙度的快速准确检测。

浅谈电机轴承振动信号的采集与处理

基于实际电机运维和故障检测技术,对电机轴承的故障检测,提出了轴承振动信号的采集与处理的一些经验方法。基于振动信号的采样理论,讨论了采样控制方法和信号预处理方法,以及电机的轴承信号故障检测与分析方法。

基于三相交流异步电机定子电流信号分析的机电传动系统齿轮箱裂纹故障非侵入式诊断

齿轮裂纹故障是机电传动系统的高发故障,及时发现裂纹故障对保证机电传动系统正常工作意义重大。提出了一种基于三相交流异步电机定子电流信号的齿轮裂纹故障非侵入式诊断方法。首先,建立电机-齿轮-负载机电耦合模型,利用势能法计算不同裂纹深度和角度下齿轮变啮合刚度;然后,利用Runge-Kutta法对机电耦合模型进行数值求解,分析时变啮合刚度影响下电机电流动态响应。通过对比健康齿轮和裂纹故障齿轮的定子电流频谱,揭示齿轮裂纹故障对应的电流频谱特征,建立基于电机电流信号分析的传动系统齿轮裂纹故障诊断判据。对存在裂纹故障的齿轮进行电机拖动实验,齿轮裂纹故障影响下的电机电流信号与数值求解结果一致。所提出的基于电机电流信号的齿轮裂纹故障非侵入式诊断方法对于降低传动系统维护成本具有较高价值。

转子系统电机电流信号特征提取方法

电机定子电流信号可以反应电机拖动系统中的扭矩波动情况,然而负载波动的特征频率易被工频所湮没。针对这一问题,提出小波阈值去噪、EEMD和互相关分析相结合的方法,该方法首先对电流信号进行小波阈值去噪的预处理以提高信噪比,然后对信号进行EEMD分解,利用互相关系数确定重构信号的IMF层数,以抑制工频及其谐波并突出特征频率。将该方法用于转子系统正弦扭矩激励的特征频率提取上,结果表明该方法能够有效的抑制工频及其谐波的干扰并提取负载扭矩的特征频率。

改进CEEMDAN算法的电机轴承振动信号降噪分析

为提高传统自适应噪声完备经验模态分解算法(CEEMDAN)对电机轴承故障特征信号的精确提取率,降低重构信号失真,提出了一种改进自适应噪声完备经验模态分解算法。首先利用传统CEEMDAN对原始信号初步分解,获得若干特征分量(IMFs)和固有模态分量,将若干IMFs运用熵权法进行初步故障特征信号消噪和提取,对筛选后的IMF分量进行二次分解和二次筛选,获得典型故障敏感信号,再运用SG(Savitzky-Golay)平滑滤波进行信号重构,最终实现电机轴承信号降噪。最后利用凯斯西储大学轴承数据进行改进算法性能分析,结果表明该方法对电机轴承信号能够有效的进行信号降噪,其信噪比相比于原始信号提高2.2 dB。

基于电流振动双信号的大型潜水电机偏心故障诊断（英文）

气隙偏心故障在大型感应电机的运行操作过程中是一种常见的故障形式,潜水电机尤为更甚。针对实际工程中的偏心形式,通过仿真计算转轴挠度,提出弧偏心模型。本文以一台1200kW的潜水电机为研究对象,构建弧偏心模型,进而分析研究定子故障电流。采用三维有限元法来分析计算由气隙磁场作用在转子表面所产生的不平衡磁拉力,并提取在不同偏心度情况下的磁拉力幅值。为了有效检测出弧偏心故障,本文提出基于振动信号的频谱以及定子电流特征信号相对比的检测方法,并通过仿真验证了双信号检测方法的有效性。

信号电机自动测试系统原理及误差分析

介绍了信号电机的工作原理和国内外发展情况,分析了信号电机的自动测试系统中主要组成部分,并用一组数据比对分析了人工测试与自动测试误差的原因。

特高压换流变真空有载分接开关振动及电机电流信号自适应分离方法

有载分接开关(OLTC)是特高压(UHV)换流变压器的核心部件,基于驱动电机电流和振动信号的OLTC机械状态在线监测技术是近年来研究热点。为了将振动信号和驱动电机电流信号片段从OLTC长时在线监测数据中自动提取出来,本文提出基于端点检测的信号自适应分离方法。首先,介绍端点检测基本原理,提出振动信号及电机电流信号分离流程;然后,搭建OLTC在线监测系统,并在特高压换流站实际部署;最后,分析在线监测信号时域、频域特征,采用差异化的端点检测方法分别分离出OLTC振动信号和电机电流信号,并结合信号起止点划分驱动电机的3个工作阶段。结果表明,该方法能实现OLTC振动及电流电机信号片段自适应分离,定位误差小于5 ms,为OLTC在线监测数据分析和故障诊断提供基础。

改进PCA和JADE盲源算法应用于电机系统振动信号的分离

以电机系统振动信号为采集对象,对采集来的复杂、混叠的、带噪声的振动信号进行盲源分离。引入改进的PCA去噪、JADE算法进行分离。结果表明:给出的分离算法能够在复杂振动信号中较为清晰地分离、提取出主要源信号,可以有效地提取各个振动源信号的特征,为电机系统噪声抑制算法的设计和电机故障诊断提供有效信息。

自适应阈值函数小波算法的电机振动信号去噪

通常采集的电机振动信号中都含有噪声成分,一般采用小波阈值去噪处理可以达到理想的效果,但是传统软、硬阈值函数存在恒定偏差或不连续等缺点,不能很好的保留有用信息。针对这一问题,文中提出了随分解层数自适应且具有调整参数的阈值函数。改进的小波阈值函数连续、可微且具有渐进性,通过遗传算法做调整参数寻优,在保留大部分原始信号的基础上进行去噪,使得新的小波去噪算法在保留有用信息与去除噪声之间有较好的平衡性。实验中将该方法应用于所采集的电机振动信号,结果显示,该方法具有更高的信噪比与较低的均方根误差,能够更好的滤除噪声,保留原信号的有用信息。