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。

改善异步电机转子断条故障诊断性能的一种方法

在介绍定子电流频谱分析法诊断异步电机鼠笼转子断条故障基本理论的基础上 ,针对传统频谱分析法存在的问题 ,提出了基于复数滤波器的工频对消法。仿真和分析表明 ,该方法提高了故障诊断时的信噪比 ,使定子电流频谱分析更加可靠。

基于SVD与ESPRIT的异步电动机转子断条故障检测新方法

提出一种基于奇异值分解(SVD)滤波和旋转不变信号参数估计技术(ESPRIT)的异步电动机转子断条故障检测方法。通过性能对比,说明SVD滤波可以理想地滤除待分析信号中的供电谐波及其他噪声,因而优于当前在转子断条故障检测中广泛使用的自适应滤波。进一步利用SVD估计经SVD滤波信号的谐波个数,以此改进ESPRIT的频率分辨性能。在此基础之上,将SVD与ESPRIT结合而进行异步电动机转子断条故障检测,试验结果表明这是行之有效的。

一种新型电动机转子断条故障诊断方法

针对传统的谱分析理论存在因加窗和截断造成频谱泄漏、谱分析困难等问题,提出了一种基于AR模型和LMS自适应陷波的电动机转子断条故障诊断方法。该方法采用LMS自适应陷波滤除定子电流基波分量,再进行AR参数模型谱估计,可精确检测出故障特征量的幅值和频率,为电动机转子断条故障的检测提供了一条新途径。

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。

基于扩充Prony算法的感应电动机转子断条故障诊断

检测感应电机转子断条故障及故障程度的关键在于查找定子电流谱中频率为(1±2s)f的间谐波含有率。传统的谱分析由于加窗和截断带来的频谱泄漏,使特征谱难以辨识,采用现代谱估计中的扩充Prony算法,基于定子电流信号的AR参数估计,计算信号的谱线构成,依据故障电机稳态运行时的定子电流特征,选取合适的阶数,能够精确地检测到(1±2s)f故障特征分量的幅值和频率,回避了频谱泄漏问题,为感应电动机转子断条故障的MCSA检测法提供了一条新的途径。通过实验室实测算例验证了该方法的有效性,在电机空载和轻载运行时也能够准确地检测出故障特征信号,诊断出故障程度。

铸铝转子导条断裂数灰色判定模型的建立

根据灰色理论模型GM ( 1,1) ,建立了异步电机鼠笼式铸铝转子导条断裂数的判定模型 ,并通过计算实例说明该灰色判定模型精度较高。

基于ESPRIT-PSA与LightGBM算法的感应电动机转子断条数目诊断新方法

提出一种基于旋转不变信号参数估计技术ESPRIT(Estimation of signal parameters via rotational invariance technique)、模式搜索算法PSA(Pattern search algorithm)与轻型梯度提升机LightGBM(Light gradient boosting machine)结合的感应电动机转子断条数目诊断新方法。模拟了转子断条故障下的瞬时无功功率信号并用其衡量ESPRIT-PSA的性能。结果表明:ESPRIT-PSA只需短时数据就能准确测量瞬时无功功率信号中的转子断条故障特征分量。随后,为解决现有的电机瞬时无功功率信号分析MIRPSA(Motor instantaneous reactive power signal analysis)类方法无法准确诊断转子断条数目的问题,引入LightGBM对转子断条故障进行多分类以准确诊断转子断条数目。最后针对一台异步电动机进行转子断条诊断实验,结果表明:该方法是有效的,并且因将瞬时无功功率作为分析信号而适用于电机低转差率的情况。

电机转子断条故障信号准确诊断研究

研究电机转子断条故障准确诊断问题,有利于电机设备的安全稳定运行。由于电机转子断条故障信号中故障特征被基波和噪声淹没难以准确识别,传统识别诊断理论方法存在使频谱复杂化、识别准确率较低等缺陷。为提高电机转子断条故障识别准确率,提出一种利用改进混合PSO算法结合断条数目估计公式的断条故障诊断方法。首先将基波信号与单位余弦基函数内积最大准则作为改进混合PSO算法约束条件,准确估计出基波、故障谐波参数以及对应表达式并依次剔除,然后结合转子断条数目估计公式,达到准确检测和估计断条故障程度的目的。最后,对模拟和实际信号的处理结果表明,该算法能够准确的检测出转子断条故障程度,验证了该方法的有效性和优越性。