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。

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。

基于随机森林的异步电动机转子断条故障诊断

为了快速准确识别异步电动机转子断条故障,提出一种随机森林算法(Random Forests,RF)的异步电动机转子断条故障诊断方法。该方法以Park矢量模平方函数为故障特征提取手段,然后采用随机森林进行故障模式自动识别。Park矢量模平方函数方法可以较好地削弱定子电流中基频信号的影响,便于故障特征量的准确提取。而随机森林泛化能力好、训练时间短,提高了故障识别的成功率。实例验证表明,基于随机森林的异步电动机转子断条故障诊断方法性能良好。