基于小波脊线的笼型异步电动机转子故障特征提取

提出了基于小波脊线的渐近信号瞬时频率提取算法 ,并应用到异步电动机转子故障特征提取中。异步电动机转子故障时 ,相应地定子电流中便含有频率为 (1 - 2s) f1的附加电流分量。由于异步电动机起动过程中转差率s是连续变化的 ,(1 - 2s) f1则以 f1→ 0→f1的规律进行变化 ,因此可以通过应用小波脊线分析异步电动机定子起动电流信号来提取转子故障特征。

基于振动信号分析的异步电机转子故障特征提取

研究异步电机转子断条、动态偏心这两种状态下的故障特征,并通过实验室的鼠笼式异步电机转子故障实验系统,对采集的定子电流信号首先通过FFT变换,进行归一化处理,提取出定子电流特征向量;对采集的电机机壳X-Y振动信号则通过db3小波包分析进行去噪处理和频域能量特征向量的提取。

异步电机断条故障的启动电流小波诊断法

为克服小波脊线在诊断异步电机断条故障过程中存在的数学定义复杂、迭代逼近运算量大等缺点,应用Morlet连续复值小波,多尺度地、中心频率等间隔地分解了实测的同型正常电机和有一根断条的故障电机启动电流信号,分析和比较了对应尺度下的频带能量后,找出了上述电机两种状态的信号能量差异;定义了频带能量比(RFBE)的概念,得出断条故障电机的RFBE比良好状态的至少大2倍的定量判据,并据此提出了基于RFBE的电机断条故障诊断新方法。研究表明:该法不仅具有小波脊线方法的高灵敏度、不受负载波动影响,且诊断过程大为简化、不受噪声干扰影响、实用性更强。

基于改进小波脊线的感应电动机转子断条检测

笼型感应电动机转子断条时,定子电流中含有频率为(1-2s)f1(f1为电源频率)的附加电流分量。由于起动过程中电机转差率s是连续变化的,(1-2s)f1则按f1→0→f1的规律进行变化,据此规律可以检测转子有无断条。分析了基于小波脊线的转子断条特征提取方法,探讨了小波脊线方法的不足并提出了改进的小波脊线算法;实验结果证明了改进小波脊线算法在转子断条检测中的有效性。

基于APSO-SSVM的异步电动机转子故障诊断

基于信号分析的异步电动机的转子断条与偏心故障诊断方法中,常用传统的电机电流信号特征分析(MCSA)方法。由于采样频率偏低、强大的基波旁瓣效应等因素的影响,会导致特征频率成分被淹没、难以量化故障程度等问题。因此,提出了一种基于自适应粒子群优化逐序支持向量机(APSO-SSVM)的异步电动机故障诊断方法。首先,利用经验小波变换(EWT)对原始信号进行滤波;然后,对滤波后的信号进行特征提取并输入到SSVM诊断模型中;最后,通过APSO算法确定各次序下SVM模型的最佳超参数,从而实现转子断条数量的精确故障诊断。