针对MUSIC(Multiple Signal Classification Algorithm)算法用于故障诊断的两大缺点:运算量大和可能产生的虚假波峰对故障特征的混淆带来的不利影响,给出了相应的解决方法。定子电流Hilbert幅值包络信号包含了低频的故障特征频率调制信...针对MUSIC(Multiple Signal Classification Algorithm)算法用于故障诊断的两大缺点:运算量大和可能产生的虚假波峰对故障特征的混淆带来的不利影响,给出了相应的解决方法。定子电流Hilbert幅值包络信号包含了低频的故障特征频率调制信号,故通过对定子电流Hilbert幅值包络信号进行降采样率重采样、减少分析信号长度,可避免低频段频谱混叠,再对减少的重采样数据进行具有超分辨率的MUSIC低频段估计,可大大降低MUSIC算法频谱估计时间;运用连续细化傅里叶变换(SFFT)和转子齿槽谐波转差率估计技术,可预知故障特征频率精确值,从而可有目的地查询故障分量,消除MUSIC虚假波峰对故障检测混淆的影响,大大提高了故障检测的灵敏度和可靠性,以此形成异步电动机转子断条故障检测新方法。试验表明,该方法可行有效。展开更多
文摘针对MUSIC(Multiple Signal Classification Algorithm)算法用于故障诊断的两大缺点:运算量大和可能产生的虚假波峰对故障特征的混淆带来的不利影响,给出了相应的解决方法。定子电流Hilbert幅值包络信号包含了低频的故障特征频率调制信号,故通过对定子电流Hilbert幅值包络信号进行降采样率重采样、减少分析信号长度,可避免低频段频谱混叠,再对减少的重采样数据进行具有超分辨率的MUSIC低频段估计,可大大降低MUSIC算法频谱估计时间;运用连续细化傅里叶变换(SFFT)和转子齿槽谐波转差率估计技术,可预知故障特征频率精确值,从而可有目的地查询故障分量,消除MUSIC虚假波峰对故障检测混淆的影响,大大提高了故障检测的灵敏度和可靠性,以此形成异步电动机转子断条故障检测新方法。试验表明,该方法可行有效。