一种新的感应电动机转子断条故障检测方法

该文提出一种基于Hilbert模量频谱分析的感应电动机转子断条故障诊断的新方法.该方法是将Hilbert变换和小波分析方法相结合,得到解析小波变换,以准确判定负荷波动发生时刻,消除了负荷波动对断条故障特征频率的影响.将Hilbert模量定义成原始信号与其共轭信号的平方和,利用Hilbert模量将原相电流中的基波成分转换成直流成分,将转子断条的故障特征分量——(1-2s)f1转变为频率为的电流分量,解决了相电流频谱分析方法中断条故障特征分量很容易被基波淹没而难以突出故障特征分量的问题.仿真分析表明,该方法能克服传统的电流频谱分析法的缺点,对感应电动机转子断条故障给出正确无误的诊断结果.     

检测转子断条时定子电流故障特征分量的新方法

本文探讨了一种笼型异步电动机转子断条故障在线检测方法，指出如何精确检测出电机转子断条故障信号是一个重要的问题。针对这一问题，提出了一种小波包分析结合FFT的处理方法。该方法弥补了单独使用FFT无时间分辨力和无法准确识别微弱故障特征信号的缺点。分析结果表明，该方法能够精确检测到电机转子断条故障信号，是切实可行的。     

提取感应电动机转子故障特征的新方法

感应电动机拖动机械负载运行时，如果机械负荷波动较大，通过测取电动机定子电流直接作频谱分析，难于得到正确的结果。作者分析了该种工况下电动机定子电流信号的特点，提出了一种提取电动机转子故障特征的新方法。此法通过对电动机定子电流信号作Ｈｉｌｂｅｒｔ变换解调处理，以调制信号的频谱中是否存在２ｓｆ１频率的故障特征分量，来诊断转子有无断条故障。实测结果表明，这种方法是有效的，尤其适用于这种负荷波动较大的电动机转子故障的诊断。     

感应电动机转子导条断条的故障诊断和结构改进

通过运用振动故障检测及开口变压器两种检测方法，对YKK-63014-2型电动机转子导条断条的故障进行诊断分析，准确判断出转子断条的故障，为研究笼型电机转子断条的故障提供了一套行之有效的检测方法，同时针对故障原因提出了改进措施。     

转子断条故障检测新方法研究

简介了笼型异步电动机转子断条故障在线检测方法,指出如何精确检测出电机转子断条故障信号是一个重要的问题。针对这一问题,提出了一种小波包分析结合FFT的处理方法,并应用该方法对模拟信号和实验信号进行了分析,分析结果表明该方法能够精确检测出电机断条故障信号。     

一种监测笼型感应电动机转子断条故障的新方法

电机断电后，如果有导条断裂，转子磁通在定子绕组中的感应电压将直接受到影响。根据这一特点，提出了一种诊断笼型感应电动机转子断条的新方法，即通过分析定子绕组中感应电压高次谐波的变化来确定转子断条故障。与其他方法相比，该方法能消除三相电压不平衡以及电机磁饱和等现象对故障监测所造成的影响。仿真与试验结果证明了该方法的有效性。     

无速度传感器感应电机转子断条的故障诊断

在基于定子电流信号进行异步电机故障诊断时,转子断条故障特征频率分量常常被电流的基频分量淹没.针对这种情况,文中提出一种新型无速度传感器感应电机矢量控制转子断条故障方法.该方法通过转子反电动势与电流矢量的叉乘构建无功功率,然后对无功功率进行频谱分析,其中特征频率2sf被用作转子断条的故障诊断判据.同时利用该无功功率进行速...     

多断条笼型转子感应电动机故障过程研究

针对多断条转子绕组非对称特点,采用拓展的综合矢量法建立了多断条感应电动机易于求解的数学模型.通过增大故障导条阻值,仿真了由单根断条演变为多根断条的故障过程.表明与断条相邻及相距一对极距的导条电流增大最多,其诱发断裂可能性最大;多断条故障使电机起动过程的电磁转矩/转速曲线呈现转矩脉动的故障特征,脉动幅度与断条位置密切相关;当2根断条间距π/2电角度,或3根及以上断条间距2π/Nf(Nf为断条数)电角度时,转子磁势保持对称,定子电流及电磁转矩不显故障特征.所得研究结果有助于对感应电机在线故障诊断作正确评估.     

基于EMD和ICA的感应电动机故障检测

针对感应电动机的转子断条故障和轴承故障,以定子电流信号为研究对象,结合经验模态分解(EMD)和独立分量分析(ICA)原理提出了一种新颖的故障检测方法.该方法首先对定子电流信号进行经验模态分解,去除高频IMF部分,消除噪声干扰;然后用独立分量分析的方法进行特征提取,进而判断故障类型.仿真试验结果表明,该方法用于感应电动机故障诊断是行之有效的.     

威格纳分布在异步电动机故障诊断中的应用

利用 Ｗｉｇｎｅｒ分布对笼型异步机起动过程的定子电流作时频谱分析以确定其中是否有（１—２ｓ）ｆ（ｓ为滑差，ｆ为电网频率）这一断条特征量．从而诊断有无断条。结果表明：这种方法比传统的利用稳态定于电流作谱分析来诊断转子断条的方法，具有灵敏度高、信息丰富的优点，并且为双鼠笼异步电动机上笼断条的早期诊断提供了可行的途径。     

基于Hilbert变换和小波包能量分析的转子断条故障诊断

转子断条是笼型异步电机最常见故障之一.基于Hilbert变换和小波包频带能量分析方法,提出了一种新的笼型异步电机转子断条故障检测方法.对采集的定子电流信号进行Hilbert变换,消去定子电流中包含的直流分量,解决了转子断条故障特征分量容易被基波湮没、难以检测的问题.采用基于小波包频带能量分析方法,对转子断条故障进行识别.实验结果验证了方法的有效性.     

基于邻域粒子群优化神经网络的异步电动机振动故障诊断

为了提高异步电动机振动故障诊断的准确性,提出了基于邻域粒子群优化神经网络的异步电动机振动故障诊断方法.首先对实验室异步电动机各类常见故障进行测试,然后选择异步电动机不同位置振动信号的特征频率作为神经网络的输入,最终利用邻域粒子群优化后的神经网络进行异步电动机振动的故障诊断.实验结果表明:与其他诊断方法相比,该方法具有较高的诊断精度.此方法适合应用在异步电动机振动故障诊断中,具有推广应用价值.     

感应电机转子断条根数影响分析

首先介绍感应电机转子绕组故障分析方法，然后详细讨论转子断条故障后转子各导条和每一段端环中电流的分布及变化情况，定子电流中转子绕组故障特征量的变化情况，最后总结出特征量的变化规律：连续断条根数增加，故障特征量增加；但当连续断条数超过电机每极的导条数时，断条数继续增加，故障特征量反而减小。     

基于RBF人工神经网络的电动机振动故障诊断

针对电动机转子不平衡、不对中、油膜涡动、转子径向碰摩、喘振、轴承座松动等常见的几种振动故障,用RBF网络对提取出的6种故障信息进行分类,判断故障类型,并进行了仿真试验,最后将试验结果与BP网络的诊断结果进行了详细的分析比较.结果表明,RBF网络可以应用于电动机转子振动故障诊断,其诊断速度比BP神经网络快,诊断结果也更为准确.     

商空间理论及其在故障诊断中的应用

为解决转子故障难以正确识别的问题,研究商空间理论与在转子故障诊断领域中的应用并提出一种基于模糊商空间模型的转子故障特征提取方法.通过计算转子振动信号原始论域空间X的归一化等腰距离,将原始论域空间X转换为粒度较粗的论域空间[X],在新的论域空间[X]内研究故障特征,并把商结构[T]作为量化特征值.结果表明,借助粒度空间的转换可有效地降低故障特征辨识的难度,商空间理论在转子故障的状态监测和故障诊断中具有重要的应用前景.     

基于小波包和Elman神经网络的异步电机转子断条故障诊断方法

提出了一种基于小波包分析(WPA)和Elman神经网络的异步电机转子断条故障诊断方法.针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响.采用Elman神经网络对故障进行识别,并对Elman网络进行改进,在关联层增加了自反馈增益因子,提高了网络性能.以频带能量作为Elman神经网络识别故障的特征向量,建立从特征向量到电机转子断条故障之间的映射.试验结果表明:基于小波包分析提取的故障特征明显,由WPA和Elman神经网络构成的诊断系统,能有效地识别出转子断条故障,故障诊断准确率高.