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.     

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.     

鼠笼型异步电动机转子故障在线检测

研究鼠笼型异步电动机转子断条故障和偏心故障的在线检测方法.通过对定子电流和轴磁通信号的频谱分析,可以得出,定子电流中的齿谐波分量可作为转子静态偏心的特征分量,轴磁通信号中的3sF1分量可作为转子断条故障的特征分量.设计了以单片机为核心的检测系统.实验结果证明了本方案的可行性.     

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...     

基于小波包分析的三相感应电动机转子断条故障诊断

转子断条是鼠笼型感应电动机常见故障之一，对定子电流进行信号处理，根据其中（1～2s）f1。特征频率的分量，可以方便地进行故障的诊断．但转子轻微断条或电机轻载时，转差率S很小，（1—2s）f1与f1这两个频率非常接近，用FFT做直接频谱分析时，（1—2s）f1频率分量会湮没在f1频率分量中，从而使检测（1—2s）f1频率分量是否存在变得非常困难，此外，当电机负载波动时，用FFT检测（1—2s）f1频率分量也比较困难．本文采用了基于小波包分析的感应电动机转子断条故障诊断方法，可以很好的解决上述问题，对于感应电动机断条故障的诊断，具有重要意义．     

变频电源笼型异步电机断条故障诊断仿真研究

建立变频电源供电笼型异步电机在正常情况和转子断条故障情况下的运行状态仿真模型,并通过对比分析单相定子电流频谱和三相平均瞬时功率频谱,检验出后者对于因变频电源谐波影响而使得电动机定子电流频谱中含有大量谐波时具有更佳的分辨能力,以确立合适的断条故障判据.     

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。     

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。     

谐波小波解调法在齿轮箱故障诊断中的应用

在研究谐波小波频段分解与Hilbert解调分析的基础上,提出了基于谐波小波包变换的解调分析法,并详述了其具体实现过程。该方法根据齿轮箱频谱特征与齿轮箱故障特征频率的理论计算值,确定所需提取的特征啮合分量,并在此基础上选择谐波小波包分解层数与所需提取的频带带宽;通过傅里叶变换及其反变换提取出相应的特征啮合分量,然后借助Hilbert算子对提取出的啮合分量进行包络解调分析。采用这种方法对存在磨损及点蚀故障的齿轮箱振动信号进行了分析,结果表明,基于谐波小波包的包络解调法具有精确提取任意频段调制信息的能力,能够为齿轮箱故障源的准确定位及故障程度提供可靠的判断依据。     

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。     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

基于小波包分解的一种非稳态油膜力轴承-转子系统的碰摩故障诊断

奇异信号往往载有设备运行状态的重要特征，小波分析理论可在时域和频域上同时对信号实现局部化处理，转子碰摩信号具有奇异性，利用小波包分散具有“变焦距”性质，或小波包对信号的奇异性即奇异点的位置及奇异度大小的分析更加有效，分析了碰摩信号在小波包变换下的持征，理论分析和计算结果表明，利用小波包分解能有效地实现磁摩故障诊断。     

基于小波包和解调分析的多类故障综合诊断方法研究

提出了一种基于小波包分解和解调分析相结合的旋转机械故障综合诊断方法.它能诊断复杂机械的多类故障,针对振动信号的非平稳和调制特点,首先采用小波包将信号进行分解,再分别以不同的方法分析不同的分解频段.利用解调技术分析小波包分解的高频段(调制频段),用来诊断轴承、齿轮等零部件的各类故障;利用FFT频谱分析小波包分解的低频段,用来诊断转轴的各类故障.理论分析和仿真结果表明该方法优于仅做FFT频谱分析或Hilbert解调分析.实例分析也证明了该方法的实用性和有效性.     

基于频带能量分析的发动机转子早期故障识别

从检测信号中提取出发动机转子早期故障特征并进行快速识别是故障诊断的一个难点。将小波包分析与能量监测相结合,提出了根据频带能量对早期故障进行特征提取和识别方法。对频带能量分析原理,早期故障特征提取与识别方法进行了分析和研究,并将其应用于飞机发动机转子的早期故障识别。结果表明,频带能量分析方法能够有效地提取发动机转子早期故障特征并进行快速识别,特别是对于非平稳微弱早期故障信号,更具有明显优势。     

基于EEMD和小波包变换的早期故障敏感特征获取

提出一种基于总体平均经验模态分解和小波包变换的方法,进行早期故障敏感特征的获取,构建早期故障诊断模型. 该方法首先应用EEMD对现场采集的振动信号进行分解,分离出不同频率成分的特征信号,选择与原信号相关系数最大的 IMF分量进行信息重构;面向重构的IMF分量采用WPT进行分解,得到各个节点的小波系数;最后使用Hilbert变换提取小波包系数的包络,计算功率谱,准确获得早期故障的敏感特征. 通过对仿真信号的分析验证了该方法对故障诊断的有效性. 将该方法应用于实测的滚动轴承的内圈、外圈和滚动体故障诊断,诊断结果均表明该方法可有效提取早期故障敏感特征,故障诊断快速准确.      

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。     

小波包分析在乏燃料剪切机故障诊断中的应用

针对乏燃料剪切机剪切声音信号特征提取的难题,利用小波包分析方法,对不同磨损状况刀具的剪切声音信号进行小波包变换,提取变换信号的各频段归一化能量特征向量,根据声音信号的能量特征向量可辨识不同状况的乏燃料剪切机剪切声音,从而实现乏燃料剪切机故障诊断.实验表明,该特征向量能有效识别刀具的正常磨损、一级磨损、二级磨损三种状况,有效解决了基于隐马尔可夫模型的故障模式识别中特征提取的问题.