异步电动机的状态监测与故障诊断技术综述

状态监测与故障诊断是设备状态维修的基础。对异步电动机主要常见故障的成因和表现特征进行分析和总结,对相关的主要在线监测与诊断方法进行评述。     

浅谈异步电动机故障监测与诊断

异步电动机结构简单、价格低廉、易维护、使用寿命长,是煤矿企业广泛使用的一类动力设备,同时也是机电设备中最重要和关键的设备之一。该文结合自身工作经验概述了三相异步电动机工况的监测和故障诊断方法,具有一定借鉴意义。     

三相异步电动机定子绕组温度在线监测

基于过程辨识理论,依据三相异步电动机在α,β坐标系下的数学模型,建立了定子绕组温度预测的数学模型,并以８０Ｃ５５２单片机为核心构成三相异步电动机绕组温度在线监测硬件与软件系统,通过实验验证了此方法的正确性与可行性。     

异步电动机多故障诊断信息的融合

异步电动机的故障机理非常复杂,其故障原因与其征兆之间的关系并非完全是一一对应的关系,特别是早期故障物理信号的微弱性和不明晰性,使得早期故障诊断和多故障分离更加困难。通过引入D-S理论多物理信息融合方法,对各个子神经网络诊断的输出进行多信息融合,使系统的输出真实可靠,并以典型故障为例,分析了信息融合对故障诊断和多故障分离的有效性。     

粗糙集理论在异步电动机故障诊断中的应用

粗糙集理论是一种处理模糊和不确定性知识的较新的数学工具,将粗糙集理论引入到异步电动机故障诊断中,对电机的运行状态决策表进行属性约简,有效提取重要属性,降低决策表的冗余性.分析表明,粗糙集理论应用于交流异步电动机故障诊断可得到更清晰、简明的诊断规则.     

三相异步电动机状态计算机检测与处理

采用主从分布式结构对三相异步电动机进行在线检测，并提出了等间隔同步采样算法，基本消除了周期误差；同时，对常规量参数进行模糊化处理，提取故障特征量，采用模糊专家系统的模式实现电动机故障的分析、诊断与管理。     

三相异步电动机控制电路中的元件选择和故障诊断

本文介绍了在三相异步电动机控制电路中如何正确的选择控制元件,三相异步电动机正反转控制电路的工作原理以及如何用电阻测量法和电压测量法检测电路故障。     

三相感应电动机故障状态的在线监测

1 引言 三相感应电动机的故障一般分内部故障和外部故障两类。外部故障主要是三相电源不对称、缺相、过载等,现在已有较成熟的保护装置。内部故障则分为定子部分故障和转子部分故障。最常见的是定子绕组匝间、相间绝缘的损坏和转子笼条的断裂及端环的断裂。对于较大型电机,这种突然的断裂会带来电机电气性能的不对称,导致电机损坏。本文针对这种不对称故障,提出了对电动机进行在线监测的方     

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.     

三相异步电动机电机故障诊断与对策

0.引言 多年机械设备的设计中,常常用到三相异步电动机,由于设备的工作环境十分恶劣,导致电机烧毁的事故常有发生,严重影响着生产的安全、可靠、长周期运行。根据甲方的反馈和与生产厂家的沟通,现针对电机烧毁原因及相应对策做一简要分析和介绍。     

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．     

基于电机电流分析的齿轮故障诊断研究

本文提出了一种基于电机定子电流的齿轮故障诊断方法,相对于齿轮故障诊断的一般振动信号诊断方法,该方法可实现远程诊断、便于安装且受环境噪声影响小的优点,是一种无损的故障诊断方法。本文针对电机驱动的齿轮传动系统,建立了负载转矩对电机定子电流的理论模型,并分析了各种状况时的定子电流频谱特征,发现可以利用基频与转频的变频带、基频与啮合频率的边频来判断齿轮断齿故障和磨损故障。通过matlab/simulink对电机齿轮系统进行了仿真,并在实验平台上进行了验证。     

三相异步电动机振动故障诊断及处理方法分析

三相异步电动机出现异常振动,使设备运行存在着不安全隐患.本文结合生产实践,介绍了三相异步电动机发生振动的主要原因及判别方法,提出了相应的处理方法.结合某电厂大型三相异步电动机振动检修实例,给出检修和处理过程,为解决实际生产中三相异步电动机振动故障提供一定的参考,从而缩短维修时间,节约维修费用.     

组态式牵引电动机故障诊断模型

摘要： 针对电动机典型的故障诊断模型网络结构复杂、训练困难等问题,提出一种组态式牵引电动机故障诊断模型.该模型由多个多输入单输出的子径向基函数神经网络构成,每个子模型识别一种故障特征.根据系统需要将多个子模型任意组合,用来识别类型繁多的电动机故障.利用特征提取后的样本数据对该模型进行训练,并通过测试样本验证了故障诊断模型的有效性.结果表明,采用组态式牵引电动机故障诊断模型,一个子模型仅识别一种牵引电动机故障状态,结构简单,模型训练难度小,提高了模型的故障识别能力以及应用的灵活性,为牵引电动机故障诊断提供了一条新思路.     

基于振动信号分析的感应电机气隙偏心故障诊断

电机的偏心故障会引起气隙磁场不均匀,由电磁感应理论可知,不平衡的磁场作用在定转子上会产生不平衡磁拉力,使电机发生异常振动,故电机的振动信号可间接反映内部磁场变化,进而有利于判断电机内部是否发生气隙偏心故障.主要分析了振动信号与偏心故障间的关系,先分析电机气隙大小对磁场的影响,计算出振动作用力大小;再通过故障模拟平台测得数据对理论分析得出的故障特征频率进行验证;总结了气隙偏心故障与电机机械振动现象间的关系.     

三相鼠笼式异步电动机转子断条故障程度的诊断方法

从三相鼠茏式异步电动机转子断条的物理本质出发，解释断条时定子电流频谱中各种特征频率成分出现的原因，并得出相邻的多根导条断裂时，由定子电流中故障特征成分与基波成分的幅值之比与断条程度之间的修正关系。经计算对比表明，该修正关系与实际情况较吻合，适合于用来诊断转子断条数。     

Combination Method of Principal Vector Machine for On-line Process Monitoring and Fault Diagnosis

On-line monitoring and fault diagnosis of chemical process is extremely important for operation safety and product quality. Principal component analysis （PCA） has been widely used in multivariate statistical process monitoring for its ability to reduce processes dimensions. PCA and other statistical techniques, however, have difficulties in differentiating faults correctly in complex chemical process. Support vector machine （SVM） is a novel approach based on statistical learning theory, which has emerged for feature identification and classification. In this paper, an integrated method is applied for process monitoring and fault diagnosis, which combines PCA for fault feature extraction and multiple SVMs for identification of different fault sources. This approach is verified and illustrated on the Tennessee Eastman benchmark process as a case study. Results show that the proposed PCA-SVMs method has good diagnosis capability and overall diagnosis correctness rate.     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

Combination Method of Principal Component Analysis and Support Vector Machine for On-line Process Monitoring and Fault Diagnosis

IntroductionOn-line process monitoring and fault diagnosis are keyfactor to ensure product quality and operation safety .Inlastdecade research, the approach of fault detection anddiagnosis could be classified into three categories[1 ,2]:methods based on causal models , methods based onknowledge and methods based on multivariate statistics .Forthe model method ,it is difficult toidentify model parametersand esti mate model states , especially for complex chemicalprocess ; whereas for knowledge …