当前位置:主页 > 科技论文 > 电气论文 >

笼型异步电动机多故障仿真模型的建立及诊断方法研究

发布时间:2019-09-24 07:49
【摘要】:本课题来源于山西省重大专项“基于物联网的煤矿重大生产装备状态监测及全寿命周期管理系统开发”(20131101029)中的子课题“矿井主通风机状态监测及全寿命周期管理系统开发”。本课题以矿井主通风机中的电动机故障诊断为主要研究内容,旨在通过理论分析、仿真建模、智能诊断等环节实现笼型异步电动机单一和复合故障的有效监测和可靠诊断。矿井主通风机中的高压电动机为笼型异步电动机,除用于矿井通风,其在工农业中也普遍应用。驱动负载复杂多样,运行条件恶劣多变,这致使笼型异步电动机故障多发。转子断条故障占笼型异步电动机故障的比例高达10%,绝大部分的机械故障都会引起气隙偏心。由于装配误差和加工缺陷,即使全新的异步电动机也会存在一定的静态偏心。静态偏心会产生不对称的磁拉力,从而引起动态偏心,而转子断条、轴承缺陷等故障也会直接引起动态偏心,因此,常见的偏心故障类型为混合偏心。在转子断条故障发生时,轻则伴有静态偏心故障,重则伴有混合偏心故障。并且转子断条和偏心故障在定子电流中产生的低频特征频率十分接近,难以区分。对转子断条、气隙偏心以及转子断条与偏心复合故障进行研究和诊断,一方面能够对每种单一故障进行深入分析,明确区分故障类型,另一方面能够对复合故障进行机理分析,推导其故障特征频率,以有效识别单一和复合故障。转子断条和偏心故障直接导致气隙磁场变化,引起定子电流波动,在定子电流中会衍生出附加谐波频率。基于此,众多前人学者经过多年研究实验总结了转子断条和三种偏心故障在定子电流中的故障特征频率公式。但转子断条与静态偏心复合故障、转子断条与混合偏心复合故障不仅仅是简单的两种单一故障特征频率的叠加。两种故障同时发生时,气隙磁场会形成一种新的平衡态,电机内部的磁通分布情况也会相应调整,畸变的磁场会在定子电流中感应出谐波,复合故障下需要重新对此谐波进行计算。按照这种思路,本文将笼型异步电动机看作具有相互运动的转子和定子回路,按电路法则建立了笼型异步电动机的多回路数学模型。多回路分析方法的难点是准确计算电动机的电感参数。本文采用改进的绕组函数法(Modified Winding Function Method,MWFA)计算电感系数,结合多回路模型得到复合故障下的定子电流特征频率公式。为进一步了解复合故障下电机内部的磁场变化情况,并验证理论分析结果,本文基于Ansoft/Mxawell有限元仿真软件对笼型异步电动机进行了仿真建模,在电机模型本体的基础上分别加入多种故障,得到电机在多种故障类型下的磁场变化情况,并获得了相应的仿真电流波形。通过分析仿真定子电流的频谱,验证了机理分析结果。结合理论推导和仿真分析结果,设计了笼型异步电动机单一和多故障实验方法,制作了故障配件,对上述单一和复合故障进行了实验,达到了理论、仿真、实验结果相一致。故障分析是手段,诊断才是目的。针对笼型异步电动机的多故障诊断问题,本文提出了经验模态分解(Empirical Mode Decomposition,EMD)和离散隐马尔科夫模型(Discrete Hidden Markov Model,DHMM)相结合的诊断方法。首先对每种故障类型下的定子电流进行EMD分解,选取有效的固有模态函数(Intrinsic Mode Function,IMF)组成特征向量,然后以每种故障类型下的特征向量训练相应的DHMM模型,计算测试数据在每个DHMM下的最大似然概率值,确定故障类型。本文通过机理分析、仿真建模、实验验证和故障诊断对笼型异步电动机的转子断条、静态偏心、动态偏心、混合偏心四种单一故障类型,转子断条与静态偏心复合故障、转子断条与混合偏心复合故障两种复合故障进行了研究,实现了单一故障和复合故障的有效识别。
【学位授予单位】:太原理工大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TM343.3

【参考文献】

相关期刊论文 前10条

1 鲍晓华;吕强;王汉丰;;基于齿部磁场分析的大型潜水电机气隙偏心故障研究[J];电工技术学报;2016年08期

2 沈凯凯;耿德康;;EMD和FFT结合的转子断条故障分析[J];南京工程学院学报(自然科学版);2015年04期

3 梁峰;张丹丹;张荣华;;基于BP神经网络的水润滑艉轴承故障诊断研究[J];机械传动;2015年07期

4 宋国强;张新燕;王维庆;常喜强;孟瑞龙;;1.5MW双馈风力发电机电磁场和温度场分析[J];电源技术;2015年05期

5 于天剑;陈雅婷;陈特放;陈春阳;;基于HMM在电机故障诊断上的研究[J];铁道科学与工程学报;2014年04期

6 祝洪宇;胡静涛;高雷;黄昊;;Morlet小波解调制方法诊断鼠笼电机转子断条故障[J];电机与控制学报;2014年07期

7 陈向民;于德介;李蓉;;基于形态分量分析的滚动轴承故障诊断方法[J];振动与冲击;2014年05期

8 李孝全;王亚平;孙安全;;EMD分解在感应电机转子复合故障诊断中的应用[J];微电机;2014年02期

9 和麟;梁丽嫒;黄潇瑶;马存宝;;基于粒子群优化SVM的飞机发电机故障诊断[J];计算机测量与控制;2013年12期

10 曹端超;康建设;赵劲松;张星辉;;改进EMD和HMM的齿轮故障诊断方法应用[J];噪声与振动控制;2013年03期

相关硕士学位论文 前1条

1 王鑫;电气设备的在线监测与故障诊断[D];山东大学;2005年



本文编号:2540758

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2540758.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户923d3***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com