多重信号分类法与扩展Prony结合的异步电机转子故障检测

发布时间：2018-05-17 20:54

  本文选题：异步电动机 + 转子断条故障　； 参考：《华北电力大学学报(自然科学版)》2015年06期

【摘要】：提出了一种基于奇异值分解滤波技术的多重信号分类算法与扩展Prony算法相结合的异步电动机转子断条故障检测的新方法。奇异值分解滤波技术可以高效率地滤除电机定子电流信号中的基频分量与有色噪声,从而凸显转子断条故障特征频率分量;多重信号分类方法可在短时采样数据条件下准确计算故障特征分量的频率;扩展Prony方法则可以精确计算出各特征分量的幅值,弥补了多重信号分类算法无法求解幅值的不足。因此,将三者结合即可在短时采样信号条件下以高频率分辨力准确提取转子断条故障特征频率分量。对一台异步电机进行试验,结果表明:新方法简单、实用,效果理想。
[Abstract]:A new fault detection method for rotor broken bars of asynchronous motor based on singular value decomposition (SVD) and extended Prony (extended Prony) algorithm is proposed. The singular value decomposition (SVD) filtering technique can efficiently filter the fundamental frequency component and colored noise in the stator current signal of the motor, thus highlighting the characteristic frequency component of the rotor broken strip fault. The multi-signal classification method can accurately calculate the frequency of fault feature components under the condition of short-time sampling data, and the extended Prony method can accurately calculate the amplitude of each characteristic component, which makes up for the deficiency that the multi-signal classification algorithm can not solve the amplitude value. Therefore, the fault characteristic frequency component of rotor broken bar can be accurately extracted by high frequency resolution under the condition of short-time sampling signal. The experimental results of an asynchronous motor show that the new method is simple, practical and effective.
【作者单位】： 华北电力大学电气与电子工程学院;
【基金】：国家自然科学基金资助项目(51277077)
【分类号】：TM343

【参考文献】

相关期刊论文 前1条

1 钱征文;程礼;李应红;;利用奇异值分解的信号降噪方法[J];振动.测试与诊断;2011年04期

【共引文献】

相关期刊论文 前10条

1 黄奂;卢泉;黄阳;陈邕安;;基于奇异值分解和总体最小二乘-旋转矢量不变技术的电力系统基波频率测量方法[J];电测与仪表;2014年16期

2 张文斌;;基于顺序形态滤波与奇异熵的齿轮故障特征提取方法[J];制造业自动化;2013年23期

3 张文斌;;奇异值能量差分谱在信号降噪中的应用[J];工矿自动化;2014年10期

4 朱世欣;谯自健;杨智刚;;基于SVD-EMD的有效微弱信号提取算法[J];测控技术;2014年11期

5 王建国;李健;万旭东;;基于奇异值分解和局域均值分解的滚动轴承故障特征提取方法[J];机械工程学报;2015年03期

6 柴凯;张梅军;黄杰;赵晶;;基于SVD-SGWT和IMF能量熵增量的液压故障特征提取[J];机械设计与制造;2015年03期

7 李明;;基于最小方差递推算法的电力系统间谐波谱估计仿真分析[J];内蒙古电力技术;2015年02期

8 潘峥嵘;谯自健;张宁;戴芮;;基于互相关的有效奇异值消噪方法[J];计算机工程与应用;2015年15期

9 郑顾平;李强;李刚;;基于遗传算法的奇异值分解信号去噪算法[J];计算机应用研究;2015年08期

10 朱红运;王长龙;王建斌;马晓琳;;基于奇异值分解和Savitzky-Golay滤波器的信号降噪方法[J];计算机应用;2015年10期

相关硕士学位论文 前10条

1 李景元;基于变频调速的异步电机转子断条故障诊断[D];西安科技大学;2011年

2 蓝娟;笼型感应电动机断条故障的有限元计算与分析[D];哈尔滨工业大学;2006年

3 周慧寰;信号特征提取技术及其在电机故障检测中的应用[D];华北电力大学（河北）;2007年

4 褚艳玲;异步电动机转子和轴承故障检测方法研究[D];华北电力大学（河北）;2007年

5 张惺;感应电动机内部故障分析及检测方法研究[D];华南理工大学;2010年

6 张保龙;变频调速异步电动机轴承故障特征分析[D];华北电力大学;2012年

7 马理;双馈式风力发电机定子绕组匝间短路的电磁场分析[D];华北电力大学;2012年

8 郭钢祥;基于局域均值分解和神经网络的柴油机故障诊断研究[D];中北大学;2013年

9 郭海东;航空发动机多混叠微弱振动信号的识别与分离方法研究[D];南京航空航天大学;2013年

10 姜海波;民航发动机水洗效果评价及系统实现[D];哈尔滨工业大学;2014年

【二级参考文献】

相关期刊论文 前10条

1 邱阿瑞;张龙照;;鼠笼式异步电动机转子导条及端环故障时的稳态运行分析[J];电工技术学报;1987年03期

2 姜建国;汪庆生;杨秉寿;邱阿瑞;;用自适应方法提取鼠笼式异步电机转子断条的特征分量[J];电工技术学报;1990年04期

3 赵学智;叶邦彦;陈统坚;;矩阵构造对奇异值分解信号处理效果的影响[J];华南理工大学学报(自然科学版);2008年09期

4 邱阿瑞,孙健;用人工神经网络实现对感应电机转速的估计[J];清华大学学报(自然科学版);1999年09期

5 邱阿瑞;提取感应电动机转子故障特征的新方法[J];清华大学学报(自然科学版);1997年01期

6 朱守真,沈善德,郑宇辉,李力,艾芊,曲祖义;负荷建模和参数辨识的遗传进化算法[J];清华大学学报(自然科学版);1999年03期

7 康春玉;章新华;;一种基于奇异值分解的自适应降噪方法[J];声学技术;2008年03期

8 孙鑫晖;张令弥;王彤;;基于奇异值分解的频响函数降噪方法[J];振动、测试与诊断;2009年03期

9 朱启兵,刘杰,李允公,闻邦椿;基于结构风险最小化原则的奇异值分解降噪研究[J];振动工程学报;2005年02期

10 王维;张英堂;徐章遂;;基于动态聚类的奇异值分解降噪方法研究[J];振动工程学报;2008年03期

【相似文献】

相关期刊论文 前4条

1 邓兵;董云龙;刘贤忠;杨立永;;多重信号分类算法测向精度的仿真分析[J];海军航空工程学院学报;2010年01期

2 张玉波;黎雄;韩东波;;基于多重信号分类法的线性调频差频频率估计[J];航空兵器;2011年02期

3 邓兵;平殿发;刘贤忠;尹德强;;短波段内多重信号分类算法的窄带假设分析[J];海军航空工程学院学报;2009年04期

4 ;[J];;年期

相关会议论文 前1条

1 朱长春;;多重信号分类MUSIC法识别短时信号[A];中国工程物理研究院科技年报（1999）[C];1999年

相关硕士学位论文 前1条

1 LOUNICI Merwan（奥健）;基于多重信号分类算法的波达方向估计系统的实现[D];哈尔滨工程大学;2012年

，

本文编号：1902829