一种基于谱峭度的异步电机故障诊断方法

发布时间：2018-06-10 16:27

本文选题：异步电机 + 故障诊断　；参考：《电工技术学报》2014年05期

【摘要】：异步电机故障时,故障信号往往是低频信号且故障不明显;若形成复合故障,故障信号之间非线性耦合,导致频谱非常复杂。针对上述问题,本文提出了以时频分析的谱峭度法为基础,结合Hilbert包络解调的新方法。Hilbert包络解调,得到包含故障的特征信息的低频包络信号,突出和分离了故障特征信息;时频分析的谱峭度法根据峭度最大化原则自动确定带通滤波器参数,对含噪信号进行滤波;最后通过频谱分析可以对故障的特征频率快速有效的识别。本文还分析了负载的变化对不同类型的电机故障的影响。通过实验和实际的工程信号验证了在不同的噪声强度、不同负载的情况下,该法对于单一故障或是复合故障均有效。
[Abstract]:In the fault of asynchronous motor, the fault signal is usually low frequency signal and the fault is not obvious. If the complex fault is formed, the nonlinear coupling between the fault signals leads to the complexity of the frequency spectrum. Aiming at the above problems, a new method of Hilbert envelope demodulation is proposed, which is based on spectral kurtosis method of time-frequency analysis and a new method of Hilbert envelope demodulation. The low-frequency envelope signal containing characteristic information of fault is obtained, and fault characteristic information is highlighted and separated. The spectral kurtosis method of time-frequency analysis can automatically determine the parameters of band-pass filter according to the principle of kurtosis maximization, and filter the noisy signal. Finally, the characteristic frequency of fault can be quickly and effectively identified by spectrum analysis. The influence of load variation on different types of motor faults is also analyzed. The experimental and practical engineering signals show that the method is effective for single fault or complex fault under different noise intensity and load.
【作者单位】：哈尔滨工业大学电气工程及自动化学院;东北电力大学输变电技术学院;
【分类号】：TM343

【参考文献】

相关期刊论文前10条

1 沈金伟;石林锁;;滚动轴承故障诊断的改进小波变换谱峭度法[J];轴承;2010年08期

2 张雄希;刘振兴;;基于倒频谱分析的电机故障检测[J];电力系统保护与控制;2010年20期

3 王晓冬;何正嘉;訾艳阳;;滚动轴承故障诊断的多小波谱峭度方法[J];西安交通大学学报;2010年03期

4 苏文胜;王奉涛;张志新;郭正刚;李宏坤;;EMD降噪和谱峭度法在滚动轴承早期故障诊断中的应用[J];振动与冲击;2010年03期

5 石林锁;张亚洲;米文鹏;;基于WVD的谱峭度法在轴承故障诊断中的应用[J];振动.测试与诊断;2011年01期

6 任震,张征平,黄雯莹,管霖,杨楚明,胡国胜;基于最优小波包基的电动机故障信号的消噪与检测[J];中国电机工程学报;2002年08期

7 刘振兴,尹项根,张哲;基于Hilbert模量频谱分析的异步电动机转子故障在线监测与诊断方法[J];中国电机工程学报;2003年07期

8 侯新国,吴正国,夏立;基于Park矢量模平方函数的异步电动机转子故障检测方法研究[J];中国电机工程学报;2003年09期

9 冷永刚,王太勇,李瑞欣,彭永胜,邓学欣;变尺度随机共振用于电机故障的监测诊断[J];中国电机工程学报;2003年11期

10 张含蕾;周洁敏;李刚;;基于小波分析的感应电动机复合故障诊断[J];中国电机工程学报;2006年08期

【共引文献】

相关期刊论文前10条

1 闫晓玲;董世运;刘彬;徐滨士;王望龙;;基于熵理论的超声波检测信号消噪与缺陷识别[J];北京理工大学学报;2012年05期

2 潘庆庆;赵书涛;潘亮亮;;基于声波处理的变压器故障诊断与状态发展趋势预测[J];变压器;2009年02期

3 秦焱;刘启胜;;基于小波包频带包络分析的船用锚机电动机转子断条在线检测方法[J];船舶工程;2011年S2期

4 孟庆华;赵文礼;;基于最优小波包基的模极大值法信号消噪研究[J];传感技术学报;2006年06期

5 张文博,范大鹏;基于最优小波包理论陀螺信号处理方法[J];传感器世界;2005年07期

6 曲国庆;党亚民;章传银;;变形监测信号消噪的不确定度[J];测绘科学;2007年05期

7 潘远峰;;基于小波分析的齿轮箱齿轮点蚀诊断研究[J];重庆科技学院学报(自然科学版);2008年05期

8 沈仁发;祁彦洁;康海英;郑海起;关贞珍;;基于阶次小波包与粗糙集的轴承复合故障诊断[J];轴承;2009年09期

9 王轩;王莉;魏蔚;;瞬时功率小波包分解法在轴承故障诊断中的应用[J];轴承;2010年10期

10 张静;王韵然;李强;刘涛;王野蒙;;基于同步旋转坐标变换的互功率谱MUSIC算法异步电机转子故障诊断[J];东北电力大学学报(自然科学版);2007年04期

相关期刊论文前10条

1 崔玲丽;高立新;张建宇;胥永刚;;基于EMD的复合故障诊断方法[J];北京科技大学学报;2008年09期

2 石林锁;;滚动轴承故障检测的改进包络分析法[J];轴承;2006年02期

3 刘振兴,张哲,尹项根,吴杰余;一种新型的笼型异步电动机转子故障在线监测和诊断方法[J];电工技术学报;2002年04期

4 任震,黄雯莹,石志强;小波分析及其在电力系统中的应用(三)工程应用技术[J];电力系统自动化;1997年03期

5 刘振兴,尹项根,张哲;鼠笼式异步电动机转子故障在线监测与诊断方法[J];电力自动化设备;2004年01期

6 薛蕙,杨仁刚;利用Morlet连续小波变换实现非整次谐波的检测[J];电网技术;2002年12期

7 周锋,王明渝,杜彦巍;基于MCSA的异步电动机状态监测与故障诊断综述*[J];重庆大学学报(自然科学版);2005年01期

8 王铁,张国忠,侯荣涛;基于倒谱和小波变换的驱动桥故障特征提取[J];计算机测量与控制;2003年08期

9 胡红英;马孝江;;基于局域波分解的信号降噪算法[J];农业机械学报;2006年01期

10 向玲,胡爱军,唐贵基,朱永利;转子动静碰摩故障仿真与试验研究[J];润滑与密封;2005年05期

【相似文献】

相关期刊论文前10条

1 吕景秀;王新;;基于模糊神经网络的异步电动机故障诊断研究[J];电机技术;2010年03期

2 孙爱进;郭西进;;电机匝间短路故障信息融合诊断方法研究[J];煤矿机电;2011年04期

3 吕曙东;;异步电机模型仿真及故障分析研究[J];南通职业大学学报;2010年04期

4 赵四化;王琪;;支持向量机在电机转子故障诊断识别中的应用[J];中国测试;2009年03期

5 方瑞明;郑力新;马宏忠;黄东海;;基于MCSA和SVM的异步电机转子故障诊断[J];仪器仪表学报;2007年02期

6 梁霖,徐光华,刘弹,栗茂林;小波-奇异值分解在异步电机转子故障特征提取中的应用[J];中国电机工程学报;2005年19期

7 曹海洋;杜秋阁;许允之;;鼠笼异步电动机故障诊断方法的研究[J];煤炭工程;2009年02期

8 韩天;尹忠俊;杨邵伟;;电机转子断条故障诊断方法探讨[J];电力系统及其自动化学报;2009年01期

9 张雄希;刘振兴;;基于分数阶傅里叶变换的变频调速异步电机故障诊断方法[J];电机与控制应用;2010年04期

10 乔水云;;基于神经网络的电机转子断条故障诊断[J];上海大中型电机;2008年04期