CN106291360B - 发电机碳刷故障定位方法 - Google Patents
发电机碳刷故障定位方法 Download PDFInfo
- Publication number
- CN106291360B CN106291360B CN201610770451.2A CN201610770451A CN106291360B CN 106291360 B CN106291360 B CN 106291360B CN 201610770451 A CN201610770451 A CN 201610770451A CN 106291360 B CN106291360 B CN 106291360B
- Authority
- CN
- China
- Prior art keywords
- carbon brush
- generator
- value
- mid
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 240
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 219
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims abstract description 27
- 238000005070 sampling Methods 0.000 claims abstract description 19
- 230000001186 cumulative effect Effects 0.000 claims description 39
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 230000005484 gravity Effects 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 230000001680 brushing effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010892 electric spark Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Motor Or Generator Current Collectors (AREA)
Abstract
本发明提供的一种发电机碳刷故障定位方法，包括如下步骤：对发电机的碳刷进行编号，采集发电机碳刷的参数，其中，碳刷的参数包括电流、温度、振动加速度以及长度；判断发电机碳刷长度，如碳刷的长度小于或等于设定阈值，判定该碳刷为故障碳刷并需更换；剔除长度小于或等于设定阈值的发电机电刷后或者发电机各碳刷的长度均大于设定阈值，则对发电机的碳刷参数进行分析，找出发电机碳刷中存在高故障风险的碳刷；分别建立碳刷的电流、温度以及振动加速度的隶属度函数，并根据电流、温度以及振动加速度的采样值计算该三个参数的隶属度值,通过该三个参数的隶属度值计算目标碳刷的故障程度，若故障程度大于设定的故障程度阈值，则判定目标碳刷出现故障能够对发电机中故障碳刷进行准确定位。
Description
技术领域
本发明涉及一种发电机故障定位方法，尤其涉及一种发电机碳刷故障定位方法。
背景技术
发电机碳刷又称电机碳刷或者电机电刷，碳刷是用于电机的换向器或者滑环上作为导出导入电流的滑动接触体，并且是发电机上重要的组成部件。
在发电机工作过程中，碳刷始终与换向器进行摩擦，由于转子存在微小的转动纵向不平衡，且在换向的瞬间还会产生电火花灼蚀，因此，电机碳刷是一种易损件，在发电机中，发电机碳刷往往不止一个，也就是说发电机中的电刷为多个，目前对于发电机碳刷故障检测常用方法就是人工巡检，凭有经验的工作人员判断，是否需要更换碳刷，准确度低，而且每次更换至少是一组全部更换，或者是发电机上的所有碳刷全部更换，从而造成资源浪费。
因此，需要提出一种的发电机碳刷故障定位方法以解决上述技术问题。
发明内容
有鉴于此，本发明的目的是提供一种发电机碳刷故障定位方法，能够对发电机中故障碳刷进行准确定位，并能够对故障碳刷的故障程度进行分析，从而有效保证有刷发电机的正常运行，方法简单，易于实施。
本发明提供的一种发电机碳刷故障定位方法，包括如下步骤：
S1.对发电机的碳刷进行编号，采集发电机碳刷的参数，其中，碳刷的参数包括电流、温度、振动加速度以及长度；
判断发电机碳刷长度，如碳刷的长度小于或等于设定阈值，判定该碳刷为故障碳刷并需更换；
剔除长度小于或等于设定阈值的发电机电刷后或者发电机各碳刷的长度均大于设定阈值，则对发电机的碳刷参数进行分析，找出发电机碳刷中存在高故障风险的碳刷；
S2.分别建立碳刷的电流、温度以及振动加速度的隶属度函数，并根据电流、温度以及振动加速度的采样值计算该三个参数的隶属度值,通过该三个参数的隶属度值计算目标碳刷的故障程度，若故障程度大于设定的故障程度阈值，则判定目标碳刷出现故障。
S3.进一步，述步骤S2中，包括：
S21.将采集的目标碳刷的电流、温度以及振动加速度的值与设定阈值比较，将参数划分为中等、较强和强三个等级，其中中等以mid表示，较强以h表示，强以vh表示，并且分别取三个参数的不同的等级，得出参数等级与故障关系规则如下：
若(C,mid)and(V，mid)and(t，mid),则目标碳刷正常；
若(C,h)and(V，mid)and(t，mid),则目标碳刷正常；
若(C,h)and(V，mid)and(t，h),则目标碳刷异常；
若(C,h)and(V，h)and(t，mid),则目标碳刷正常；
若(C,h)and(V，h)and(t，h),则目标碳刷异常；
若(C,h)and(V，vh)and(t，mid),则目标碳刷异常；
若(C,h)and(V，vh)and(t，h),则目标碳刷故障；
若(C,h)and(V，vh)and(t，vh),则目标碳刷故障；
若(C,vh)and(V，mid)and(t，mid),则目标碳刷异常；
若(C,vh)and(V，mid)and(t，h),则目标碳刷异常；
若(C,vh)and(V，mid)and(t，vh),则目标碳刷故障；
若(C,vh)and(V，h)and(t，mid),则目标碳刷异常；
若(C,vh)and(V，h)and(t，h),则目标碳刷异常；
若(C,vh)and(V，h)and(t，vh),则目标碳刷故障；
若(C,vh)and(V，vh)and(t，mid),则目标碳刷异常；
若(C,vh)and(V，vh)and(t，h),则目标碳刷故障；
若(C,vh)and(V，vh)and(t，vh),则目标碳刷故障；
S22.分别建立目标碳刷的电流、温度以及振动加速度的隶属度函数，并根据电流、温度以及振动加速度的采样值计算该三个参数的隶属度值，其中，电流隶属度值为Uci，温度隶属度值为Uti，振动加速度隶属度值为Uvi，i为参数等级与故障关系的规则数；
S23.计算模糊集Qi，其中Qi＝min(Uci，Uti，Uvi)；并根据Qi计算模糊结果Q，其中，Q＝Q1orQ2or…orQi；
S24.计算目标碳刷的故障程度，公式如下：
其中，k为规则数量，j表示发电机的碳刷编号，di表示对第i个规则下在输出隶属度函数中得到的量化映射后的故障程度值，d0j表示第j个碳刷的故障程度。
进一步，步骤S1中，根据如下方法找出存在高故障风险的碳刷：
S11.定义各碳刷出现最大采样值次数的累加向量ZMax＝(z1max,z2max,......,znmax)以及各碳刷出现最小采样值次数的累加向量ZMin＝(z1min,z2min,......,znmin)，其中，ZMax和ZMin中各元素初始值均为0，其中n表示碳刷所对应的编号；
S12.多次采集发电机碳刷的参数，将每次采样后的参数进行排序，分别找出采样值中的最大值以及最小值所对应的碳刷编号i，其中i的取值范围为[1,n]；
S13.在完成m次采样后，统计各碳刷出现最大值的次数，并将统计的次数进行由大到小的顺序进行排列，并形成向量Yd，且向量Yd＝(yd1,yd2,......,ydn)，其中，yd1≥yd2≥K≥ydn；
S14.在最大采样值次数的累加向量ZMax＝(z1max,z2max,......,znmax)中与yd1对应的碳刷编号所对应的元素加1；在最小采样值次数的累加向量ZMin＝(z1min,z2min,......,znmin)中与ydn对应的碳刷编号所对应的元素加1；
S15.重复步骤S2至S4直至设定累加次数，将最大采样值次数的累加向量ZMax的各元素累加求和，并将最大采样值次数的累加向量ZMax各元素值除以向量ZMax的累加之和得出各元素的比重；
将最小采样次数的累加向量ZMin中的各元素累加求和，并将最小采样值次数的累加向量ZMin各元素值除以向量ZMin的累加之和得出各元素的比重；
S16.将向量ZMax和向量ZMin中的各元素比重分别进行由大到小的顺序进行排列，然后将排序后的元素比重从大到小的顺序进行依次累加，将比重之和达到80％的各元素所对应的碳刷划为A类，然后将比重之和位于80％至90％之间的元素所对病的碳刷划为B类，其余的划为C类，其中，各类的碳刷存在故障风险的大小分别为A＞B＞C。
进一步，步骤S12中，对各碳刷进行参数采集时，在最小统计时间粒度tk内，以时间间隔tc完成m次采样，其中，m＝tk/tc。
本发明的有益效果：本发明的发电机碳刷故障定位方法，能够对发电机中故障碳刷进行准确定位，对故障碳刷进行针对性的更换，提高工作效率，有效避免资源浪费；保证有刷发电机的正常运行，方法简单。
附图说明
下面结合附图和实施例对本发明作进一步描述：
图1为本发明的流程图。
图2为本发明的电流隶属度函数图。
图3为本发明的温度隶属度函数图。
图4为本发明的振动加速度隶属度函数图。
图5为模糊结果隶属度函数图。
具体实施方式
图1为本发明的流程图，如图所示，本发明提供的一种发电机碳刷故障定位方法，包括如下步骤：
S1.对发电机的碳刷进行编号，采集发电机碳刷的参数，其中，碳刷的参数包括电流、温度、振动加速度以及长度；
判断发电机碳刷长度，如碳刷的长度小于或等于设定阈值，判定该碳刷为故障碳刷并需更换；
剔除长度小于或等于设定阈值的发电机电刷后或者发电机各碳刷的长度均大于设定阈值，则对发电机的碳刷参数进行分析，找出发电机碳刷中存在高故障风险的碳刷；
S2.分别建立碳刷的电流、温度以及振动加速度的隶属度函数，并根据电流、温度以及振动加速度的采样值计算该三个参数的隶属度值,通过该三个参数的隶属度值计算目标碳刷的故障程度，若故障程度大于设定的故障程度阈值，则判定目标碳刷出现故障，通过上述方法，能够对发电机中故障碳刷进行准确定位，对故障碳刷进行针对性的更换，提高工作效率，有效避免资源浪费；保证有刷发电机的正常运行，方法简单，其中，隶属度函数根据其曲线形状，一般采用三角隶属度函数或者梯形隶属度函数，本发明中则采用两者的结合，如图2至图5所示。
本实施例中，所述步骤S2中，包括：
S21.将采集的目标碳刷的电流、温度以及振动加速度的值与设定阈值比较，将参数划分为中等、较强和强三个等级，其中中等以mid表示，较强以h表示，强以vh表示，并且分别取三个参数的不同的等级，得出参数等级与故障关系规则如下：
若(C,mid)and(V，mid)and(t，mid),则目标碳刷正常；
若(C,h)and(V，mid)and(t，mid),则目标碳刷正常；
若(C,h)and(V，mid)and(t，h),则目标碳刷异常；
若(C,h)and(V，h)and(t，mid),则目标碳刷正常；
若(C,h)and(V，h)and(t，h),则目标碳刷异常；
若(C,h)and(V，vh)and(t，mid),则目标碳刷异常；
若(C,h)and(V，vh)and(t，h),则目标碳刷故障；
若(C,h)and(V，vh)and(t，vh),则目标碳刷故障；
若(C,vh)and(V，mid)and(t，mid),则目标碳刷异常；
若(C,vh)and(V，mid)and(t，h),则目标碳刷异常；
若(C,vh)and(V，mid)and(t，vh),则目标碳刷故障；
若(C,vh)and(V，h)and(t，mid),则目标碳刷异常；
若(C,vh)and(V，h)and(t，h),则目标碳刷异常；
若(C,vh)and(V，h)and(t，vh),则目标碳刷故障；
若(C,vh)and(V，vh)and(t，mid),则目标碳刷异常；
若(C,vh)and(V，vh)and(t，h),则目标碳刷故障；
若(C,vh)and(V，vh)and(t，vh),则目标碳刷故障；
也就是说，在采集存在高故障风险的电流、振动加速度以及温度参数后，按照历史经验将所采集到的参数进行等级划分，然后再形成上述规则；本实施例中，规则数共17各，因此，i的值取为17；
S22.分别建立目标碳刷的电流、温度以及振动加速度的隶属度函数，并根据电流、温度以及振动加速度的采样值计算该三个参数的隶属度值，其中，电流隶属度值为Uci，温度隶属度值为Uti，振动加速度隶属度值为Uvi，i为参数等级与故障关系的规则数，其中，电流、温度以及振动加速度的隶属度函数图分别如图2至图4所示；
S23.计算模糊集Qi，其中Qi＝min(Uci，Uti，Uvi)；并根据Qi计算模糊结果Q，其中，Q＝Q1orQ2or…orQi；其中，模糊结果Q如图5所示，根据图5所示的模糊结果以及输出的隶属度函数图形，可以得出di，即图5横坐标的值，即通过输出隶属度值Q来确定di，di表示对第i个规则下在输出隶属度函数中得到的量化映射后的故障程度值，在图5中，由于在某一隶属度值的状态下，可能对应多个di值，因此，di为仍为一个较为模糊的结果。
S24.计算目标碳刷的故障程度，公式如下：
其中，k为规则数量，j表示发电机的碳刷编号，di表示对第i个规则下在输出隶属度函数中得到的量化映射后的故障程度值，d0j表示第j个碳刷的故障程度，此步骤中为去模糊计算，得到第j号碳刷的准确的故障程度值。
本实施例中，步骤S1中，根据如下方法找出存在高故障风险的碳刷：
S11.定义各碳刷出现最大采样值次数的累加向量ZMax＝(z1max,z2max,......,znmax)以及各碳刷出现最小采样值次数的累加向量ZMin＝(z1min,z2min,......,znmin)，其中，ZMax和ZMin中各元素初始值均为0，其中n表示碳刷所对应的编号；
S12.多次采集发电机碳刷的参数，将每次采样后的参数进行排序，分别找出采样值中的最大值以及最小值所对应的碳刷编号i，其中i的取值范围为[1,n]；
S13.在完成m次采样后，统计各碳刷出现最大值的次数，并将统计的次数进行由大到小的顺序进行排列，并形成向量Yd，且向量Yd＝(yd1,yd2,......,ydn)，其中，yd1≥yd2≥K≥ydn；
S14.在最大采样值次数的累加向量ZMax＝(z1max,z2max,......,znmax)中与yd1对应的碳刷编号所对应的元素加1；在最小采样值次数的累加向量ZMin＝(z1min,z2min,......,znmin)中与ydn对应的碳刷编号所对应的元素加1；
S15.重复步骤S2至S4直至设定累加次数，将最大采样值次数的累加向量ZMax的各元素累加求和，并将最大采样值次数的累加向量ZMax各元素值除以向量ZMax的累加之和得出各元素的比重；
将最小采样次数的累加向量ZMin中的各元素累加求和，并将最小采样值次数的累加向量ZMin各元素值除以向量ZMin的累加之和得出各元素的比重；
S16.将向量ZMax和向量ZMin中的各元素比重分别进行由大到小的顺序进行排列，然后将排序后的元素比重从大到小的顺序进行依次累加，将比重之和达到80％的各元素所对应的碳刷划为A类，然后将比重之和位于80％至90％之间的元素所对病的碳刷划为B类，其余的划为C类，其中，各类的碳刷存在故障风险的大小分别为A＞B＞C。
其中，对各碳刷进行参数采集时，在最小统计时间粒度tk内，以时间间隔tc完成m次采样，其中，m＝tk/tc。
以下对本发明找出高故障风险碳刷的具体方式进行举例说明：
由于对于最大采样值次数的累加向量ZMax和最小采样次数的累加向量ZMin的原理相同，下面以最大采样值次数的累加向量ZMax为例：
比如：在发电机中，碳刷的个数为10个，并以碳刷的电流参数为例，为了便于说明，本实例中采样次数m选择为10次，初始时，最大采样值次数的累加向量ZMAX＝(0，0，0，0，0，0，0，0,0,0)；
对10个碳刷进行编号，分别为1,2,3，…，7,8,9,10；在第1次到第10次的电流采集过程中，1号碳刷电流值出现最大次数为4次，5号碳刷电流值出现最大次数为3次，2，4和7号碳刷电流值出现最大值次数为各1次，其他则没有出现最大电流值，因此，各碳刷出现最大电流值的次数排序分别为1号＞5号＞4号，2号，7号＞3号，6号，8号，9号，10号；因此，1号为在此次累加中为元素yd1，因此，ZMAX中第一个元素加1；依次类推，在进行下一次累加计算时，即下一个最小时间粒度tk内进行m次采样按照上述方式进行计算，如假定一共重复了20次累加计算，并且进行了上述方式计算后，最大采样值次数的累加向量ZMAX＝(5,1,0,8,1,1,2,1,1,0)，那么，将各元素除以总次数20，则得出如下比重：1号为25％，2号为5％，4号为40％,5号为5％，6号为5％,7号为10％，8号为5％，9号为5％，那么按照比重由大到小对各碳刷编号重新进行排序后为4，1,7，2，5，6，8，9，3，10；因此，将重新排序后的各碳刷编号所对应的比重相加，则可以得出：40％+25％+10％+5％＝80％，那么将1号碳刷、2号碳刷4号碳刷以及7号碳刷划为A类，由于80％+5％+5％＝90％，如果将5号碳刷和6号碳刷划为B类，那么3，8，9和10号碳刷划分为C类碳刷，其中，A类碳刷出现故障的概率最高，因此，需要及时对A类碳刷进行检修，排除故障，B类可以根据实际情况进行检修，C类最不容易出现故障。
对于最小采样次数的累加向量ZMin来说，如果出现各碳刷出现最小电流值的次数排序分别为1号＞5号＞4号，2号，7号＞3号，6号，8号，9号，10号时，则最小采样值次数的累加向量Zmin＝(5,1,0,8,1,1,2,1,1,0)，最终的比重为：1号为25％，2号为5％，4号为40％,5号为5％，6号为5％,7号为10％，8号为5％，9号为5％；因此最终的风险划分为那么将1号碳刷、2号碳刷4号碳刷以及7号碳刷划为A类；如果将5号碳刷和6号碳刷划为B类；3，8，9和10号碳刷划分为C类碳刷，A类碳刷出现故障的概率最高，因此，需要及时对A类碳刷进行检修，排除故障，B类可以根据实际情况进行检修，C类最不容易出现故障；在上述的实例中，出现最大值次数和最小值次数并不是实际应用，实际应用中总次数会更多，而且出现最大值次数和最小值次数也往往会不同，上述的数值仅仅是进行举例说明本发明的原理。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种发电机碳刷故障定位方法，其特征在于：包括如下步骤：
S1.对发电机的碳刷进行编号，采集发电机碳刷的参数，其中，碳刷的参数包括电流、温度、振动加速度以及长度；
判断发电机碳刷长度，如碳刷的长度小于或等于设定阈值，判定该碳刷为故障碳刷并需更换；
剔除长度小于或等于设定阈值的发电机碳刷后或者发电机各碳刷的长度均大于设定阈值，则对发电机的碳刷参数进行分析，找出发电机碳刷中存在高故障风险的碳刷；
S2.分别建立碳刷的电流、温度以及振动加速度的隶属度函数，并根据电流、温度以及振动加速度的采样值计算该三个参数的隶属度值,通过该三个参数的隶属度值计算目标碳刷的故障程度，若故障程度大于设定的故障程度阈值，则判定目标碳刷出现故障；
所述步骤S2中，包括：
S21.将采集的目标碳刷的电流C、温度t以及振动加速度V的值与设定阈值比较，将参数划分为中等、较强和强三个等级，其中中等以mid表示，较强以h表示，强以vh表示，并且分别取三个参数的不同的等级，得出参数等级与故障关系规则如下：
若(C,mid)and(V，mid)and(t，mid),则目标碳刷正常；
若(C,h)and(V，mid)and(t，mid),则目标碳刷正常；
若(C,h)and(V，mid)and(t，h),则目标碳刷异常；
若(C,h)and(V，h)and(t，mid),则目标碳刷正常；
若(C,h)and(V，h)and(t，h),则目标碳刷异常；
若(C,h)and(V，vh)and(t，mid),则目标碳刷异常；
若(C,h)and(V，vh)and(t，h),则目标碳刷故障；
若(C,h)and(V，vh)and(t，vh),则目标碳刷故障；
若(C,vh)and(V，mid)and(t，mid),则目标碳刷异常；
若(C,vh)and(V，mid)and(t，h),则目标碳刷异常；
若(C,vh)and(V，mid)and(t，vh),则目标碳刷故障；
若(C,vh)and(V，h)and(t，mid),则目标碳刷异常；
若(C,vh)and(V，h)and(t，h),则目标碳刷异常；
若(C,vh)and(V，h)and(t，vh),则目标碳刷故障；
若(C,vh)and(V，vh)and(t，mid),则目标碳刷异常；
若(C,vh)and(V，vh)and(t，h),则目标碳刷故障；
若(C,vh)and(V，vh)and(t，vh),则目标碳刷故障；
S22.分别建立目标碳刷的电流C、温度t以及振动加速度V的隶属度函数，并根据电流C、温度t以及振动加速度V的采样值计算该三个参数的隶属度值，其中，电流隶属度值为Uci，温度隶属度值为Uti，振动加速度隶属度值为Uvi，i为参数等级与故障关系的规则数；
S23.计算模糊集Qi，其中Qi＝min(Uci，Uti，Uvi)；并根据Qi计算模糊结果Q，其中，Q＝Q1orQ2or…orQi；
S24.计算目标碳刷的故障程度，公式如下：
其中，k为规则数量，j表示发电机的碳刷编号，di表示对第i个规则下在输出隶属度函数中得到的量化映射后的故障程度值，d0j表示第j个碳刷的故障程度；
步骤S1中，根据如下方法找出存在高故障风险的碳刷：
S11.定义各碳刷出现最大采样值次数的累加向量ZMax＝(z1max,z2max,......,znmax)以及各碳刷出现最小采样值次数的累加向量ZMin＝(z1min,z2min,......,znmin)，其中，ZMax和ZMin中各元素初始值均为0，其中n表示碳刷所对应的编号；
S12.多次采集发电机碳刷的参数，将每次采样后的参数进行排序，分别找出采样值中的最大值以及最小值所对应的碳刷编号q，其中q的取值范围为[1,n]；
S13.在完成m次采样后，统计各碳刷出现最大值的次数，并将统计的次数进行由大到小的顺序进行排列，并形成向量Yd，且向量Yd＝(yd1,yd2,......,ydn)，其中，yd1≥yd2≥K≥ydn；
S14.在最大采样值次数的累加向量ZMax＝(z1max,z2max,......,znmax)中与yd1对应的碳刷编号所对应的元素加1；在最小采样值次数的累加向量ZMin＝(z1min,z2min,......,znmin)中与ydn对应的碳刷编号所对应的元素加1；
S15.重复步骤S12至S14直至设定累加次数，将最大采样值次数的累加向量ZMax的各元素累加求和，并将最大采样值次数的累加向量ZMax各元素值除以向量ZMax的累加之和得出各元素的比重；
将最小采样次数的累加向量ZMin中的各元素累加求和，并将最小采样值次数的累加向量ZMin各元素值除以向量ZMin的累加之和得出各元素的比重；
S16.将向量ZMax和向量ZMin中的各元素比重分别进行由大到小的顺序进行排列，然后将排序后的元素比重从大到小的顺序进行依次累加，根据比重之和的取值范围确定各元素所对应的碳刷存在的故障风险类型。
2.根据权利要求1所述发电机碳刷故障定位方法，其特征在于：步骤S12中，对各碳刷进行参数采集时，在最小统计时间粒度tk内，以时间间隔tc完成m次采样，其中，m＝tk/tc。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610770451.2A CN106291360B (zh) | 2016-08-30 | 2016-08-30 | 发电机碳刷故障定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610770451.2A CN106291360B (zh) | 2016-08-30 | 2016-08-30 | 发电机碳刷故障定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106291360A CN106291360A (zh) | 2017-01-04 |
| CN106291360B true CN106291360B (zh) | 2019-07-05 |
Family
ID=57674336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610770451.2A Active CN106291360B (zh) | 2016-08-30 | 2016-08-30 | 发电机碳刷故障定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106291360B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111722106A (zh) * | 2020-06-05 | 2020-09-29 | 格力电器（合肥）有限公司 | 电机运转检测系统及方法 |
| CN111650514B (zh) * | 2020-06-15 | 2022-09-09 | 珠海万力达电气自动化有限公司 | 一种异步电动机典型故障的多参数联合诊断方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101588112A (zh) * | 2009-07-01 | 2009-11-25 | 唐德尧 | 一种电刷滑环故障的诊断装置及机理诊断和维修设计方法 |
| CN103969579A (zh) * | 2014-03-24 | 2014-08-06 | 河海大学 | 永磁同步电机定子不对称故障诊断方法及系统 |
| CN203981852U (zh) * | 2014-07-16 | 2014-12-03 | 保定卓正电气科技有限公司 | 一种发电机碳刷监测装置 |
| CN204679607U (zh) * | 2015-06-24 | 2015-09-30 | 重庆交通大学 | 发电机碳刷状态监测系统 |
| CN105467320A (zh) * | 2016-01-19 | 2016-04-06 | 朱存彬 | 发电机励磁碳刷在线监测系统及监测方法 |
-
2016
- 2016-08-30 CN CN201610770451.2A patent/CN106291360B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101588112A (zh) * | 2009-07-01 | 2009-11-25 | 唐德尧 | 一种电刷滑环故障的诊断装置及机理诊断和维修设计方法 |
| CN103969579A (zh) * | 2014-03-24 | 2014-08-06 | 河海大学 | 永磁同步电机定子不对称故障诊断方法及系统 |
| CN203981852U (zh) * | 2014-07-16 | 2014-12-03 | 保定卓正电气科技有限公司 | 一种发电机碳刷监测装置 |
| CN204679607U (zh) * | 2015-06-24 | 2015-09-30 | 重庆交通大学 | 发电机碳刷状态监测系统 |
| CN105467320A (zh) * | 2016-01-19 | 2016-04-06 | 朱存彬 | 发电机励磁碳刷在线监测系统及监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106291360A (zh) | 2017-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| FR2971595B1 (fr) | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance | |
| CN106291360B (zh) | 发电机碳刷故障定位方法 | |
| CN102874279B (zh) | 一种列车进路办理方法 | |
| CN105303469B (zh) | 线损异常原因数据挖掘分析的方法与系统 | |
| JPWO2014103705A1 (ja) | 蓄電デバイスの寿命予測装置及び蓄電デバイスの寿命予測方法 | |
| CN112966882A (zh) | 一种基于时空全局匹配的配电网调度方法 | |
| CN105279317B (zh) | 一种基于dem的平地河网水流方向估算方法 | |
| CN108490361A (zh) | 一种基于云端反馈的荷电状态SoC计算方法 | |
| CN105515888A (zh) | 基于多维熵序列分类的智能变电站通信网络异常检测方法 | |
| CN104034337B (zh) | 一种浮动车地理位置点的地图匹配方法及装置 | |
| CN102445660B (zh) | 基于灰色Verhulst模型的发电机功角预测方法 | |
| CN111896873A (zh) | 一种用于评估储能电站健康状态的方法及系统 | |
| CN106483393B (zh) | 谐波和电压暂降监测点统一配置方法及系统 | |
| WO2020141154A1 (en) | Method, system and computer program product for evaluation of energy consumption in industrial environments | |
| CN109472388B (zh) | 一种基于损耗的保电设备故障预警方法和系统 | |
| CN102570448A (zh) | 基于wams的电力系统分群及稳定裕度评估系统及方法 | |
| CN104899456A (zh) | 在轨航天器模型的实时修正方法 | |
| CN103886133B (zh) | 一种测风塔覆盖范围统计分析方法 | |
| Huang et al. | An improved rainflow algorithm combined with linear criterion for the accurate Li-ion battery residual life prediction | |
| CN105391080B (zh) | 一种储能系统优化运行方法 | |
| CN106548301B (zh) | 电力用户聚类方法及装置 | |
| CN103346565B (zh) | 基于向量有向图的电网薄弱节点辨识方法 | |
| JP6469485B2 (ja) | 電池劣化判定装置、組電池、電池劣化判定方法及び電池劣化判定プログラム | |
| CN105573269B (zh) | 半导体制造机台的参数监控系统及方法 | |
| CN102427274A (zh) | 电网元件实时状态的获取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230510 Address after: 5-1, No. 5, Liujin Jiayuan, Jiangbei District, Chongqing, 400000 Patentee after: Shi Yawei Address before: 401122 Middle and rear 3/F, Building B, Mercury Science and Technology Building, High tech Park, New North Zone, Chongqing Patentee before: CHONGQING QINZHI TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230824 Address after: 402760 No.92 Donglin Avenue, Biquan street, Bishan District, Chongqing Patentee after: Chongqing Xuanyi Intelligent Technology Co.,Ltd. Address before: 5-1, No. 5, Liujin Jiayuan, Jiangbei District, Chongqing, 400000 Patentee before: Shi Yawei |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20241114 Address after: 5-1, No. 5, Liujin Jiayuan, Jiangbei District, Chongqing, 400000 Patentee after: Shi Yawei Country or region after: China Address before: 402760 No.92 Donglin Avenue, Biquan street, Bishan District, Chongqing Patentee before: Chongqing Xuanyi Intelligent Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20241230 Address after: No. 345, 1st Floor, Building 1, No. 380 Huaying Road, Longxi Street, Yubei District, Chongqing City, 400000 Patentee after: Chongqing Xilian Intelligent Technology Co.,Ltd. Country or region after: China Address before: 5-1, No. 5, Liujin Jiayuan, Jiangbei District, Chongqing, 400000 Patentee before: Shi Yawei Country or region before: China |