CN106324502A - 一种基于小波的异步电动机故障分析方法 - Google Patents
一种基于小波的异步电动机故障分析方法 Download PDFInfo
- Publication number
- CN106324502A CN106324502A CN201610700500.5A CN201610700500A CN106324502A CN 106324502 A CN106324502 A CN 106324502A CN 201610700500 A CN201610700500 A CN 201610700500A CN 106324502 A CN106324502 A CN 106324502A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- fault
- frequency
- signal
- asynchronous motor
- 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.)
- Pending
Links
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
Abstract
本发明公开了一种基于小波的异步电动机故障分析方法,应用小波变换技术对电流信号和振动信号进行分解,电流信号根据理论上启动过程中特征频率变化情况确定小波母函数、小波分解层数,分析小波变换结果中频率和幅值;重构小波包分解系数,求取各频带的信号能量;将能量变化突出的若干信号选取为特征向量,通过特征向量就能够确定每一种电动机故障的特征。本发明通过用小波分析方法处理信号的结果与理论结果的误差大小来判定小波函数的好坏,从而达到通过最适合的小波函数去实现异步电动机的故障检测与分析。
Description
技术领域
本发明涉及异步电动机,具体是一种基于小波的异步电动机故障分析方法。
背景技术
随着现代科学技术的进步、生产系统的发展和设备制造水平的提高,电机作为世界上使用最普遍的、数量最多的供电设备和动力机械,几乎占领了所有领域。其中异步电动机是各种电动机中应用最广、需要量最大的一种电机。左右的电气原动力均为异步电动机,其中小型异步电动机占以上。在电网的总负荷中,异步电动机用电量占以上。它是当今生产活动和日常生活中最主要的原动力和驱动装置。显而易见,电机的正常工作对保证生产制造过程中的安全、高效、敏捷、优质及低耗运行意义非常重大。电机的故障或停止运行,不仅会损坏电机本身,而且会影响整个系统的正常工作,甚至会危及人身安全,造成巨大的经济损失,所以如果能在故障初期就能诊断出类型和成因是最理想的解决方法。
作为传动机械,异步电动机广泛应用于发电厂、炼钢厂、舰艇等工业与国防领域,其安全运行至关重要。异步电动机一般处于长时间连续运转状态,且工作环境恶劣,加之电机的自然老化,以及受电机制造水平、运行管理水平、检修质量等方面的限制,因此故障不可避免。异步电动机故障不仅损坏电机本身,而且影响整个传动系统,如果不能及时发现、检修,将导致事故、停机。对于发电、炼钢、石化及其它工业生产流水线而言,异步电动机的一次事故、停机即会造成巨大损失,而在特殊应用领域(核电站、海军舰艇等)甚至导致灾难性恶果。针对异步电动机的速断性(灾难性)故障,主要采取继电保护措施,如过电流保护、过电压保护、欠电压保护、差动保护、负序保护、逆电流保护、接地保护等继电保护措施并不能预防事故的发生,而仅能在事故发生后采取行动,仍将造成停机。因此,为了将因电动机故障造成的损失降低到最小程度,迫切要求对电动机的初发故障进行检测。据不完全统计,目前全国运行的电动机数量超过6000万台,占电网用电量的70%以上,是工农业生产中应用最为广泛的动力设备。全国每年烧毁电动机数量约300万台以上。每年仅修理费高达数百亿元。由于电动机故障造成工产损失更是难以估计。因此开发先进可靠的电动机状态监测与故障检测系统,具有极其广阔的应用前景。笼型异步电动机转子断条故障将导致电机出力下降、运行性能恶化,加之转子断条故障的发生概率约为15%,因此必须对其进行检测,特别是进行早期检测,早期检测系统可以在故障发展初期及时告警,有助于现场组织、安排维修,避免事故停机,具有显著经济效益。异步电动机初发故障检测一般是通过使用先进的技术手段,在线监测异步电动机的相关运行参数(如电压、电流、磁通、转速、温度、振动、局部放电等),判断设备是否处于正常状态,以确定合理的检修时间和方案,达到减少事故停机损失、提高设备运行的可靠性、降低维修费用的目的。
异步电动机故障主要包括转子断条故障,定子绕组匝间短路故障,以及轴承故障,一般来说,电机状态监测和故障诊断涉及的知识领域主要有:电机理论、电磁测量、信号处理、计算机技术、热力学、绝缘技术、人工智能等。
综上所述,对电动机进行故障检测是必要的,通过对常见故障的检测和分析,
可以及早发现故障和预防故障的进一步恶化,以减少或者避免恶性故障造成的经济损失,并为实现状态检修创造条件,对保证安全生产也有重要意义。
电机故障诊断技术是近年来发展起来的一门新型学科。国外对电机故障诊断技术的研究始于世纪年代。由于电机的工作原理和结构上的种种特点,其诊断方法和采用的检测技术和其它设备的诊断有所不同。尽管各个国家都很重视,但是直到一年代,随着传感器、计算机、光纤等高新技术的发展与应用,电机在线诊断技术才真正得到迅速发展。加拿大、日本及前苏联陆续研制了变压器、发电机的局部放电、泄漏电流等在线监视系统,有些已经发展成为正异步电机在线故障诊断系统的研究与设计式产品。
我国对电机故障诊断技术的重要性也早有认识,世纪年代就提出过不少带电试验的方法,但由于操作复杂、测量结果分散性大而未得到推广,直到年代开始出现电机故障在线诊断技术的研究之后得到迅猛的发展。如1993年,清华大学的窦玉琴、付立军通过测量电机的轴磁通和电流信号分别进行了断条和偏心模拟试验。1994年,哈尔滨工业大学的王凤昌用频谱分析仪分析过模拟断条故障电机的频谱,得出与国外专家相同的结论。哈尔滨理工大学的时献江利用计算机分析了数十台电机的电流频谱,用来分析电机及其拖动设备的故障,编制了专门的软件,并取得了一例断条诊断成功的实例。1997年,清华大学邱阿瑞提出了提取感应电动机转子故障特征的新方法,通过对电机定子电流信号作希尔伯特变换解调处理,提取故障特征分量,结果表明此方法适用于负荷波动较大的转子故障诊断。1998年,清华大学自动化系叶昊提出一种基于小波分析的动态系统故障检测方法。该方法不需要模型,具有灵敏度高、克服噪声能力强的特点。年,华北电力大学许伯强提出了连续细化分析的傅立叶变换方法,但是要借助异步电动机定子电压过零时刻提取电路,该方法可以提高检测转子断条故障的灵敏度。年,中船重工集团公司研究所李明勇提出用算法的谱估计方法来诊断异步电机转子断条故障。2004年,浙江大学刘振兴,尹项根提出了以平均瞬时功率为监测量进行鼠笼式异步电动机转子复合故障的监测与诊断方法,该方法不需要己知电动机的定、转子参数,可以实现复合故障的准确分离。年,华北电力大学电气工程学院许伯强首次将连续细化傅立叶变换、自适应滤波、转子齿槽谐波转差率估计、检测阐值自整定技术有机结合,形成了笼型异步电动机转子断条故障检测新方法。
到目前为止,对异步电机的故障检测方面的研究大部分仍采用对电机定子电流的检测,通过各种方法对信号进行分析,提取故障特征频率,并根据特征频率下幅值的变化,判断电机故障的类型我国的故障诊断技术研究开始于70年代末,在初期阶段,我国科研工作者学习美国、日本、欧洲一些国家的先进技术,经过二十多年的奋斗,我国的一些高等院校及科研机构在故障诊断的理论研究上取得了很大的进步,并研制出可以满足主产的监测诊断设备,开发出专用诊断软件,大大地缩小与发达国家地差距,在某些方面达到国际先进水平。诊断技术发展至今已经历了三个阶段。在第一阶段,诊断结果在很大程度上取决于领域专家的感官和专业经验,但是传感器技术、动态测试技术以及信号分析技术的发展使诊断技术进入了第二阶段,并且在工程中得到了广泛的应用,近年来,为了满足复杂系统的诊断要求,随着计算机技术的发展及人工智能技术,特别是专家系统在诊断问题求解中的应用,诊断技术正进入它的第三发展阶段,即智能化阶段。由于数学的发展和互联网的兴起,出现了基于数学方法的故障诊断,人工智能、专家系统、神经网络、遗传算法、小波分析诊断原理大量应用于故障诊断研究当中、取得了可喜的成果,互联网进一步发展也为故障的在线诊断提供了有力基础,并为预测故障的发生提供了可靠的保证。我国清华大学研制成功的笼型异步电动机转子断条在线检测仪可视为标志性成果,该装置同样基于MCSA技术,通过对异步电动机定子相电流信号进行频谱分析检测转子断条故障,简捷实用,因此已广泛应用于生产实际,但我国国内目前尚未开发出类似于MULTILIN的多功能综合性的异步电动机状态监测与故障诊断系统。
小波分析作为一种新型的时、频域分析工具,在时域、频域都具有良好的局部化性质,可以聚焦到信号的任意细节,对奇异信号尤其敏感,能很好地处理微弱或突变的信号,适宜用来处理电机故障信号。其中复值小波除了能提供幅值信息,鉴别特征尺度及其时间轴上的位置外,还能提供相位信息,可提高对过程奇异点的定位精度,因此复值小波的使用将有助于异步电机故障诊断率的提高。
目前小波分析应用于异步电机地故障诊断才刚刚起步,有待作更深入地研究。
发明内容
本发明的目的在于提供一种基于小波的异步电动机故障分析方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于小波的异步电动机故障分析方法,应用小波变换技术对电流信号和振动信号进行分解,电流信号根据理论上启动过程中特征频率变化情况确定小波母函数、小波分解层数,分析小波变换结果中频率和幅值;重构小波包分解系数,求取各频带的信号能量;将能量变化突出的若干信号选取为特征向量,通过特征向量就能够确定每一种电动机故障的特征。
作为本发明进一步的方案:所述振动信号进行小波包分解,振动信号经小波包分解可得到其在各频带内成分的特征,即各低频和高频系数。
作为本发明再进一步的方案:将各个小波包分解系数做选择性重构,抽取和故障相关的几个频带进行重构,剔除干扰项,提取各频段范围的信号,并计算各频段的信号能量。
与现有技术相比,本发明的有益效果是:本发明通过用小波分析方法处理信号的结果与理论结果的误差大小来判定小波函数的好坏,从而达到通过最适合的小波函数去实现异步电动机的故障检测与分析。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例中,一种基于小波的异步电动机故障分析方法,应用小波变换技术对电流信号和振动信号进行分解,电流信号根据理论上启动过程中特征频率变化情况确定小波母函数、小波分解层数,分析小波变换结果中频率和幅值;重构小波包分解系数,求取各频带的信号能量;将能量变化突出的若干信号选取为特征向量,通过特征向量就能够确定每一种电动机故障的特征;所述振动信号进行小波包分解,振动信号经小波包分解可得到其在各频带内成分的特征,即各低频和高频系数;将各个小波包分解系数做选择性重构,抽取和故障相关的几个频带进行重构,剔除干扰项,提取各频段范围的信号,并计算各频段的信号能量。
本发明的工作原理是:本发明基于小波的异步电动机故障分析方法,应用小波变换技术对电流信号和振动信号进行分解,电流信号根据理论上启动过程中特征频率变化情况确定小波母函数、小波分解层数,分析小波变换结果中频率和幅值;重构小波包分解系数,求取各频带的信号能量;将能量变化突出的若干信号选取为特征向量,通过特征向量就能够确定每一种电动机故障的特征;所述振动信号进行小波包分解,振动信号经小波包分解可得到其在各频带内成分的特征,即各低频和高频系数;将各个小波包分解系数做选择性重构,抽取和故障相关的几个频带进行重构,剔除干扰项,提取各频段范围的信号,并计算各频段的信号能量。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (3)
1.一种基于小波的异步电动机故障分析方法,其特征在于,应用小波变换技术对电流信号和振动信号进行分解,电流信号根据理论上启动过程中特征频率变化情况确定小波母函数、小波分解层数,分析小波变换结果中频率和幅值;重构小波包分解系数,求取各频带的信号能量;将能量变化突出的若干信号选取为特征向量,通过特征向量就能够确定每一种电动机故障的特征。
2.根据权利要求1所述的基于小波的异步电动机故障分析方法,其特征在于,所述振动信号进行小波包分解,振动信号经小波包分解可得到其在各频带内成分的特征,即各低频和高频系数。
3.根据权利要求1所述的基于小波的异步电动机故障分析方法,其特征在于,将各个小波包分解系数做选择性重构,抽取和故障相关的几个频带进行重构,剔除干扰项,提取各频段范围的信号,并计算各频段的信号能量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610700500.5A CN106324502A (zh) | 2016-08-22 | 2016-08-22 | 一种基于小波的异步电动机故障分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610700500.5A CN106324502A (zh) | 2016-08-22 | 2016-08-22 | 一种基于小波的异步电动机故障分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106324502A true CN106324502A (zh) | 2017-01-11 |
Family
ID=57741685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610700500.5A Pending CN106324502A (zh) | 2016-08-22 | 2016-08-22 | 一种基于小波的异步电动机故障分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106324502A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122802A (zh) * | 2017-05-02 | 2017-09-01 | 哈尔滨理工大学 | 一种基于改进小波神经网络的滚动轴承的故障检测方法 |
CN107544025A (zh) * | 2017-08-30 | 2018-01-05 | 马鞍山马钢华阳设备诊断工程有限公司 | 一种综合电信号和振动信号的异步电机转子断条故障判断方法 |
CN107561441A (zh) * | 2017-08-30 | 2018-01-09 | 马鞍山马钢华阳设备诊断工程有限公司 | 一种基于振动信号的异步电机转子断条故障判断方法 |
CN108562853A (zh) * | 2018-03-29 | 2018-09-21 | 上海交通大学 | 基于纠错输出编码支持向量机的电机故障诊断方法和系统 |
CN108931724A (zh) * | 2018-07-30 | 2018-12-04 | 袁小芳 | 一种伺服电机故障诊断方法 |
CN109211555A (zh) * | 2018-10-15 | 2019-01-15 | 安徽旭辰达电子科技有限公司 | 一种云台故障自诊断系统 |
CN109425483A (zh) * | 2017-09-04 | 2019-03-05 | 锐电科技有限公司 | 基于scada和cms的风电机组运行状态评估与预测方法 |
CN109740523A (zh) * | 2018-12-29 | 2019-05-10 | 国网陕西省电力公司电力科学研究院 | 一种基于声学特征和神经网络的电力变压器故障诊断方法 |
CN110780200A (zh) * | 2019-12-03 | 2020-02-11 | 哈尔滨理工大学 | 一种基于定子电流复数分量的感应电机匝间短路故障诊断方法 |
CN113009334A (zh) * | 2021-02-18 | 2021-06-22 | 华中科技大学 | 一种基于小波包能量分析的电机故障检测方法及系统 |
CN113608119A (zh) * | 2021-08-05 | 2021-11-05 | Tcl空调器(中山)有限公司 | 电机运行状态监测方法、装置、设备和存储介质 |
CN113890444A (zh) * | 2020-06-17 | 2022-01-04 | 珠海万谱科技有限公司 | 一种确定特征电流幅值标准值的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1480740A (zh) * | 2003-04-28 | 2004-03-10 | 广东省电力工业局试验研究所 | 电动机早期故障小波诊断系统及其诊断电动机故障的方法 |
CN102840979A (zh) * | 2012-09-04 | 2012-12-26 | 国电联合动力技术有限公司 | 一种风电机组传动链故障检测方法及装置 |
CN204731595U (zh) * | 2015-06-15 | 2015-10-28 | 四川农业大学 | 一种潜水电动机在线故障监控装置 |
CN105651504A (zh) * | 2016-01-15 | 2016-06-08 | 北京工业大学 | 基于自适应小波能量的旋转机械故障特征提取方法 |
-
2016
- 2016-08-22 CN CN201610700500.5A patent/CN106324502A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1480740A (zh) * | 2003-04-28 | 2004-03-10 | 广东省电力工业局试验研究所 | 电动机早期故障小波诊断系统及其诊断电动机故障的方法 |
CN102840979A (zh) * | 2012-09-04 | 2012-12-26 | 国电联合动力技术有限公司 | 一种风电机组传动链故障检测方法及装置 |
CN204731595U (zh) * | 2015-06-15 | 2015-10-28 | 四川农业大学 | 一种潜水电动机在线故障监控装置 |
CN105651504A (zh) * | 2016-01-15 | 2016-06-08 | 北京工业大学 | 基于自适应小波能量的旋转机械故障特征提取方法 |
Non-Patent Citations (2)
Title |
---|
成函: ""基于小波变换的鼠笼式异步电动机故障诊断"", 《工艺与装备》 * |
李清川: ""基于小波包和最小二乘支持向量机的异步电机故障诊断"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107122802A (zh) * | 2017-05-02 | 2017-09-01 | 哈尔滨理工大学 | 一种基于改进小波神经网络的滚动轴承的故障检测方法 |
CN107544025A (zh) * | 2017-08-30 | 2018-01-05 | 马鞍山马钢华阳设备诊断工程有限公司 | 一种综合电信号和振动信号的异步电机转子断条故障判断方法 |
CN107561441A (zh) * | 2017-08-30 | 2018-01-09 | 马鞍山马钢华阳设备诊断工程有限公司 | 一种基于振动信号的异步电机转子断条故障判断方法 |
CN109425483B (zh) * | 2017-09-04 | 2021-05-25 | 锐电科技有限公司 | 基于scada和cms的风电机组运行状态评估与预测方法 |
CN109425483A (zh) * | 2017-09-04 | 2019-03-05 | 锐电科技有限公司 | 基于scada和cms的风电机组运行状态评估与预测方法 |
CN108562853A (zh) * | 2018-03-29 | 2018-09-21 | 上海交通大学 | 基于纠错输出编码支持向量机的电机故障诊断方法和系统 |
CN108931724A (zh) * | 2018-07-30 | 2018-12-04 | 袁小芳 | 一种伺服电机故障诊断方法 |
CN109211555A (zh) * | 2018-10-15 | 2019-01-15 | 安徽旭辰达电子科技有限公司 | 一种云台故障自诊断系统 |
CN109740523A (zh) * | 2018-12-29 | 2019-05-10 | 国网陕西省电力公司电力科学研究院 | 一种基于声学特征和神经网络的电力变压器故障诊断方法 |
CN109740523B (zh) * | 2018-12-29 | 2020-12-29 | 国网陕西省电力公司电力科学研究院 | 一种基于声学特征和神经网络的电力变压器故障诊断方法 |
CN110780200A (zh) * | 2019-12-03 | 2020-02-11 | 哈尔滨理工大学 | 一种基于定子电流复数分量的感应电机匝间短路故障诊断方法 |
CN113890444A (zh) * | 2020-06-17 | 2022-01-04 | 珠海万谱科技有限公司 | 一种确定特征电流幅值标准值的方法及系统 |
CN113890444B (zh) * | 2020-06-17 | 2023-07-21 | 珠海万谱科技有限公司 | 一种确定特征电流幅值标准值的方法及系统 |
CN113009334A (zh) * | 2021-02-18 | 2021-06-22 | 华中科技大学 | 一种基于小波包能量分析的电机故障检测方法及系统 |
CN113009334B (zh) * | 2021-02-18 | 2022-07-01 | 华中科技大学 | 一种基于小波包能量分析的电机故障检测方法及系统 |
CN113608119A (zh) * | 2021-08-05 | 2021-11-05 | Tcl空调器(中山)有限公司 | 电机运行状态监测方法、装置、设备和存储介质 |
CN113608119B (zh) * | 2021-08-05 | 2024-04-02 | Tcl空调器(中山)有限公司 | 电机运行状态监测方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106324502A (zh) | 一种基于小波的异步电动机故障分析方法 | |
Siddiqui et al. | Health monitoring and fault diagnosis in induction motor-a review | |
Mehala et al. | Motor current signature analysis and its applications in induction motor fault diagnosis | |
Garcia-Perez et al. | The application of high-resolution spectral analysis for identifying multiple combined faults in induction motors | |
CN103698699B (zh) | 一种基于模型的异步电动机故障监测诊断方法 | |
Pezzani et al. | Detecting broken rotor bars with zero-setting protection | |
Jigyasu et al. | A review of condition monitoring and fault diagnosis methods for induction motor | |
Kim et al. | Model-based fault diagnosis of induction motors using non-stationary signal segmentation | |
CN103969579A (zh) | 永磁同步电机定子不对称故障诊断方法及系统 | |
Bayram et al. | Redundancy-based predictive fault detection on electric motors by stationary wavelet transform | |
JP2022552683A (ja) | 同期機械における故障検出 | |
Cherif et al. | Stator inter turns fault detection using discrete wavelet transform | |
Niu et al. | Motor fault diagnostics based on current signatures: a review | |
Azgomi et al. | Experimental validation on stator fault detection via fuzzy logic | |
Laadjal et al. | On-line diagnosis and discrimination of stator faults in six-phase induction motors, based on voltage symmetrical components | |
Chouidira et al. | Fuzzy logic based broken bar fault diagnosis and behavior study of induction machine | |
Irhoumah et al. | Diagnosis of induction machines using external magnetic field and correlation coefficient | |
Soualhi et al. | Electrical Systems 2: From Diagnosis to Prognosis | |
Ni et al. | A Real-time Fault Diagnosis Method for Grid-Side Overcurrent in Train Traction System using Signal Time Series Feature Pattern Recognition | |
Halder et al. | Stator inter-turn fault diagnosis in permanent magnet synchronous motor | |
Li et al. | Diagnosis method for hydro-generator rotor fault based on stochastic resonance | |
Babaa et al. | Combined electrical faults detection and diagnosis using current signature analysis | |
Jung et al. | An improved method for reactor coolant pump abnormality monitoring using power line signal analysis | |
Zhang et al. | Diagnosis methods for inter-turn short-circuit fault degree of permanent magnet synchronous motor stator winding | |
Touil et al. | Analytical calculation of inductances under stator inter-turn short circuits fault condition in operating squirrel cage induction motors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Song Qingkun Inventor after: Jiang Kun Inventor before: Yuan Liying Inventor before: Wu Di |
|
CB03 | Change of inventor or designer information | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170111 |
|
WD01 | Invention patent application deemed withdrawn after publication |