CN108983126B - 一种直线电机次级的局部退磁故障识别装置及方法 - Google Patents
一种直线电机次级的局部退磁故障识别装置及方法 Download PDFInfo
- Publication number
- CN108983126B CN108983126B CN201810494262.6A CN201810494262A CN108983126B CN 108983126 B CN108983126 B CN 108983126B CN 201810494262 A CN201810494262 A CN 201810494262A CN 108983126 B CN108983126 B CN 108983126B
- Authority
- CN
- China
- Prior art keywords
- fault
- demagnetization
- linear motor
- peak
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/12—Measuring magnetic properties of articles or specimens of solids or fluids
Landscapes
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Linear Motors (AREA)
- Control Of Linear Motors (AREA)
Abstract
本发明公开了一种直线电机次级的局部退磁故障识别装置及方法,其特征是:通过信号生成装置及示波器采集表征待测直线电机次级局部退磁故障的感应电动势信号,结合直线电机次级的局部退磁故障识别方法,利用计算机对数据进行处理并完成故障识别;本发明能够实现直线电机次级的局部退磁故障识别,准确识别直线电机次级中退磁永磁体的位置及退磁程度情况,对电机局部退磁故障后的容错控制、永磁体的更换等维修措施具有重要的意义。
Description
技术领域
本发明涉及一种电机技术,尤其是一种电机退磁故障检测技术,具体地涉及一种直线电机次级的局部退磁故障识别装置、直线电机次级的局部退磁故障识别方法。
背景技术
直线电机具有结构简单、定位精度高、噪音小等优点,在激光切割机、玻璃基板检测设备等领域得到广泛的应用。在直线电机多变的运行工况下,部分永磁体受外磁场干扰、局部温升过高、化学腐蚀、自然老化等因素的影响而发生不可逆退磁,次级永磁体一个或多个发生退磁时,电机出现局部退磁故障,加剧电机的推力波动,影响电机的运行可靠性。因此,在针对电机局部退磁故障的离线检测中,准确识别退磁永磁体的位置及退磁程度情况,对电机故障后的容错控制、永磁体更换等维修措施至关重要。电机退磁的故障信息通常在永磁体磁链、电流、电压等信号中表现出来。龙伯格观测器能够实现电机永磁体磁链的在线观测,但噪声对观测结果的影响较为明显;对零序电流成分进行时-频分析,能够实现电机退磁故障的检测,但该方法存在计算量大和数据冗余等问题;根据零序电压的变化实现电机退磁故障的诊断,选取的特征信号稳定,计算量小。
目前有关永磁体退磁的专利大多针对旋转电机的监测退磁、预防退磁等方面,而这些专利并不能直接应用到直线电机,同时也不能做到直线电机局部退磁故障的识别。
发明内容
本发明的目的是针对现有的直线电机永磁体退磁故障检测数据多,处理速度慢,准确性低的问题,设计一种直线电机次级的局部退磁故障识别装置,并给出一种直线电机次级的局部退磁故障识别方法。以期能够准确识别直线电机次级中退磁永磁体的位置及退磁程度情况,对电机局部退磁故障后的容错控制、永磁体的更换等维修措施提供参考方案。
本发明的技术方案炎一是:
一种直线电机次级的局部退磁故障识别装置,其特征是它包括:
一信号生成装置1,该信号生成装置1用于生成表征待测直线电机次级6局部退磁故障的感应电动势信号;
一连杆3,该连杆3用于连接信号生成装置1和拖动电机2;
一拖动电机2,该拖动电机2用于驱动连杆3匀速直线运动,从而带动信号生成装置1中的单相线圈1-1匀速直线运动并产生感应电动势信号;
一示波器4,该示波器4用于采集感应电动势信号并加以存储,示波器4的接口与单相线圈1-1相连;
一计算机5,该计算机5用于对示波器4采集的感应电动势信号进行故障特征提取,并利用PSO-LSSVM分类模型,完成故障识别。
所述的信号生成装置1主要由单相线圈1-1、线圈支架1-2、背铁1-3和底座1-4组成,单相线圈1-1固定在线圈支架1-2的内侧,单相线圈1-1用于产生感应电动势信号;线圈支架1-2上设置有与连杆3相连的第一L型连接件1-5;背铁1-3上设置有永磁体1-6,永磁体1-6在背铁上的排列方式与待测直线电机次级6上的排列方式相同,永磁体1-6用于产生稳定磁场,增强感应电动势信号;底座1-4上设置有槽口,用于放置待测的直线电机的次级6,在槽口上方设置紧固旋钮1-7,用于固定待测的直线电机的次级6,背铁1-3上设置有导轨及滑块1-8,线圈支架1-2固定在导轨及滑块1-8的滑块上,且能够实现线圈支架1-2匀速直线运动,背铁1-3的两端分别固定在对徉的底座1-4上;
所述的拖动电机2的初级上表面2-1上设置有连接连杆3的第二L型连接件2-2。
本发明的技术方案炎二是:
一种直线电机次级的局部退磁故障识别的方法,其特征是按如下步骤进行:
步骤1:对所述待测直线电机次级6固定在信号生成装置1后的结构,建立局部退磁故障状态下的解析模型,引出表征所述待测直线电机次级6的故障特征信息的多峰表达式ΔE,如式(1):
其中,Mn、mn均是常量:
式(1)中,Ea’是电机正常状态下的a相感应电动势,Br是永磁体正常状态下的剩余磁化强度,N是线圈匝数,L是电枢有效长度,V是电机的运动速度,d是单个线圈边宽度,w是单个线圈中两个导体区域的间距,s是两个线圈的间距;
式(2)中,τ是永磁体极距,τm是永磁体宽度,hm是永磁体厚度,Br(x)是关于x的分段函数,表示x坐标处的永磁体剩余磁化强度,h为背铁间距离,mn如式(3)所示;
步骤2、根据电机线圈宽度与极距的关系,针对所述待测直线电机次级6设置局部退磁故障类型,解析并得到对应的多峰图形;
步骤3、通过对比分析不同故障类型的多峰图,提取峰个数G、峰起始位置W、峰值比Vi、退磁程度因数Ti等参数,构造故障特征量。其中:
峰个数G:表示多峰的个数。永磁体的退磁位置和数量,决定感应电动势变化的位置区间,因此,退磁类型相同时,多峰的个数是固定不变的;
峰起始位置W:用数字1-n对多峰图中的每个峰依次编号,fnx表示第n个峰的横坐标,fny表示第n个峰的纵坐标,即峰值。本发明中只需要第一个峰的位置信息,且f1x具有周期性关系,因此用数字1-4表示量化后的峰位置信息。
峰值比Vi:表示两个峰值之间的比例关系。同种退磁状态,各个峰之间的比值关系固定,因此选取代表性峰值比作为特征因素。定义如下:
退磁程度因数Ti:表示永磁体退磁对感应电动势的综合影响程度。定义如下:
其中,fs大小等于单对永磁体完全退磁时第一个峰的幅值,为固定值。
步骤4、根据设置故障类型进行故障预设,每种故障采集多组数据,按照退磁种类依次编号,建立局部退磁样本库;
步骤5、引入PSO-LSSVM分类算法,针对设置的故障类型,基于树形结构思想,建立多个子分类模型,实现直线电机次级的局部退磁故障识别。
本发明的有益效果:
1、本发明针对直线电机次级的局部退磁故障的离线检测,设计了一种直线电机次级的局部退磁识别装置,将待测的直线电机次级固定在信号生成装置中,结合本发明一种直线电机次级的局部退磁识别方法,就可以实现直线电机的次级局部退磁故障的识别,方法简洁,操作方便。
2、本发明提出的一种直线电机次级的局部退磁识别方法中,通过对比分析不同故障类型的多峰图,提取峰个数G、峰起始位置W、峰值比Vi、退磁程度因数Ti等参数,构造故障特征量,能够准确识别直线电机次级中退磁永磁体的位置及退磁程度情况。
3、本发明提出的一种直线电机次级的局部退磁识别方法中,引入PSO-LSSVM分类算法,针对设置的故障类型,基于树形结构思想,建立多个子分类模型,提高直线电机次级的局部退磁故障识别的准确率。
附图说明
图1为本发明的一种直线电机次级的局部退磁故障识别装置结构示意图;
图2为本发明的信号生成装置的结构示意图。
图3为本发明实施例的待测直线电机次级固定在信号生成装置后的解析模型示意图。
图4为本发明实施例的信号生成装置中单相线圈与待测直线电机次级相对运动关系示意图。
图5为本发明实施例的待测直线电机次级的15种局部退磁故障解析多峰图。
图6为本发明实施例的基于PSO-LSSVM的局部退磁故障识别模型。
图7为本发明实施例的基于PSO-LSSVM分类模型的第三类故障识别结果。
图中:1信号生成装置,2拖动电机,2-1拖动电机的初级上表面,2-2第二L型连接件,3连杆,4示波器,5计算机,6待测直线电机次级;1-1单相线圈,1-2线圈支架,1-3背铁,1-4电机底座,1-5第一L型连接件,1-6永磁体,1-7紧固旋钮;1-8导轨及滑块。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1-2所示。
一种直线电机次级的局部退磁故障识别装置,它包括:信号生成装置1,拖动电机2、连杆3,示波器4和计算机5,如图1所示,信号生成装置1用于用于生成表征待测直线电机次级6局部退磁故障的感应电动势信号。连杆3用于连接信号生成装置1和拖动电机2;拖动电机2用于驱动连杆3匀速直线运动,从而带动信号生成装置1中的单相线圈1-1匀速直线运动并产生感应电动势信号;拖动电机2可由电机驱动器驱动,拖动电机为永磁同步直线电机,永磁同步直线电机能够在较少传动结构下实现信号生成装置1中的单相线圈1-1的匀速直线运动;拖动电机2的初级上表面2-1上设置有连接连杆3的第二L型连接件2-2。示波器4用于采集待测直线电机次级的感应电动势信号并加以存储,示波器4的接口与单相线圈1-1相连;计算机5用于对采集的感应电动势信号进行故障特征提取,并利用PSO-LSSVM分类模型,完成故障识别。具体而言,信号生成装置1如图2所示,它主要由单相线圈1-1、线圈支架1-2、背铁1-3和底座1-4组成,单相线圈1-1固定在线圈支架1-2的内侧,单相线圈1-1用于产生感应电动势信号;线圈支架1-2上设置有与连杆3相连的第一L型连接件1-5;背铁1-3上设置有永磁体1-6,永磁体1-6在背铁上的排列方式与待测直线电机次级6上的排列方式相同,永磁体1-6用于产生稳定磁场,增强感应电动势信号;底座1-4上设置有槽口,用于放置待测的直线电机的次级6,在槽口上方设置紧固旋钮1-7,用于固定待测的直线电机的次级6,背铁1-3上设置有导轨及滑块1-8,线圈支架1-2固定在导轨及滑块1-8的滑块上,且能够实现线圈支架1-2匀速直线运动,背铁1-3的两端分别固定在对徉的底座1-4上;
实施例二。
如图3-7所示。
一种直线电机次级的局部退磁故障识别的方法,其特征是按如下步骤进行:
步骤1:对所述待测直线电机次级6固定在信号生成装置1后的结构,建立局部退磁故障状态下的解析模型,如图3所示,引出表征所述待测直线电机次级6的故障特征信息的多峰表达式ΔE,如式(1):
其中,Mn、mn均是常量:
式(1)中,Ea’是电机正常状态下的a相感应电动势,Br是永磁体正常状态下的剩余磁化强度,N是线圈匝数,L是电枢有效长度,V是电机的运动速度,d是单个线圈边宽度,w是单个线圈中两个导体区域的间距,s是两个线圈的间距;
式(2)中,τ是永磁体极距,τm是永磁体宽度,hm是永磁体厚度,Br(x)是关于x的分段函数,表示x坐标处的永磁体剩余磁化强度,h为背铁间距离,mn如式(3)所示;
步骤2、根据电机线圈宽度与极距的关系,针对所述待测直线电机次级6中两个周期内的4个永磁体,设置7类15种局部退磁故障类型,解析并得到对应的多峰图形;图4为信号生成装置中单相线圈与待测直线电机次级相对运动关系示意图,图5为直线电机次级的15种局部退磁故障下不同退磁程度对应的解析多峰图,表1为7类15种局部退磁故障类型;
表1退磁故障类型
步骤3、通过对比分析不同故障类型的多峰图,提取峰个数G、峰起始位置W、峰值比Vi、退磁程度因数Ti等参数,构造故障特征量。其中:
峰个数G:表示多峰的个数。永磁体的退磁位置和数量,决定感应电动势变化的位置区间,因此,退磁类型相同时,多峰的个数是固定不变的;
峰起始位置W:用数字1-n对多峰图中的每个峰依次编号,fnx表示第n个峰的横坐标,fny表示第n个峰的纵坐标,即峰值。本发明中只需要第一个峰的位置信息,且f1x满足的关系如表2所示,因此用数字1-4表示量化后的峰位置信息。
表2峰起始位置对应表
峰值比Vi:表示两个峰值之间的比例关系。同种退磁状态,各个峰之间的比值关系固定,因此选取代表性峰值比作为特征因素。
退磁程度因数Ti:表示永磁体退磁对感应电动势的综合影响程度。定义如下:
其中,fs大小等于单对永磁体完全退磁时第一个峰的幅值,为固定值。退磁程度因数Ti与退磁程度间的对应关系如表3所示。
表3 Ti与退磁程度对应表
依次提取峰个数G、峰起始位置W、峰值比Vi、退磁程度因数Ti等特征因素,构造标准特征量,与退磁类型的对应关系如表4所示。
表4特征量与退磁类型对应关系
表注:“\”表示不存在,“--”表示为任意值
步骤4、根据设置的7类15种故障类型进行故障预设,每种故障采集多组数据,按照退磁种类依次编号,建立局部退磁样本库;
以第3类故障为例,其中,第3类故障包含两种退磁形式,每种退磁形式具有4种退磁程度组合,共计为8种故障表现形式。每种故障表现形式分别提取20组特征量,共计160组,依次编号后建立的局部退磁样本库,如表5所示。
表5 PMSLM局部退磁样本库
步骤5、引入PSO-LSSVM分类算法,针对本发明中设置的7种15类故障类型,基于树形结构思想,建立7个子分类模型,实现直线电机次级的局部退磁故障识别。图6为基于PSO-LSSVM的局部退磁故障识别模型,图7为实施例中基于PSO-LSSVM分类模型的第三类故障识别结果。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (3)
1.一种直线电机次级的局部退磁故障识别装置,其特征是它包括:
一信号生成装置(1),该信号生成装置(1)用于生成表征待测直线电机次级(6)局部退磁故障的感应电动势信号;所述的信号生成装置(1)主要由单相线圈(1-1)、线圈支架(1-2)、背铁(1-3)和底座(1-4)组成,单相线圈(1-1)固定在线圈支架(1-2)的内侧,单相线圈(1-1)用于产生感应电动势信号;线圈支架(1-2)上设置有与连杆(3)相连的第一L型连接件(1-5);背铁(1-3)上设置有永磁体(1-6),永磁体(1-6)在背铁上的排列方式与待测直线电机次级(6)上的排列方式相同,永磁体(1-6)用于产生稳定磁场,增强感应电动势信号;底座(1-4)上设置有槽口,用于放置待测的直线电机的次级(6),在槽口上方设置紧固旋钮(1-7),用于固定待测的直线电机的次级(6),背铁(1-3)上设置有导轨及滑块(1-8),线圈支架(1-2)固定在导轨及滑块(1-8)的滑块上,且能够实现线圈支架(1-2)匀速直线运动,背铁(1-3)的两端分别固定在对徉的底座(1-4)上;
一连杆(3),该连杆(3)用于连接信号生成装置(1)和拖动电机(2);
一拖动电机(2),该拖动电机(2)用于驱动连杆(3)匀速直线运动,从而带动信号生成装置(1)中的单相线圈(1-1)匀速直线运动并产生感应电动势信号;
一示波器(4),该示波器(4)用于采集感应电动势信号并加以存储,示波器(4)的接口与单相线圈(1-1)相连;
一计算机(5),该计算机(5)用于对示波器(4)采集的感应电动势信号进行故障特征提取,并利用PSO-LSSVM分类模型,完成故障识别。
2.根据权利要求1所述的直线电机次级的局部退磁故障识别装置,其特征在于所述的拖动电机(2)的初级上表面(2-1)上设置有连接连杆(3)的第二L型连接件(2-2)。
3.一种利用权利要求1所述的直线电机次级的局部退磁故障识别装置实现直线电机次级的局部退磁故障识别的方法,其特征是按如下步骤进行:
步骤1:对所述待测直线电机次级(6)固定在信号生成装置(1)后的结构,建立局部退磁故障状态下的解析模型,引出表征所述待测直线电机次级(6)的故障特征信息的多峰表达式ΔE,如式(1):
其中,Mn、mn均是常量:
式(1)中,Ea’是电机正常状态下的a相感应电动势,Br是永磁体正常状态下的剩余磁化强度,N是线圈匝数,L是电枢有效长度,V是电机的运动速度,d是单个线圈边宽度,w是单个线圈中两个导体区域的间距,s是两个线圈的间距;
式(2)中,τ是永磁体极距,τm是永磁体宽度,hm是永磁体厚度,Br(x)是关于x的分段函数,表示x坐标处的永磁体剩余磁化强度,h为背铁间距离,mn如式(3)所示;
步骤2、根据电机线圈宽度与极距的关系,针对所述待测直线电机次级(6)设置局部退磁故障类型,解析并得到对应的多峰图形;
步骤3、通过对比分析不同故障类型的多峰图,提取峰个数G、峰起始位置W、峰值比Vi、退磁程度因数Ti参数,构造故障特征量;其中:
峰个数G:表示多峰的个数;永磁体的退磁位置和数量,决定感应电动势变化的位置区间,因此,退磁类型相同时,多峰的个数是固定不变的;
峰起始位置W:用数字1-n对多峰图中的每个峰依次编号,fnx表示第n个峰的横坐标,fny表示第n个峰的纵坐标,即峰值;用数字1-4表示量化后的峰位置信息;
峰值比Vi:表示两个峰值之间的比例关系;同种退磁状态,各个峰之间的比值关系固定,因此选取代表性峰值比作为特征因素;定义如下:
退磁程度因数Ti:表示永磁体退磁对感应电动势的综合影响程度;定义如下:
其中,fs大小等于单对永磁体完全退磁时第一个峰的幅值,为固定值;
步骤4、根据设置故障类型进行故障预设,每种故障采集多组数据,按照退磁种类依次编号,建立局部退磁样本库;
步骤5、引入PSO-LSSVM分类算法,针对设置的故障类型,基于树形结构思想,建立多个子分类模型,实现直线电机次级的局部退磁故障识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810494262.6A CN108983126B (zh) | 2018-05-22 | 2018-05-22 | 一种直线电机次级的局部退磁故障识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810494262.6A CN108983126B (zh) | 2018-05-22 | 2018-05-22 | 一种直线电机次级的局部退磁故障识别装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108983126A CN108983126A (zh) | 2018-12-11 |
CN108983126B true CN108983126B (zh) | 2020-09-08 |
Family
ID=64542027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810494262.6A Active CN108983126B (zh) | 2018-05-22 | 2018-05-22 | 一种直线电机次级的局部退磁故障识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108983126B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111413616B (zh) * | 2020-05-26 | 2022-03-08 | 河南理工大学 | 永磁电机退磁故障综合诊断方法 |
CN113212169A (zh) * | 2021-05-28 | 2021-08-06 | 联合汽车电子有限公司 | 磁链的监控方法、装置、设备和存储介质 |
CN113985277A (zh) * | 2021-10-26 | 2022-01-28 | 郑州大学 | 实现永磁电机退磁永磁体定位的探测线圈的布置方法 |
CN114487819B (zh) * | 2022-01-24 | 2023-12-08 | 安徽大学 | 一种双定子永磁直线电机退磁故障诊断系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005192325A (ja) * | 2003-12-25 | 2005-07-14 | Yaskawa Electric Corp | 永久磁石電動機の減磁検出方法 |
CN103684209A (zh) * | 2012-09-06 | 2014-03-26 | 发那科株式会社 | 永磁同步电动机的控制装置及具备该控制装置的控制系统 |
CN107656203A (zh) * | 2017-09-11 | 2018-02-02 | 中国农业大学 | 一种永磁同步发电机的失磁故障检测方法 |
CN107659235A (zh) * | 2017-08-18 | 2018-02-02 | 山东欧瑞安电气有限公司 | 一种永磁同步电机磁性能衰减简易在线监测技术 |
CN107918107A (zh) * | 2017-12-14 | 2018-04-17 | 安徽大学 | 永磁同步直线电机的退磁检测装置及检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10429419B2 (en) * | 2015-03-26 | 2019-10-01 | The University Of Akron | System and method for iterative condition monitoring and fault diagnosis of electric machines |
-
2018
- 2018-05-22 CN CN201810494262.6A patent/CN108983126B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005192325A (ja) * | 2003-12-25 | 2005-07-14 | Yaskawa Electric Corp | 永久磁石電動機の減磁検出方法 |
CN103684209A (zh) * | 2012-09-06 | 2014-03-26 | 发那科株式会社 | 永磁同步电动机的控制装置及具备该控制装置的控制系统 |
CN107659235A (zh) * | 2017-08-18 | 2018-02-02 | 山东欧瑞安电气有限公司 | 一种永磁同步电机磁性能衰减简易在线监测技术 |
CN107656203A (zh) * | 2017-09-11 | 2018-02-02 | 中国农业大学 | 一种永磁同步发电机的失磁故障检测方法 |
CN107918107A (zh) * | 2017-12-14 | 2018-04-17 | 安徽大学 | 永磁同步直线电机的退磁检测装置及检测方法 |
Non-Patent Citations (2)
Title |
---|
Hybrid diagnosis of fault tree and Bayesian network in BIW automatic welding production line;Jinbin Zhang 等;《2016 IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC)》;20170302;C042-25 * |
永磁同步电机故障对电机综合物理场的影响机理研究;孔汉;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20170815(第8期);第297-300页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108983126A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108983126B (zh) | 一种直线电机次级的局部退磁故障识别装置及方法 | |
Ebrahimi et al. | Pattern identification for eccentricity fault diagnosis in permanent magnet synchronous motors using stator current monitoring | |
CN109239599B (zh) | 一种永磁同步电机退磁故障诊断方法 | |
Chen et al. | A novel method for diagnosing demagnetization fault in PMSM using toroidal-yoke-type search coil | |
CN107918107B (zh) | 永磁同步直线电机的退磁检测装置及检测方法 | |
EP2746795B1 (en) | Device and method for measuring the magnetic field in the air-gap of an electric machine | |
Pandarakone et al. | Frequency spectrum investigation and analytical diagnosis method for turn-to-turn short-circuit insulation failure in stator winding of low voltage induction motor | |
Song et al. | Demagnetization fault detection for double-sided permanent magnet linear motor based on three-line magnetic signal signature analysis | |
Parvin et al. | A comprehensive interturn fault severity diagnosis method for permanent magnet synchronous motors based on transformer neural networks | |
Xu et al. | Online detecting magnet defect fault in PMSG with magnetic sensing | |
CN105866238B (zh) | 一种高温超导带材检测系统 | |
Egorov et al. | Linear recoil curve demagnetization models for ferrite magnets in rotating machinery | |
Liu et al. | Non‐invasive load monitoring of induction motor drives using magnetic flux sensors | |
Lee et al. | Experimental study of inter-laminar core fault detection techniques based on low flux core excitation | |
CN106771746B (zh) | 一种电动汽车动态工况电磁骚扰快速评价方法 | |
US20160018467A1 (en) | Method and system for the detection and diagnosis of faults in running electric machines | |
CN103743955B (zh) | 一种电机电感的测量方法 | |
CN104777439A (zh) | 一种直线电机磁通量测试装置 | |
CN113640717B (zh) | 一种电器元件内部条形永磁体截面磁通间接测量方法 | |
CN207541248U (zh) | 永磁同步直线电机的退磁检测装置 | |
Blechinger et al. | Cognitive Power Electronics for Detection of Demagnetization in Electric Drives | |
Coenen et al. | Statistical evaluation of manufacturing tolerances in electrical machines by simulation and measurement | |
Abersfelder et al. | Prediction of electric motor performance by in-line testing of permanent excited rotors | |
Ma et al. | Modeling and flux leakage analysis for long-stator PM linear motor including longitudinal end effects | |
CN102323514B (zh) | 电机绕组磁势的智能检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |