CN112285562A - 基于电磁场与热场多信号融合的异步电机故障检测方法 - Google Patents
基于电磁场与热场多信号融合的异步电机故障检测方法 Download PDFInfo
- Publication number
- CN112285562A CN112285562A CN202011291923.9A CN202011291923A CN112285562A CN 112285562 A CN112285562 A CN 112285562A CN 202011291923 A CN202011291923 A CN 202011291923A CN 112285562 A CN112285562 A CN 112285562A
- Authority
- CN
- China
- Prior art keywords
- fault
- asynchronous motor
- air gap
- motor
- temperature
- 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.)
- Granted
Links
- 230000005672 electromagnetic field Effects 0.000 title claims abstract description 27
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 title claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000011161 development Methods 0.000 claims abstract description 15
- 238000010586 diagram Methods 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims description 17
- 238000009795 derivation Methods 0.000 claims description 14
- 241000555745 Sciuridae Species 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000004907 flux Effects 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 8
- 238000010183 spectrum analysis Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000035699 permeability Effects 0.000 claims description 3
- 238000004804 winding Methods 0.000 claims description 3
- 230000018109 developmental process Effects 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 230000004323 axial length Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
Images
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
Abstract
本发明涉及了一种基于电磁场与热场多信号融合的异步电机故障检测方法,包括:在ANSYS仿真软件中对待检测的异步电机进行建模,获取异步电机模型;模拟不同故障类型与故障程度,对建立的异步电机模型进行调整,得到故障电机的模型;对异步电机模型与故障电机模型进行仿真,得到异步电机正常运行条件下以及各种故障类型与故障程度运行条件下的电流、电磁力与温度数据;对仿真得到的各种运行条件下的电流和电磁力数据进行整理,对异步电机是否发生故障进行判断;对仿真得到的各种运行条件下的温度数据进行整理,得到温度场分布图与温度极值,并据此判断故障的发展程度。本发明可以应用于异步电机故障检测领域。
Description
技术领域
本发明涉及电机电磁及热分析领域,具体涉及一种基于电磁场与热场多信号融合的异步电机故障检测方法。
背景技术
三相异步电机主要用作电动机,拖动各种生产机械,例如风机、泵、压缩机、机床等等,是电力能源主要的消耗者之一,所以对其常见多发故障进行检测以在故障早期做出应对措施是十分必要的,在保证生产效率的同时,也能降低由于设备损坏而带来的损失。
目前异步电机的故障诊断方式有很多种,比较常见的是基于信号分析技术的异步电机故障诊断方法,即通过电机的在线监测装置实时获取电机运行状态的相关参数,如电压、电流、转速及振动信号等,对这些参数信号进行分析,提取由于故障导致的特征分量,通过观察是否存在此特征分量来判断是否出现对应的电机故障。
然而,异步电机是由多个机械系统与电气系统非线性组合而成的复杂系统,且各部件之间相互联系、相互影响,所以利用单一信号对异步电机进行检测,容易受到外部因素的干扰,难以保障故障检测的准确性,且现有故障诊断方式大都采用定子电流信号、振动信号或转速信号进行故障诊断,在确定故障类型后难以判断故障发展程度。
发明内容
针对上述现有异步电机监测系统无法快速准确检测电机故障并判断故障发展程度的问题,本发明的目的是提供一种基于电磁场与热场多信号融合的异步电机故障检测方法,可以快速判断异步电机的鼠笼断条与气隙偏心故障,并能判断故障程度。
为实现上述目的,本发明采取以下技术方案:一种基于电磁场与热场多信号融合的异步电机故障检测方法,其包括以下步骤:
步骤1:在ANSYS仿真软件中对待检测的异步电机进行建模,获取异步电机模型;
步骤2:模拟不同故障类型与故障程度,对步骤1中建立的异步电机模型进行调整,得到故障电机的模型;
步骤3:对步骤1建立的异步电机模型与步骤2建立的故障电机模型进行仿真,得到异步电机在各种运行条件下,即正常运行条件下以及各种故障类型与故障程度运行条件下的电流、电磁力与温度数据;
步骤4:对仿真得到的各种运行条件下的电流和电磁力数据进行整理,对异步电机是否发生故障进行判断;
步骤5:对仿真得到的各种运行条件下的温度数据进行整理,得到温度场分布图与温度极值,并据此判断故障的发展程度。
进一步地,所述步骤2中,对异步电机模型进行调整,以模拟异步电机不同故障类型与故障程度时,调整方法为:
对于鼠笼断条故障,首先对模拟为断条的转子导条赋予新的材料属性,将该转子导条的电导率设置为1.00001,模拟鼠笼断条的情况,其余参数与正常转子导条一致;然后,设置鼠笼转子导条断裂根数从1开始依次增加,得到不同断条根数的故障电机模型;
对于气隙偏心故障,则首先将转子轴心相对于定子轴心向径向移动一段距离,模拟转子在长时间工作后偏离轴心的情况,然后按均匀间隔设置不同长度的转子偏离量,得到不同偏心程度的气隙偏心的故障电机模型。
进一步地,所述步骤4中,对仿真得到的各种运行条件下的电流和电磁力数据进行整理,对异步电机是否发生故障进行判断的方法,包括以下步骤:
步骤4.1:对电机故障工况下定子电流与径向电磁力的特征频率进行理论推导,得到各种运行条件下的定子电流与气隙中单位面积上的径向电磁力表达式;
步骤4.2:对仿真得到的电流和电磁力数据进行频谱分析得到其特征频率;
步骤4.3:将得到的特征频率与理论推导结果进行对比,对异步电机是否发生故障以及故障类型进行判断。
进一步地,所述步骤4.1中,当发生鼠笼断条故障时,其定子电流中将产生频率为(1±2ks)f1的谐波电流分量,其中,k为任意正整数,f1为电源频率,s为转差率;气隙中单位面积上的径向电磁力表达式为:
其中,ω为电网角频率,为断条故障产生的调制量,r为气隙中附加磁场次数,其值取±1,±2,±3……,p为磁极对数,s为转差率,B1为气隙磁场磁密幅值,Br为附加电磁场幅值;μ0为空气磁导率,t为时间,为径向气隙磁密瞬时值,其包括气隙磁密b1与附加磁密br。
进一步地,所述步骤4.1中,当发生气隙偏心故障时,其定子电流中感应出的故障频率表达式:
其中,fs为偏心故障时定子电流特征频率,k为任意整数,Z2为转子槽数,ns为谐波级数,ns=±1,±2,±3...;
气隙中单位面积上的径向电磁力表达式为:
式中,θ为机械角,ω为电网角频率,K2为与转子参数有关的常数,N2为转子绕组匝数,I2为转子电流,Λ0为气隙磁导的常值分量,Λd为偏心引起的磁导分量。
进一步地,所述步骤4.3中,将得到的特征频率与理论推导结果进行对比,对异步电机是否发生故障以及故障类型进行判断的方法为:
对定子电流的电流和电磁力进行频谱分析,并将其与理论推导结果进行对比,
当得到的气隙中单位面积上的径向电磁力频谱中含有|s±1+(1-s)r|f1的故障分量,其中,r为气隙中附加磁场次数,其值取±1,±2,±3……;且定子电流的频谱中含有(1±2ks)f1故障特征量时,可以判定异步电机发生鼠笼断条故障;
当得到的气隙偏心时径向电磁力频谱中含有2sf1,(1-s)f1,(1+s)f1,(2-2s)f1,(3-s)f1,(4-2s)f1的故障分量;且定子电流的频谱中含有故障特征量时,可以判定异步电机发生气隙偏心故障。
进一步地,所述步骤5中,整理仿真得到的温度数据得到温度场分布图与温度极值,判断故障的发展程度时,方法为:
步骤5.1:对正常电机模型与不同故障程度的故障电机模型进行电磁场分析,得到异步电机各类损耗数据,并基于异步电机的各类损耗数据进行电磁场与热场联合仿真,以电机损耗作为热源,按异步电机实际情况设置各表面换热系数及组件材料属性,分析得到电机温度分布与温度极值;
步骤5.2:根据步骤4中确定的异步电机故障类型,比对电机温度监测数据与仿真得到的温度场数据,选取温度值最接近的一项仿真结果,其对应的故障程度作为异步电机实际故障发展程度的估计值。
本发明由于采取以上技术方案,其具有以下优点:本发明提出的异步电机故障检测方法,综合利用多种信号进行诊断,可以获得更丰富更完整的故障信息,不仅可以提高诊断故障类型的准确性,又能依据温度等特定信号估计故障发展程度,使维护检修人员作出最佳的故障应对措施。
附图说明
图1是本发明的多信号融合异步电机故障检测方法流程框图;
图2是本发明的异步电机转子断条工况定子电流频谱;
图3是本发明的异步电机转子断条工况径向电磁力频谱;
图4是本发明的异步电机气隙偏心工况定子电流频谱;
图5是本发明的异步电机气隙偏心工况径向电磁力频谱;
图6是本发明的异步电机转子断条工况定子、转子、导条温度场分布示意图;
图7是本发明的异步电机气隙偏心工况定子、转子、导条温度场分布示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
如图1所示,本发明提供的一种基于电磁场与热场多信号融合的异步电机故障检测方法,包括以下步骤:
步骤1:在ANSYS仿真软件中对待检测的异步电机进行建模,获取异步电机模型;
步骤2:模拟不同故障类型与故障程度,对步骤1中建立的异步电机模型进行调整,得到故障电机模型;
步骤3:对步骤1中建立的异步电机模型(即正常电机模型)与步骤2中的各故障电机模型进行仿真,得到异步电机在正常运行条件下以及各种故障类型与故障程度运行条件下的电流、电磁力与温度数据;
步骤4:对仿真得到的各种运行条件下的电流和电磁力数据进行整理,对异步电机是否发生故障进行判断;
步骤5:对仿真得到的各种运行条件下的温度数据进行整理,得到温度场分布图与温度极值,并据此判断异步电机故障的发展程度。
进一步的,上述步骤2中,对异步电机模型进行调整,以模拟异步电机不同故障类型与故障程度时,调整方法为:
对于鼠笼断条故障,首先对模拟为断条的转子导条赋予新的材料属性,将该导条的电导率设置为1.00001,模拟鼠笼断条的情况,其余参数与正常导条一致;然后,设置鼠笼导条断裂根数从1开始依次增加,得到不同断条根数的故障电机模型。
对于气隙偏心故障,将转子轴心相对于定子轴心向径向移动一段距离,模拟转子在长时间工作后偏离轴心的情况,按均匀间隔设置不同长度的转子偏离量,得到不同偏心程度的气隙偏心的故障电机模型。
进一步的,上述步骤4中,对仿真得到的各种运行条件下的电流和电磁力数据进行整理,对异步电机是否发生故障进行判断的方法,包括以下步骤:
步骤4.1:对电机故障工况下定子电流与径向电磁力的特征频率进行理论推导,得到各种运行条件下的定子电流与气隙中单位面积上的径向电磁力表达式;
步骤4.2:对仿真得到的电流和电磁力数据进行频谱分析得到其特征频率;
步骤4.3:将得到的特征频率与理论推导结果进行对比,对异步电机是否发生故障以及故障类型进行判断。
进一步的,上述步骤4.1中,对电机故障工况下定子电流与径向电磁力的特征频率进行理论推导,得到各种运行条件下的定子电流与气隙中单位面积上的径向电磁力表达式。分别对异步电机发生鼠笼断条故障和气隙偏心故障进行推导,得到:
①对鼠笼断条故障的特征频率进行提取
根据理论分析,对于常见的二极异步电机,其鼠笼断条时定子电流频谱中将产生频率为(1±2ks)f1的谐波电流分量,其中,k为任意正整数,f1为电源频率,s为转差率。
根据推导得到鼠笼断条故障时气隙中单位面积上的径向电磁力表达式为:
其中,ω为电网角频率,为断条故障产生的调制量,r为气隙中附加磁场次数,其值取±1,±2,±3……,p为磁极对数,s为转差率,μ0为空气磁导率,t为时间,为径向气隙磁密瞬时值,其中包括气隙磁密b1与附加磁密br;B1为气隙磁场磁密幅值,Br为附加电磁场幅值。
②对于气隙偏心故障的特征频率进行提取
根据理论分析可知,在出现气隙偏心故障时定子电流中感应出的故障频率表达式:
其中,fs为偏心故障时定子电流特征频率,k为任意整数(通常取1),Z2为转子槽数,ns为谐波级数,ns=±1,±2,±3...。根据推导得到气隙偏心故障时气隙中单位面积上的径向电磁力表达式:
式中,θ为机械角,ω为电网角频率,K2为与转子参数有关的常数,N2为转子绕组匝数,I2为转子电流,Λ0为气隙磁导的常值分量,Λd为偏心引起的磁导分量。
进一步的,上述步骤4.3中,将得到的特征频率与理论推导结果进行对比,对异步电机是否发生故障以及故障类型进行判断的方法为:
对定子电流的电流和电磁力进行频谱分析,并将其与理论推导结果进行对比,
当得到的气隙中单位面积上的径向电磁力频谱中含有|s±1+(1-s)r|f1的故障分量,其中,r为气隙中附加磁场次数,其值取±1,±2,±3……;且定子电流的频谱中含有(1±2ks)f1故障特征量时,可以判定异步电机发生鼠笼断条故障;
当得到的气隙偏心时径向电磁力频谱中含有2sf1,(1-s)f1,(1+s)f1,(2-2s)f1,(3-s)f1,(4-2s)f1的故障分量;且定子电流的频谱中含有故障特征量时,可以判定异步电机发生气隙偏心故障。
进一步的,上述步骤5中,整理仿真得到的温度数据得到温度场分布图与温度极值,判断故障的发展程度时,方法为:
步骤5.1:将正常电机模型与不同故障程度的故障电机模型在ANSYS Maxwell中进行电磁场分析,得到电机各类损耗数据,导入到workbench中进行电磁场与热场联合仿真,以电机损耗作为热源,按电机实际情况设置各表面换热系数及组件材料属性,分析得到电机温度分布与温度极值。
步骤5.2:根据定子电流与径向电磁力信号确定故障类型后,比对电机温度监测数据与仿真得到的温度场数据,选取温度值最接近的一项仿真结果,其对应的故障程度作为实际故障发展程度的估计值。
实施例一
本实施例中,提出了一种基于电磁场与热场多信号融合的异步电机故障检测方法,如图1所示,具体为:
步骤1:在ANSYS仿真软件中对异步电机进行建模,获取异步电机模型;
步骤2:模拟不同故障类型与故障程度,对步骤1中的异步电机模型进行调整,得到故障电机的模型。
步骤3:仿真正常电机模型与故障电机模型得到电流、电磁力与温度数据;
步骤4:对仿真得到的电流与电磁力数据进行频谱分析得到其特征频率,以此特征频率的信号出现作为判断故障发生的依据;
步骤5:对仿真得到的温度数据进行整理,得到温度场分布图与温度极值,据此判断故障的发展程度。
进一步的,上述步骤2中,本实施例中构建的异步电机参数如下表所示:
表1异步电机参数表
电机参数 | 数值 |
极相数 | 2极3相鼠笼式异步电动机 |
定子槽 | 18槽 |
定子外径 | 104.8mm |
定子内径 | 62mm |
铁心轴向长度 | 300mm |
转子槽 | 16槽 |
转子外径 | 61.2mm |
转子内径 | 30mm |
对于鼠笼断条故障,将模拟为断条的转子导条赋予新的材料属性,将电导率设置为1.00001,模拟鼠笼断条的情况,正常导条电导率为23000000,其余参数保持一致。设置鼠笼导条断裂根数从1开始依次增加,得到不同断条根数的故障电机模型。
对于气隙偏心故障,将转子轴心相对于定子轴心向径向移动一段距离,模拟转子在长时间工作后偏离轴心的情况,按均匀间隔设置不同长度的转子偏离量,得到不同偏心程度的气隙偏心的故障电机模型。
进一步的,上述步骤4中,根据实例仿真分析得到正常电机与故障电机定子电流与径向电磁力数据,进行FFT频谱分析,其中鼠笼断条故障发生时,根据理论推导的表达式,定子电流特征频率(1±2ks)f1,径向电磁力特征频率|s±1+(1-s)r|f1,电机转速为2792.45r/min,得到转差率s=0.069,于是有:
(1±2ks)f1=36.2Gz,43.1Hz,56.9Hz,63.8Hz...
|s±1+(1-s)r|f1=86.2Hz,93.1Hz,132.7Hz,139.65Hz...
如图2和图3所示,仿真结果与理论分析完全吻合,所以对于此实例的异步电机,完全可以采用上述特征频率的定子电流与径向电磁力谐波分量作为鼠笼断条故障的诊断依据。
(1-s)f1,(1+s)f1,(2-2s)f1,(3-s)f1=46.54Hz,53.45Hz,93.1Hz,146.54Hz
如图4、图5a和图5b所示,为气隙偏心仿真分析结果,可知,仿真结果与理论分析完全吻合,所以对于此实例的异步电机,完全可以采用上述特征频率的定子电流与径向电磁力谐波分量作为鼠笼断条及气隙偏心故障的诊断依据。
进一步的,上述步骤5中,将正常电机模型与不同故障程度的电机模型在ANSYSMaxwell中进行电磁场分析,得到电机各类损耗数据,导入到workbench中进行电磁场与热场联合仿真,以电机损耗作为热源,按电机实际情况设置各表面换热系数及组件材料属性,分析得到电机温度分布与温度极值,温度场分布结果如图6a~图6c、图7a~图7c所示。在根据定子电流与径向电磁力信号确定故障类型后,比对电机温度监测数据与仿真得到的温度场数据,选取温度值最接近的一项仿真结果,其对应的故障程度作为实际故障发展程度的估计值。根据实例电机电磁与热场联合仿真得到电机不同故障程度下,定子、转子、导条及转轴的温度场分布,并获取其最高与最低温度,以鼠笼断条1根与2根的故障工况为例,温度值分布如下表所示:
表2温度分布
电机部件 | 断条1根时温度(℃) | 断条2根时温度(℃) |
定子 | Max:113.27 Min:92.95 | Max:122.83 Min:99.43 |
转子 | Max:104.25 Min:96.18 | Max:112.59 Min:102.37 |
导条 | Max:104.20 Min:97.24 | Max:112.50 Min:103.74 |
转轴 | Max:101.47 Min:98.34 | Max:109.48 Min:104.46 |
根据表中数据估计电机故障程度。
上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (7)
1.一种基于电磁场与热场多信号融合的异步电机故障检测方法,其特征在于,包括以下步骤:
步骤1:在ANSYS仿真软件中对待检测的异步电机进行建模,获取异步电机模型;
步骤2:模拟不同故障类型与故障程度,对步骤1中建立的异步电机模型进行调整,得到故障电机的模型;
步骤3:对步骤1建立的异步电机模型与步骤2建立的故障电机模型进行仿真,得到异步电机在各种运行条件下,即正常运行条件下以及各种故障类型与故障程度运行条件下的电流、电磁力与温度数据;
步骤4:对仿真得到的各种运行条件下的电流和电磁力数据进行整理,对异步电机是否发生故障进行判断;
步骤5:对仿真得到的各种运行条件下的温度数据进行整理,得到温度场分布图与温度极值,并据此判断故障的发展程度。
2.根据权利要求1所述的一种基于电磁场与热场多信号融合的异步电机故障检测方法,其特征在于,所述步骤2中,对异步电机模型进行调整,以模拟异步电机不同故障类型与故障程度时,调整方法为:
对于鼠笼断条故障,首先对模拟为断条的转子导条赋予新的材料属性,将该转子导条的电导率设置为1.00001,模拟鼠笼断条的情况,其余参数与正常转子导条一致;然后,设置鼠笼转子导条断裂根数从1开始依次增加,得到不同断条根数的故障电机模型;
对于气隙偏心故障,则首先将转子轴心相对于定子轴心向径向移动一段距离,模拟转子在长时间工作后偏离轴心的情况,然后按均匀间隔设置不同长度的转子偏离量,得到不同偏心程度的气隙偏心的故障电机模型。
3.根据权利要求1所述的一种基于电磁场与热场多信号融合的异步电机故障检测方法,其特征在于,所述步骤4中,对仿真得到的各种运行条件下的电流和电磁力数据进行整理,对异步电机是否发生故障进行判断的方法,包括以下步骤:
步骤4.1:对电机故障工况下定子电流与径向电磁力的特征频率进行理论推导,得到各种运行条件下的定子电流与气隙中单位面积上的径向电磁力表达式;
步骤4.2:对仿真得到的电流和电磁力数据进行频谱分析得到其特征频率;
步骤4.3:将得到的特征频率与理论推导结果进行对比,对异步电机是否发生故障以及故障类型进行判断。
6.根据权利要求3所述的一种基于电磁场与热场多信号融合的异步电机故障检测方法,其特征在于,所述步骤4.3中,将得到的特征频率与理论推导结果进行对比,对异步电机是否发生故障以及故障类型进行判断的方法为:
对定子电流的电流和电磁力进行频谱分析,并将其与理论推导结果进行对比,
当得到的气隙中单位面积上的径向电磁力频谱中含有|s±1+(1-s)r|f1的故障分量,其中,r为气隙中附加磁场次数,其值取±1,±2,±3……;且定子电流的频谱中含有(1±2ks)f1故障特征量时,判定异步电机发生鼠笼断条故障;
7.根据权利要求1所述的一种基于电磁场与热场多信号融合的异步电机故障检测方法,其特征在于,所述步骤5中,整理仿真得到的温度数据得到温度场分布图与温度极值,判断故障的发展程度时,方法为:
步骤5.1:对正常电机模型与不同故障程度的故障电机模型进行电磁场分析,得到异步电机各类损耗数据,并基于异步电机的各类损耗数据进行电磁场与热场联合仿真,以电机损耗作为热源,按异步电机实际情况设置各表面换热系数及组件材料属性,分析得到电机温度分布与温度极值;
步骤5.2:根据步骤4中确定的异步电机故障类型,比对电机温度监测数据与仿真得到的温度场数据,选取温度值最接近的一项仿真结果,其对应的故障程度作为异步电机实际故障发展程度的估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011291923.9A CN112285562B (zh) | 2020-11-18 | 2020-11-18 | 基于电磁场与热场多信号融合的异步电机故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011291923.9A CN112285562B (zh) | 2020-11-18 | 2020-11-18 | 基于电磁场与热场多信号融合的异步电机故障检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112285562A true CN112285562A (zh) | 2021-01-29 |
CN112285562B CN112285562B (zh) | 2024-01-16 |
Family
ID=74398398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011291923.9A Active CN112285562B (zh) | 2020-11-18 | 2020-11-18 | 基于电磁场与热场多信号融合的异步电机故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112285562B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030723A (zh) * | 2021-03-15 | 2021-06-25 | 上海大学 | 一种交流异步电机状态监测系统 |
CN115358280A (zh) * | 2022-10-19 | 2022-11-18 | 深圳市信润富联数字科技有限公司 | 轴承信号故障诊断方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1089007A (en) * | 1977-11-14 | 1980-11-04 | John D. D'atre | Stabilizing scheme for an a-c electric motor drive- system |
DE19532163A1 (de) * | 1995-08-31 | 1997-03-06 | Clouth Gummiwerke Ag | System zur aktiven Verringerung von Drehungleichförmigkeiten einer Welle, insbesondere der Triebwelle eines Verbrennungsmotors, und Verfahren hierzu |
CN201774418U (zh) * | 2010-07-01 | 2011-03-23 | 中国神华能源股份有限公司 | 鼠笼式异步电机 |
US20130338939A1 (en) * | 2012-06-15 | 2013-12-19 | Uvic Industry Partnerships Inc. | Fault diagnosis of electric machines |
KR101432786B1 (ko) * | 2013-11-14 | 2014-09-23 | 엠앤디테크놀로지 주식회사 | 모터의 고장진단방법 및 그 시스템 |
CN104660141A (zh) * | 2015-03-11 | 2015-05-27 | 河南科技大学 | 无轴承异步电机的定子磁链定向逆解耦控制系统 |
US20160344314A1 (en) * | 2015-05-20 | 2016-11-24 | Denso Corporation | Control device for rotating electric machine |
CN108539935A (zh) * | 2018-05-14 | 2018-09-14 | 上海电力学院 | 电动汽车永磁同步电机宽范围调速振动噪声源分析方法 |
CN109039215A (zh) * | 2018-09-05 | 2018-12-18 | 上海电力学院 | 逆变器谐波对车用永磁同步电机振动噪声影响分析方法 |
CN109508480A (zh) * | 2018-10-23 | 2019-03-22 | 华中科技大学 | 一种构造低频谐波电流计算电机高频电磁力的半解析方法 |
-
2020
- 2020-11-18 CN CN202011291923.9A patent/CN112285562B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1089007A (en) * | 1977-11-14 | 1980-11-04 | John D. D'atre | Stabilizing scheme for an a-c electric motor drive- system |
DE19532163A1 (de) * | 1995-08-31 | 1997-03-06 | Clouth Gummiwerke Ag | System zur aktiven Verringerung von Drehungleichförmigkeiten einer Welle, insbesondere der Triebwelle eines Verbrennungsmotors, und Verfahren hierzu |
CN201774418U (zh) * | 2010-07-01 | 2011-03-23 | 中国神华能源股份有限公司 | 鼠笼式异步电机 |
US20130338939A1 (en) * | 2012-06-15 | 2013-12-19 | Uvic Industry Partnerships Inc. | Fault diagnosis of electric machines |
KR101432786B1 (ko) * | 2013-11-14 | 2014-09-23 | 엠앤디테크놀로지 주식회사 | 모터의 고장진단방법 및 그 시스템 |
CN104660141A (zh) * | 2015-03-11 | 2015-05-27 | 河南科技大学 | 无轴承异步电机的定子磁链定向逆解耦控制系统 |
US20160344314A1 (en) * | 2015-05-20 | 2016-11-24 | Denso Corporation | Control device for rotating electric machine |
CN108539935A (zh) * | 2018-05-14 | 2018-09-14 | 上海电力学院 | 电动汽车永磁同步电机宽范围调速振动噪声源分析方法 |
CN109039215A (zh) * | 2018-09-05 | 2018-12-18 | 上海电力学院 | 逆变器谐波对车用永磁同步电机振动噪声影响分析方法 |
CN109508480A (zh) * | 2018-10-23 | 2019-03-22 | 华中科技大学 | 一种构造低频谐波电流计算电机高频电磁力的半解析方法 |
Non-Patent Citations (13)
Title |
---|
G HENNEBERGER等: "CALCULATION AND IDENTIFICATION OF A THERMAL EQUIVALENT CIRCUIT OF A WATER COOLED INDUCTION MOTOR FOR ELECTRIC VEHICLE APPLICATIONS", ELECTRICAL MACHINES AND DRIVES, no. 412, pages 6 - 10, XP006529547, DOI: 10.1049/cp:19950825 * |
K. PREIS等: "Application of FEM to Coupled Electric, Thermal and Mechanical Problems", IEEE TRANSACTIONS ON MAGNETICS, vol. 30, no. 5, pages 3316 - 3319, XP000467058, DOI: 10.1109/20.312647 * |
何海波等: "基于多回路理论的异步电机径向电磁力计算", 中国舰船研究, vol. 12, no. 6, pages 127 - 133 * |
唐烈峥等: "变频供电异步电机端部绕组磁场分析", 微电机, vol. 52, no. 12, pages 13 - 18 * |
宁建荣等: "三相异步电动机转子偏心时径向电磁力特性分析", 微电机, vol. 49, no. 2, pages 10 - 14 * |
宁玉泉: "鼠笼感应电机转子断条和端环开裂的故障诊断和参数计算", 中国电机工程学报, vol. 22, no. 10, pages 5 - 10 * |
林志芳: "基于旋转滤波-矩阵束的异步电机转子断条故障诊断", 电机与控制应用, vol. 46, no. 4, pages 110 - 114 * |
王敏刚: "6 kV 鼠笼异步电机故障分析及改进措施", 维护与修理, no. 6, pages 45 - 46 * |
谢颖等: "基于多场量的笼型感应电机三维瞬态磁热固耦合计算分析", 中国电机工程学报, vol. 36, no. 11, pages 3076 - 3084 * |
谢颖等: "异步电动机转子断条故障运行时定转子温度场数值计算与分析", 电工技术学报, vol. 23, no. 10, pages 33 - 39 * |
郭金鹏: "感应电机转子端环断裂时的电磁性能及振动特性研究", 中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑, pages 4 - 40 * |
陆翔等: "异步电机静偏心状态电磁激励力的建模分析与实验研究", 噪声与振动控制, vol. 39, no. 4, pages 20 - 25 * |
陈华毅等: "异步电机三维电磁场及温度场耦合仿真分析", 电机与控制应用, vol. 42, no. 1, pages 42 - 47 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030723A (zh) * | 2021-03-15 | 2021-06-25 | 上海大学 | 一种交流异步电机状态监测系统 |
CN115358280A (zh) * | 2022-10-19 | 2022-11-18 | 深圳市信润富联数字科技有限公司 | 轴承信号故障诊断方法、装置、设备及存储介质 |
CN115358280B (zh) * | 2022-10-19 | 2023-03-24 | 深圳市信润富联数字科技有限公司 | 轴承信号故障诊断方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112285562B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Identification of false rotor fault indications produced by online MCSA for medium-voltage induction machines | |
Haji et al. | Pattern recognition-a technique for induction machines rotor broken bar detection | |
Garcia-Perez et al. | The application of high-resolution spectral analysis for identifying multiple combined faults in induction motors | |
De Almeida et al. | Comparative analysis of IEEE 112-B and IEC 34-2 efficiency testing standards using stray load losses in low-voltage three-phase, cage induction motors | |
Gyftakis et al. | A novel approach for broken bar fault diagnosis in induction motors through torque monitoring | |
Nandi et al. | Condition monitoring and fault diagnosis of electrical motors—A review | |
Nandi et al. | Fault diagnosis of electrical machines-a review | |
Povinelli et al. | Diagnostics of bar and end-ring connector breakage faults in polyphase induction motors through a novel dual track of time-series data mining and time-stepping coupled FE-state space modeling | |
Haji et al. | Pattern recognition-a technique for induction machines rotor fault detection" eccentricity and broken bar fault" | |
CN104655977B (zh) | 基于转矩比较原理的发电机励磁绕组短路故障诊断方法 | |
CN112285562A (zh) | 基于电磁场与热场多信号融合的异步电机故障检测方法 | |
CN112541160B (zh) | 一种旋转机械振动故障诊断相关特征提取方法 | |
KR20180049722A (ko) | 공작기계용 전동기의 온라인 결함 진단 방법 | |
Liang | Temperature estimation and vibration monitoring for induction motors and the potential application in electrical submersible motors | |
Dash et al. | Condition monitoring of induction motors:—A review | |
Ramprasath et al. | Modelling and analysis of induction motor using LabVIEW | |
CN110554316B (zh) | 一种电机故障诊断方法 | |
Ranga et al. | Advanced tool based condition monitoring of induction machines by using LabVIEW—A review | |
Sonje et al. | Rotor cage fault detection in induction motors by motor current signature analysis | |
Choqueuse et al. | A parametric spectral estimator for faults detection in induction machines | |
Rodriguez et al. | Analysis of air gap flux to detect induction motor faults | |
Patel et al. | Induction motor rotor fault detection using artificial neural network | |
Nemec et al. | Simplified model of induction machine with broken rotor bars | |
Prasad et al. | Finite element analysis for fault diagnosis in broken rotor bar of a polyphase induction motor | |
Polat et al. | Analysis of static eccentricity in squirrel cage induction motors |
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 |