CN112526339A - 基于多项式-相位变换的鼠笼电机转子断条故障诊断方法 - Google Patents

基于多项式-相位变换的鼠笼电机转子断条故障诊断方法 Download PDF

Info

Publication number
CN112526339A
CN112526339A CN202011332343.XA CN202011332343A CN112526339A CN 112526339 A CN112526339 A CN 112526339A CN 202011332343 A CN202011332343 A CN 202011332343A CN 112526339 A CN112526339 A CN 112526339A
Authority
CN
China
Prior art keywords
frequency
signal
polynomial
fault
phase
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
Application number
CN202011332343.XA
Other languages
English (en)
Other versions
CN112526339B (zh
Inventor
祝洪宇
贾朱植
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Liaoning USTL
Original Assignee
University of Science and Technology Liaoning USTL
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Liaoning USTL filed Critical University of Science and Technology Liaoning USTL
Priority to CN202011332343.XA priority Critical patent/CN112526339B/zh
Publication of CN112526339A publication Critical patent/CN112526339A/zh
Application granted granted Critical
Publication of CN112526339B publication Critical patent/CN112526339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01R31/346—Testing of armature or field windings
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)

Abstract

本发明提供一种基于多项式‑相位变换的鼠笼电机转子断条故障诊断方法，获取电机起动状态下的三相定子电流信号的数据及与其相应的转速的数据，对步骤获得的数据通过小波变换或低通滤波进行预处理，提取出含有故障特征的谐波成分；对得到的含有故障特征的谐波成分，求取其二阶瞬态矩，进行多项式‑相位变换；所得到的多项式‑相位变换结果，求其峰值所在频率f；计算故障特征谐波成分的频率变化率
Figure DDA0002796181770000011
频率变化率
Figure DDA0002796181770000012
与理论值b0相比较，如果误差小于阈值，则电机存在转子断条故障；如果误差大于阈值，则电机为健康状态。本发明对电机起动阶段的定子电流信号进行分析及故障特征提取，能够实现鼠笼电机故障的实时、有效检测。

Description

基于多项式-相位变换的鼠笼电机转子断条故障诊断方法
技术领域
本发明涉及电机技术领域，特别涉及一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法。
背景技术
鼠笼电机广泛用于风机、泵类等机械设备的动力驱动，是冶金、矿山、机械制造等行业最重要的动力源，开展以电机状态监测和故障诊断为内容的预测性维护对于提高电力驱动系统运行质量、保证生产连续性具有重要意义。受制造缺陷、自然老化、运行状态剧烈变化等内外部因素影响，转子断条故障是鼠笼电机常见故障形式之一。与匝间短路、绝缘接地等定子故障相比，转子断条故障具有潜伏性、渐进性、衍生性的特点：早期转子断条故障没有明显的征兆，也不会导致生产立即中断，但断条故障一旦发生，将迫使邻近导条的工作电流增大，继而导致“雪崩”似的导条断裂，直至电机完全瘫痪。在故障演变过程中，由于转子结构损伤带来的各种应力变化还会诱发定转子偏心、轴承磨损等故障，导致电机运行效率下降和电能的隐形流失。因此，鼠笼电机早期转子断条故障诊断一直受到人们的广泛关注。
目前，基于振动信号分析和定子电流信号分析(MCSA)的方法是鼠笼电机转子断条故障诊断领域应用最广泛的两种方法。采用基于振动信号分析的方法，需要在电机内部加装振动传感器，不仅增加成本，而且破坏了电机的结构，带来了新的隐患。
由于信号获取方便、易于构成非侵入式在线监测系统等优势，以定子电流信号频谱分析为基础的电机定子电流信号特征分析被公认为诊断早期转子断条故障最有前途的方法。采用该方法时，根据电机系统稳定运行状态下的定子电流信号中是否存在故障特征频率成分可对故障发生与否做出快速判断。但是，经典的定子电流型号分析方法以傅里叶变换(FFT)为数学工具，是稳态分析方法，对电机空载运行状态下的转子断条故障诊断无能为力；在复杂的工业环境下，会造成诊断频谱模糊不清；并且无法正确分辨故障特征及负载转矩波动，由此造成误诊断。
发明内容
为了解决背景技术提出的技术问题，本发明提供一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，对电机起动阶段的定子电流信号进行分析及故障特征提取，能够实现鼠笼电机故障的实时、有效检测。
为了达到上述目的，本发明采用以下技术方案实现：
一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，包括如下步骤：
A)获取电机起动状态下的三相定子电流信号的数据及与其相应的转速的数据，该步骤包括原始信号的采集、抗混叠低通滤波及A/D采样；
B)对由步骤A)获得的数据通过小波变换或低通滤波进行预处理，提取出含有故障特征的谐波成分；
C)对由步骤B)得到的含有故障特征的谐波成分，求取其二阶瞬态矩；对所得到的频率恒定信号的二阶瞬态矩，进行多项式-相位变换；
D)通过步骤C)所得到的多项式-相位变换结果，求其峰值所在频率f；
E)通过步骤D)得到的峰值频率f计算故障特征谐波成分的频率变化率
Figure BDA0002796181750000022
F)通过步骤E)得到的频率变化率
Figure BDA0002796181750000023
与理论值b0相比较，如果误差小于阈值，则电机存在转子断条故障；如果误差大于阈值，则电机为健康状态。
所述的步骤A具体包括如下：
采用电流互感器获取电机起动状态下的三相定子电流信号的数据iaf(t)、ibf(t)、icf(t)及与其相应的转速的数据n，以采样频率fs对原始定子电流信号进行采集；
理想的三相电源的三相电流ia(t)、ib(t)、ic(t)表示为：
Figure BDA0002796181750000021
其中，Im为电流的基波分量最大值，ω＝2πf为基波角速度，f为电源频率；
故障电机的三相定子电流表示为：
Figure BDA0002796181750000031
其中，Il、Ir分别为转子断条故障引起的左、右边频带谐波分量最大值，
Figure BDA0002796181750000032
分别为对应的初始相位角，s为滑差，转子断条故障特征频率为fb＝(1±2s)f。
所述的步骤B具体包括如下：
对由步骤A)获得的数据进行预处理，通过Park矢量变换构造三相定子电流信号的Park矢量
Figure BDA0002796181750000033
再求该Park矢量
Figure BDA0002796181750000034
的模平方信号
Figure BDA0002796181750000035
三相定子电流信号的Park矢量
Figure BDA0002796181750000036
根据以下公式计算：
Figure BDA0002796181750000037
三相定子电流Park矢量
Figure BDA0002796181750000038
的模平方信号
Figure BDA0002796181750000039
根据以下公式计算：
Figure BDA00027961817500000310
经Park矢量模平方变换，故障特征频率转化为2sf，其中，f为工频50Hz，在起动阶段滑差s的变化范围为(1→0)，因此故障特征频率的变化范围在(100→0)Hz；
故障特征频率的变化率理论值为b0＝100/t，t为电机起动阶段时间长度；
对得到的Park矢量模平方信号进行小波滤波或低通滤波等预处理，得到含有故障特征频率的谐波信号AFC。
所述的步骤C具体包括如下：
步骤B)所得到的含有故障特征的谐波信号AFC，为一个二阶多项式-相位信号，求取其二阶瞬态矩，进行多项式-相位变换；
根据以下公式进行计算：
多项式相位信号x(t)为
Figure BDA0002796181750000041
x(t)的M阶瞬态矩为：
Figure BDA0002796181750000042
其中，τ为滞后时间，(.)*复共轭，且
Figure BDA0002796181750000043
Figure BDA0002796181750000044
M阶多项式相位变换(M order Polynomial-Phase Transform,PPTM)被定义为信号x(t)的M阶高阶瞬态矩，在区间[0,T]上的傅里叶变换(FT)，如公式(10)所示；
Figure BDA0002796181750000045
信号x(t)的PPTM是一个具有两个变量(频率f和滞后τ)的函数；
二阶(M＝2)多项式-相位信号即为线性调频(Linearly Frequency Modulated,LFM)信号，这时
Figure BDA0002796181750000046
为M＝2的多项式，如公式(11)所示：
x2(t)＝Aexp(j2π(bt2/2+at)) (11)
其中，b是LFM信号x2(t)的频率变化率，单位Hz/s，a是初始频率；由公式(6)可得信号x2(t)的二阶(M＝2)瞬态矩为：
Figure BDA0002796181750000047
其二阶多项式相位变换PPT2[x2(t),f,τ]为函数(13)在区间[0,T]上的FT：
Figure BDA0002796181750000051
这里，τ＝0.5N，N为采样点数。
所述的步骤E具体包括如下：
通过步骤D)得到的峰值频率f计算故障特征谐波成分的频率变化率；
根据以下公式进行计算：
根据公式(12)，信号x2(t)的二阶(M＝2)瞬态矩，可以得到频率为f＝bτ的恒频信号；
Figure BDA0002796181750000052
通过计算P2[x(t),τ]的FT，频谱会在频率f＝bτ处出现一个峰值，所以对b的估计为f/τ，如公式(19)所示：
Figure BDA0002796181750000053
得到的频率变化率
Figure BDA0002796181750000054
所述的步骤F具体包括如下：
通过步骤E)得到的频率变化率
Figure BDA0002796181750000055
与理论值b0＝100/t相比较，如公式(20)所示：
Figure BDA0002796181750000056
确定阈值△b，即如果误差小于阈值，则电机存在转子断条故障；如果误差大于阈值，则电机为健康状态。
与现有技术相比，本发明的有益效果是：
本发明提供一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，对电机起动阶段的定子电流信号进行分析及故障特征提取，能够实现鼠笼电机故障的实时、有效检测。
电机稳态运行条件下的转子断条故障诊断方法提取的是电机稳态定子电流信号，不可避免会面临信号截短带来的频谱泄露问题，而当电机处于轻载甚至空载稳态运行时，频谱泄露会掩盖故障特征频率，造成误诊断；另外，负载的波动也会影响稳态运行条件下的故障诊断结果。本方法是一种电机在暂态运行状态下的故障诊断方法，提取的是电机起动暂态的定子电流信号，实现了电机全运行状态下的故障诊断。其次，本发明通过计算二阶瞬态矩的频谱求取信号的频率变化率，再求取频率变化率的相对误差与阈值相比较来判断电机是否存在转子断条故障。与依靠图像演变规律来诊断故障的方法相比，该方法计算简单、直观，更便于在线自动诊断的实现。另外，电机起动阶段的转矩大于负载转矩，因此可以有效克服负载转矩的波动对故障诊断造成的影响。
附图说明
图1是本发明一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法的流程图。
具体实施方式
以下结合附图对本发明提供的具体实施方式进行详细说明。
如图1所示，一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，包括如下步骤：
A)获取电机起动状态下的三相定子电流信号的数据及与其相应的转速的数据，该步骤包括原始信号的采集、抗混叠低通滤波及A/D采样；
B)对由步骤A)获得的数据通过小波变换或低通滤波进行预处理，提取出含有故障特征的谐波成分；
C)对由步骤B)得到的含有故障特征的谐波成分，求取其二阶瞬态矩；对所得到的频率恒定信号的二阶瞬态矩，进行多项式-相位变换；
D)通过步骤C)所得到的多项式-相位变换结果，求其峰值所在频率f；
E)通过步骤D)得到的峰值频率f计算故障特征谐波成分的频率变化率
Figure BDA0002796181750000061
F)通过步骤E)得到的频率变化率
Figure BDA0002796181750000062
与理论值相比较，如果误差小于阈值，则电机存在转子断条故障；如果误差大于阈值，则电机为健康状态。
所述的步骤A具体包括如下：
采用电流互感器获取电机起动状态下的三相定子电流信号的数据iaf(t)、ibf(t)、icf(t)及与其相应的转速的数据n，以采样频率fs对原始定子电流信号进行采集；
理想的三相电源的三相电流ia(t)、ib(t)、ic(t)表示为：
Figure BDA0002796181750000071
其中，Im为电流的基波分量最大值，ω＝2πf为基波角速度，f为电源频率；
故障电机的三相定子电流表示为：
Figure BDA0002796181750000072
其中，Il、Ir分别为转子断条故障引起的左、右边频带谐波分量最大值，
Figure BDA00027961817500000710
分别为对应的初始相位角，s为滑差，转子断条故障特征频率为fb＝(1±2s)f。
所述的步骤B具体包括如下：
对由步骤A)获得的数据进行预处理，通过Park矢量变换构造三相定子电流信号的Park矢量
Figure BDA0002796181750000073
再求该Park矢量
Figure BDA0002796181750000074
的模平方信号
Figure BDA0002796181750000075
三相定子电流信号的Park矢量
Figure BDA0002796181750000076
根据以下公式计算：
Figure BDA0002796181750000077
三相定子电流Park矢量
Figure BDA0002796181750000078
的模平方信号
Figure BDA0002796181750000079
根据以下公式计算：
Figure BDA0002796181750000081
经Park矢量模平方变换，故障特征频率转化为2sf，其中，f为工频50Hz，在起动阶段滑差s的变化范围为(1→0)，因此故障特征频率的变化范围在(100→0)Hz；
故障特征频率的变化率理论值为b0＝100/t，t为电机起动阶段时间长度；
对得到的Park矢量模平方信号进行小波滤波或低通滤波等预处理，得到含有故障特征频率的谐波信号AFC。
所述的步骤C具体包括如下：
步骤B)所得到的含有故障特征的谐波信号AFC，为一个二阶多项式-相位信号，求取其二阶瞬态矩，进行多项式-相位变换；
根据以下公式进行计算：
多项式相位信号x(t)为
Figure BDA0002796181750000082
x(t)的M阶瞬态矩为：
Figure BDA0002796181750000083
其中，τ为滞后时间，(.)*复共轭，且
Figure BDA0002796181750000084
Figure BDA0002796181750000085
M阶多项式相位变换(M order Polynomial-Phase Transform,PPTM)被定义为信号x(t)的M阶高阶瞬态矩，在区间[0,T]上的傅里叶变换(FT)，如公式(10)所示；
Figure BDA0002796181750000091
信号x(t)的PPTM是一个具有两个变量(频率f和滞后τ)的函数；
二阶(M＝2)多项式-相位信号即为线性调频(Linearly Frequency Modulated,LFM)信号，这时
Figure BDA0002796181750000092
为M＝2的多项式，如公式(11)所示：
x2(t)＝Aexp(j2π(bt2/2+at)) (11)
其中，b是LFM信号x2(t)的频率变化率，单位Hz/s，a是初始频率；由公式(6)可得信号x2(t)的二阶(M＝2)瞬态矩为：
Figure BDA0002796181750000093
其二阶多项式相位变换PPT2[x2(t),f,τ]为函数(13)在区间[0,T]上的FT：
Figure BDA0002796181750000094
这里，τ＝0.5N，N为采样点数。
所述的步骤E具体包括如下：
通过步骤D)得到的峰值频率f计算故障特征谐波成分的频率变化率；
根据以下公式进行计算：
根据公式(12)，信号x2(t)的二阶(M＝2)瞬态矩，可以得到频率为f＝bτ的恒频信号；
Figure BDA0002796181750000095
通过计算P2[x(t),τ]的FT，频谱会在频率f＝bτ处出现一个峰值，所以对b的估计为f/τ，如公式(19)所示：
Figure BDA0002796181750000096
得到的频率变化率
Figure BDA0002796181750000097
所述的步骤F具体包括如下：
通过步骤E)得到的频率变化率
Figure BDA0002796181750000101
与理论值b0＝100/t相比较，如公式(20)所示：
Figure BDA0002796181750000102
确定阈值△b，经过多次实验，确定阈值为10％，即如果误差小于阈值，则电机存在转子断条故障；如果误差大于阈值，则电机为健康状态。
以上实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于上述的实施例。上述实施例中所用方法如无特别说明均为常规方法。

Claims (6)

1.一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，其特征在于，包括如下步骤：
A)获取电机起动状态下的三相定子电流信号的数据及与其相应的转速的数据，该步骤包括原始信号的采集、抗混叠低通滤波及A/D采样；
B)对由步骤A)获得的数据通过小波变换或低通滤波进行预处理，提取出含有故障特征的谐波成分；
C)对由步骤B)得到的含有故障特征的谐波成分，求取其二阶瞬态矩；对所得到的频率恒定信号的二阶瞬态矩，进行多项式-相位变换；
D)通过步骤C)所得到的多项式-相位变换结果，求其峰值所在频率f；
E)通过步骤D)得到的峰值频率f计算故障特征谐波成分的频率变化率
Figure FDA0002796181740000012
F)通过步骤E)得到的频率变化率
Figure FDA0002796181740000013
与理论值相比较，如果误差小于阈值，则电机存在转子断条故障；如果误差大于阈值，则电机为健康状态。
2.根据权利要求1所述的一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，其特征在于，所述的步骤A具体包括如下：
采用电流互感器获取电机起动状态下的三相定子电流信号的数据iaf(t)、ibf(t)、icf(t)及与其相应的转速的数据n，以采样频率fs对原始定子电流信号进行采集；
理想的三相电源的三相电流ia(t)、ib(t)、ic(t)表示为：
Figure FDA0002796181740000011
其中，Im为电流的基波分量最大值，ω＝2πf为基波角速度，f为电源频率；
故障电机的三相定子电流表示为：
Figure FDA0002796181740000021
其中，Il、Ir分别为转子断条故障引起的左、右边频带谐波分量最大值，
Figure FDA00027961817400000210
分别为对应的初始相位角，s为滑差，转子断条故障特征频率为fb＝(1±2s)f。
3.根据权利要求1所述的一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，其特征在于，所述的步骤B具体包括如下：
对由步骤A)获得的数据进行预处理，通过Park矢量变换构造三相定子电流信号的Park矢量
Figure FDA0002796181740000022
再求该Park矢量
Figure FDA0002796181740000023
的模平方信号
Figure FDA0002796181740000024
三相定子电流信号的Park矢量
Figure FDA0002796181740000025
根据以下公式计算：
Figure FDA0002796181740000026
三相定子电流Park矢量
Figure FDA0002796181740000027
的模平方信号
Figure FDA0002796181740000028
根据以下公式计算：
Figure FDA0002796181740000029
经Park矢量模平方变换，故障特征频率转化为2sf，其中，f为工频50Hz，在起动阶段滑差s的变化范围为(1→0)，因此故障特征频率的变化范围在(100→0)Hz；
故障特征频率的变化率理论值为b0＝100/t，t为电机起动阶段时间长度；
对得到的Park矢量模平方信号进行小波滤波或低通滤波等预处理，得到含有故障特征频率的谐波信号AFC。
4.根据权利要求1所述的一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，其特征在于，所述的步骤C具体包括如下：
步骤B)所得到的含有故障特征的谐波信号AFC，为一个二阶多项式-相位信号，求取其二阶瞬态矩，进行多项式-相位变换；
根据以下公式进行计算：
多项式相位信号x(t)为：
Figure FDA0002796181740000031
x(t)的M阶瞬态矩为：
Figure FDA0002796181740000032
其中，τ为滞后时间，(.)*复共轭，且
Figure FDA0002796181740000033
Figure FDA0002796181740000034
M阶多项式相位变换被定义为信号x(t)的M阶高阶瞬态矩，在区间[0,T]上的傅里叶变换(FT)，如公式(10)所示；
Figure FDA0002796181740000035
信号x(t)的PPTM是一个具有两个变量的函数，两个变量分别为频率f和滞后τ；
二阶多项式-相位信号即为线性调频信号，这时M＝2，
Figure FDA0002796181740000037
为M的多项式，如公式(11)所示：
x2(t)＝Aexp(j2π(bt2/2+at)) (11)
其中，b是LFM信号x2(t)的频率变化率，单位Hz/s，a是初始频率；由公式(6)可得信号x2(t)的二阶瞬态矩为：
Figure FDA0002796181740000036
其二阶多项式相位变换PPT2[x2(t),f,τ]为函数(13)在区间[0,T]上的FT：
Figure FDA0002796181740000041
这里，τ＝0.5N，N为采样点数。
5.根据权利要求1所述的一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，其特征在于，所述的步骤E具体包括如下：
通过步骤D)得到的峰值频率f计算故障特征谐波成分的频率变化率；
根据以下公式进行计算：
根据公式(12)，信号x2(t)的二阶瞬态矩，可以得到频率为f＝bτ的恒频信号；
Figure FDA0002796181740000042
通过计算P2[x(t),τ]的FT，频谱会在频率f＝bτ处出现一个峰值，所以对b的估计为f/τ，如公式(19)所示：
Figure FDA0002796181740000043
得到的频率变化率
Figure FDA0002796181740000044
6.根据权利要求1所述的一种基于多项式-相位变换的鼠笼电机转子断条故障诊断方法，其特征在于，所述的步骤F具体包括如下：
通过步骤E)得到的频率变化率
Figure FDA0002796181740000045
与理论值b0＝100/t相比较，如公式(20)所示：
Figure FDA0002796181740000046
确定阈值△b，即如果误差小于阈值，则电机存在转子断条故障；如果误差大于阈值，则电机为健康状态。
CN202011332343.XA 2020-11-24 2020-11-24 基于多项式-相位变换的鼠笼电机转子断条故障诊断方法 Active CN112526339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011332343.XA CN112526339B (zh) 2020-11-24 2020-11-24 基于多项式-相位变换的鼠笼电机转子断条故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011332343.XA CN112526339B (zh) 2020-11-24 2020-11-24 基于多项式-相位变换的鼠笼电机转子断条故障诊断方法

Publications (2)

Publication Number Publication Date
CN112526339A true CN112526339A (zh) 2021-03-19
CN112526339B CN112526339B (zh) 2023-08-22

Family

ID=74993286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011332343.XA Active CN112526339B (zh) 2020-11-24 2020-11-24 基于多项式-相位变换的鼠笼电机转子断条故障诊断方法

Country Status (1)

Country Link
CN (1) CN112526339B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114035043A (zh) * 2021-10-18 2022-02-11 辽宁科技大学 基于预知指向最佳分辨方法的鼠笼电机断条故障诊断方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6144924A (en) * 1996-05-20 2000-11-07 Crane Nuclear, Inc. Motor condition and performance analyzer
CA2707519A1 (en) * 2007-11-14 2009-05-22 Universitat Politecnica De Catalunya System for diagnosing defects in electric motors
WO2011006528A1 (en) * 2009-07-13 2011-01-20 Abb Research Ltd Fault detection in a rotating electrical machine
CN102279364A (zh) * 2011-07-23 2011-12-14 华北电力大学（保定） 一种基于music与psa的笼型异步电动机转子断条故障检测方法
CN102279342A (zh) * 2011-07-23 2011-12-14 华北电力大学（保定） 一种基于music与saa的笼型异步电动机转子断条故障检测方法
GB201503930D0 (en) * 2015-03-09 2015-04-22 Rolls Royce Plc Fault detection and diagnosis in an induction motor
CN106597277A (zh) * 2016-11-21 2017-04-26 河南理工大学 变频调速笼型异步电机转子断条故障动态诊断方法及装置
US20170356936A1 (en) * 2016-05-11 2017-12-14 Mcmaster University Enhanced system and method for conducting pca analysis on data signals
CN108089125A (zh) * 2016-11-23 2018-05-29 中国科学院沈阳自动化研究所 基于在线监测的异步电机能效估计方法
CN109765484A (zh) * 2018-10-25 2019-05-17 青岛鹏海软件有限公司 基于“正确树”模型的电机在线监测和故障诊断方法
KR102079034B1 (ko) * 2019-01-30 2020-02-19 윤상흠 전류 공간 벡터와 푸리에 또는 웨이블릿 변환을 이용하여 유도 전동기의 회전자 결함 및 부하 결함을 진단하는 방법 및 장치
CN210199235U (zh) * 2019-04-08 2020-03-27 辽宁科技大学 一种电力机车绝缘子绝缘性能检测装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6144924A (en) * 1996-05-20 2000-11-07 Crane Nuclear, Inc. Motor condition and performance analyzer
CA2707519A1 (en) * 2007-11-14 2009-05-22 Universitat Politecnica De Catalunya System for diagnosing defects in electric motors
WO2011006528A1 (en) * 2009-07-13 2011-01-20 Abb Research Ltd Fault detection in a rotating electrical machine
CN102279364A (zh) * 2011-07-23 2011-12-14 华北电力大学（保定） 一种基于music与psa的笼型异步电动机转子断条故障检测方法
CN102279342A (zh) * 2011-07-23 2011-12-14 华北电力大学（保定） 一种基于music与saa的笼型异步电动机转子断条故障检测方法
GB201503930D0 (en) * 2015-03-09 2015-04-22 Rolls Royce Plc Fault detection and diagnosis in an induction motor
US20170356936A1 (en) * 2016-05-11 2017-12-14 Mcmaster University Enhanced system and method for conducting pca analysis on data signals
CN106597277A (zh) * 2016-11-21 2017-04-26 河南理工大学 变频调速笼型异步电机转子断条故障动态诊断方法及装置
CN108089125A (zh) * 2016-11-23 2018-05-29 中国科学院沈阳自动化研究所 基于在线监测的异步电机能效估计方法
CN109765484A (zh) * 2018-10-25 2019-05-17 青岛鹏海软件有限公司 基于“正确树”模型的电机在线监测和故障诊断方法
KR102079034B1 (ko) * 2019-01-30 2020-02-19 윤상흠 전류 공간 벡터와 푸리에 또는 웨이블릿 변환을 이용하여 유도 전동기의 회전자 결함 및 부하 결함을 진단하는 방법 및 장치
CN210199235U (zh) * 2019-04-08 2020-03-27 辽宁科技大学 一种电力机车绝缘子绝缘性能检测装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HISAHIDE NAKAMURA: "Probabilistic Diagnosis of Broken Rotor Bar of Cage Induction Motor Focused on Transition of Features", 《IEEJ TRANSACTIONS ON ELECTRONICS, INFORMATION AND SYSTEMS》, vol. 135, no. 6, pages 679 - 685 *
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》, pages 110 - 114 *
贾朱植 等: "基于瞬时频率分析的笼型电机转子断条故障诊断", 《电机与控制应用》, pages 74 - 80 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114035043A (zh) * 2021-10-18 2022-02-11 辽宁科技大学 基于预知指向最佳分辨方法的鼠笼电机断条故障诊断方法

Also Published As

Publication number Publication date
CN112526339B (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
Ye et al. Current signature analysis of induction motor mechanical faults by wavelet packet decomposition
Kar et al. Vibration and current transient monitoring for gearbox fault detection using multiresolution Fourier transform
Watson et al. Condition monitoring of the power output of wind turbine generators using wavelets
Ibrahim et al. A new bearing fault detection method in induction machines based on instantaneous power factor
US11378947B2 (en) System and methods of failure prediction and prevention for rotating electrical machinery
Silva et al. Speed estimation of an induction motor operating in the nonstationary mode by using rotor slot harmonics
Cusido et al. Wavelet and PDD as fault detection techniques
CN110940917B (zh) 一种电动机故障预警方法及系统
Akar et al. Broken rotor bar fault detection in inverter-fed squirrel cage induction motors using stator current analysis and fuzzy logic
Alwodai et al. A comparison of different techniques for induction motor rotor fault diagnosis
CN109297716B (zh) 一种双馈型风力发电机振动故障诊断方法
Niu et al. Motor fault diagnostics based on current signatures: a review
CN110988471B (zh) 基于电流信号的风力发电机变桨传动皮带故障诊断方法
CN104597367A (zh) 一种变频器驱动感应电机定子匝间短路故障诊断方法
RU2339049C1 (ru) Способ диагностики электродвигателя переменного тока и связанных с ним механических устройств
Al-Ahmar et al. Wind energy conversion systems fault diagnosis using wavelet analysis
CN112526339B (zh) 基于多项式-相位变换的鼠笼电机转子断条故障诊断方法
Irfan et al. A non-invasive method for condition monitoring of induction motors operating under arbitrary loading conditions
Crabtree et al. Fault frequency tracking during transient operation of wind turbine generators
Al-Ahmar et al. DFIG-based wind turbine fault diagnosis using a specific discrete wavelet transform
Climente-Alarcon et al. Diagnosis of rotor asymmetries in wound rotor induction generators operating under varying load conditions via the Wigner-Ville Distribution
Barna–BIRÓ et al. Rotor faults detection in squirrel-cage induction motors by current signature analysis
Pietrzak et al. Application of spectral and wavelet analysis of stator current to detect angular misalignment in pmsm drive systems
Pietrzak et al. Stator phase current STFT analysis for the PMSM stator winding fault diagnosis
Takeuchi et al. Development of Motor Health Examination System Using Arduino Uno

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