CN112729832A - 一种表贴式永磁同步电机轴承故障程度评价方法及装置 - Google Patents

一种表贴式永磁同步电机轴承故障程度评价方法及装置 Download PDF

Info

Publication number
CN112729832A
CN112729832A CN202011560014.0A CN202011560014A CN112729832A CN 112729832 A CN112729832 A CN 112729832A CN 202011560014 A CN202011560014 A CN 202011560014A CN 112729832 A CN112729832 A CN 112729832A
Authority
CN
China
Prior art keywords
fault degree
permanent magnet
magnet synchronous
bearing
synchronous 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.)
Granted
Application number
CN202011560014.0A
Other languages
English (en)
Other versions
CN112729832B (zh
Inventor
贺青川
黄晓诚
陈文华
潘骏
薛赛
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202011560014.0A priority Critical patent/CN112729832B/zh
Publication of CN112729832A publication Critical patent/CN112729832A/zh
Application granted granted Critical
Publication of CN112729832B publication Critical patent/CN112729832B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01MTESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00Testing of machine parts
    • G01M13/04Bearings
    • G01M13/045Acoustic or vibration analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34Testing dynamo-electric machines

Abstract

本发明属于电机故障振动与预测技术领域,公开了一种表贴式永磁同步电机轴承故障程度评价方法及装置,包括:获取表贴式永磁同步电机的振动波形;对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值;将所述振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值;获取电机轴承处于故障程度时的标准指标值;将所述故障程度指标值与所述标准指标值进行比较,评定电机轴承当前的故障程度。该方法有助于监测永磁同步电机在实际工况下的轴承故障程度以及根据其变化进行故障预测。

Description

一种表贴式永磁同步电机轴承故障程度评价方法及装置
技术领域
本发明涉及电机故障诊断与预测技术领域,特别涉及一种表贴式永磁同步电机轴承故障程度评价方法及装置。
背景技术
永磁同步电机具有较高的功率质量比、能量利用率以及良好的伺服性能等优点,被广泛应用于机械制造、机器人控制、航空航天等领域。电机轴承发生故障会加剧电机的振动和噪声,严重影响正常工作。若能够在机器设备正常工作时,若能实现对永磁同步电机轴承故障程度进行在线监测,并依次评定永磁同步电机轴承的健康状态,将有助于实现电机的轴承故障预测。
电机轴承故障诊断方法可分为简易诊断法和精密诊断法。简易诊断是通过将测得的振动波形的特征值(如峰值、有效值、峭度等)与给定的轴承故障判定标准界限进行比较,若实测特征值超过标准界限则判定为出现故障。精密诊断最常用的是频谱分析法,即通过适当的振动信号处理方法,将特定的频率成分分离出来,然后对其进行绝对值处理、频率分析,找出信号的特征频率,确定轴承故障部位。然而,上述两种故障诊断方法只适用于确定轴承故障的部位和类别,难以用于对电机轴承故障程度进行在线监测,尤其是轴承故障轻微时。
发明内容
本发明实施例的目的是提供一种表贴式永磁同步电机轴承故障程度评价方法及装置,以解决如何对永磁同步电机轴承故障程度进行监测的问题。
根据本发明实施例的第一方面,提供一种表贴式永磁同步电机轴承故障程度评价方法,包括:
获取表贴式永磁同步电机的振动波形;
对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值;
将所述振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值;
获取电机轴承处于故障程度时的标准指标值;
将所述故障程度指标值与所述标准值进行比较,评定电机轴承当前的故障程度。
进一步地,获取表贴式永磁同步电机的振动波形,包括:
通过振动传感器和数据处理技术获取表贴式永磁同步电机轴承的振动数据;
根据所述振动数据,获取表贴式永磁同步电机的振动波形。
进一步地,对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值,包括:
对所述电流波形做傅里叶变换,测算得到的振动波形的主要阶次为1f、2f、pf、2pf和sf,f为电机转子旋转频率,单位Hz,p为永磁同步电机的极对数,s永磁同步电机的槽数,对应幅值为V1,V2,Vp,V2p,Vs
进一步地,将所述振动波形的主要阶次及对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值,包括:
将所述振动波形的主要阶次1f、2f、pf、2pf、sf对应的幅值V1,V2,Vp,V2p,Vs代入轴承故障程度指标计算模型中,获得故障程度指标值H,其中轴承故障程度指标计算模型表达式如公式(1)所示;
Figure BDA0002860098910000021
Figure BDA0002860098910000035
进一步地,获取电机轴承处于故障程度时的标准指标值,包括:
获取n个无故障永磁同步电机的轴承故障程度表征指标值Fi(i=1,2,…n);
通过公式(2)计算,获取n个故障程度表征指标值Fi的均值
Figure BDA0002860098910000031
Figure BDA0002860098910000032
通过公式(3)计算,获取n个故障程度表征指标值Fi的标准差s;
Figure BDA0002860098910000033
通过公式(4)计算,获取判定表贴式永磁同步电机轴承无故障的标准指标值HI;
Figure BDA0002860098910000034
根据本发明实施例的第二方面,提供一种表贴式永磁同步电机轴承故障程度评价装置,包括:
第一获取模块,用于获取表贴式永磁同步电机的振动波形;
第一计算模块,用于对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值;
第二计算模块,用于将所述振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值;
第二获取模块,用于获取电机轴承处于故障程度时的标准指标值;
比较评价模块,用于将所述故障程度指标值与所述标准值进行比较,评定电机轴承当前的故障程度。
根据以上技术方案,本发明实施例的电机轴承故障程度表征指标考虑定子电流基波和谐波;通过频域分析考虑偏心故障频率,准确的计算出电机轴承故障程度表征指标值,为准确评定轴承健康状态奠定了基础。通过实验对本文提出的方法的有效性进行验证。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例提供的一种表贴式永磁同步电机轴承故障程度评价方法的流程图;
图2是本发明实施例中测量电机振动波形时振动传感器安放的位置示意图;
图3是本发明实施例中正常电机的振动波形频谱分析图;
图4是本发明实施例中处于不同故障程度下电机的振动波形频谱分析图;
图5是本发明实施例中提供的20个正常电机的轴承故障程度表征指标。
图6是本发明实施例提供的一种表贴式永磁同步电机轴承故障程度评价装置的框图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明提出的种表贴式永磁同步电机轴承故障程度监测方法及装置其具体实施方式、特征及功效,详细说明如后。
有关本发明的前述及其他技术内容、特点及功效,在以下配合参考图式的较佳实施例详细说明中将可清楚的呈现。通过具体实施方式的说明,当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图示仅是提供参考与说明之用,并非用来对本发明加以限制。
参考图1,本实施例提供一种表贴式永磁同步电机轴承故障程度评价方法,该方法包括以下步骤:
步骤S101,获取表贴式永磁同步电机的振动波形;
具体地,通过振动传感器和数据处理技术获取永磁同步电机的振动波形;图2是本发明实施例中测量电机振动波形时振动传感器安放的位置示意图;参考图2,将振动传感器1安放在与表贴式永磁同步电机2轴承外圈最近位置处,通过振动传感器获取电机在实际工况下、在某转速下的振动波形,能够真实反映电机轴承的实际健康状态。
步骤S103,对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值;
具体地,调用matlab的fft或vmd函数对所述电流波形做傅里叶变换,测算得到的振动波形的主要阶次为1f、2f、pf、2pf和sf,f为电机转子旋转频率,单位Hz,p为永磁同步电机的极对数,s为永磁同步电机的槽数,对应幅值为V1,V2,Vp,V2p,Vs;通过调用matlab的fft或vmd函数对所述电流波形做傅里叶变换,能够准确的获得定子振动波形的主要阶次和对应的幅值。
步骤S105,将所述振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值;
具体地,本将所述振动波形的主要阶次1f、2f、pf、2pf、sf对应的幅值V1,V2,Vp,V2p,Vs代入轴承故障程度指标计算模型中,获得故障程度指标值H,其中轴承故障程度指标计算模型表达式如公式(1)所示;
Figure BDA0002860098910000051
参考图3,对于U、V、W三相定子绕组采用Y型接法的永磁同步电机A,无故障时,在1200r/min运行时,通过对测得振动波形进行傅里叶分析,得到图3所示的频谱曲线,对应幅值V1,V2,Vp,V2p,Vs,如表1所示;将振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型(1)中,获得故障程度指标值为0.1129,如表1所示。
表1:
Figure BDA0002860098910000061
参考图4,对于U、V、W三相定子绕组采用Y型接法的永磁同步电机B、C、D,轴承出现故障后,在1200r/min运行时,通过对测得振动波形进行傅里叶分析,得到图4所示的频谱曲线,对应幅值V1,V2,Vp,V2p,Vs,如表1所示;将振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型(1)中,获得故障程度指标值分别为1.4202、3.5708、9.7200,如表1所示。
步骤S107,获取能够判定表贴式永磁同步电机轴承无故障的标准指标值;
具体地,通过公式(2)计算,获取n个故障程度表征指标值Fi的均值
Figure BDA0002860098910000062
Figure BDA0002860098910000063
通过公式(3)计算,获取n个故障程度表征指标值Fi的标准差s;
Figure BDA0002860098910000064
通过公式(4)计算,获取判定表贴式永磁同步电机轴承无故障的标准指标值HI;
Figure BDA0002860098910000071
参考图5,对于U、V、W三相定子绕组采用Y型接法的永磁同步电机,选取20台无故障电机,在1200r/min运行时,通过对测得振动波形进行傅里叶分析,获取振动波形的主要阶次及对应的幅值,代入轴承故障程度指标计算模型(1)中,获得获取n个指标值Hi的均值;将Hi依此代入公式(2)、(3)、(4)中,获取能够判定表贴式永磁同步电机轴承无故障的标准值HI为0.9509;
步骤S109,将所述故障程度指标值与所述标准指标值进行比较,评定电机轴承当前的故障程度;
具体地,将所述轴承故障程度指标值与所述标准值进行比较,若小于或等于标准值HI,评定电机轴承无故障;若与HI的差值越大,则表明电机轴承故障程度越高;参考图4,对于U、V、W三相定子绕组采用Y型接法的永磁同步电机B、C、D,依据指标值的大小,将轴承故障程度依次判定为轻微、中度、严重(即不能工作)。实验结果表明,通过步骤S109评定永磁同步电机退磁程度,所得结果能够反映工程实际,为实现永磁同步电机故障预测具有重要的指导、实践意义。
还可包括:根据计算的电机轴承故障程度指标,监测永磁同步电机在实际工况下的轴承故障程度以及根据其变化进行故障预测。
实验结果表明,提出的基于振动波形的电机轴承故障程度指标方法计算有效,能够用于实时监测永磁同步电机在实际工况下轴承故障程度,为实现对永磁同步电机轴承进行故障预测具有重要的指导、实践意义。
参考图6,本实施例还提供一种表贴式永磁同步电机轴承故障程度评价装置,该装置为与上述的一种表贴式永磁同步电机轴承故障程度评价方法相对应的虚拟装置,该装置包括:
第一获取模块901,用于获取表贴式永磁同步电机的振动波形;
第一计算模块903,用于对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值;
第二计算模块905,用于将所述振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值;
第二获取模块907,用于获取电机轴承处于故障程度时的标准指标值;
比较评价模块909,用于将所述故障程度指标值与所述标准值进行比较,评定电机轴承当前的故障程度。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种表贴式永磁同步电机轴承故障程度评价方法,其特征在于,包括:
获取表贴式永磁同步电机的振动波形;
对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值;
将所述振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值;
获取电机轴承处于故障程度时的标准指标值;
将所述故障程度指标值与所述标准指标值进行比较,评定电机轴承当前的故障程度。
2.根据权利要求1所述的一种表贴式永磁同步电机轴承故障程度评价方法,其特征在于,获取表贴式永磁同步电机的振动波形,包括:
通过振动传感器和数据处理技术获取表贴式永磁同步电机轴承的振动数据;
根据所述振动数据,获取表贴式永磁同步电机的振动波形。
3.根据权利要求1所述的一种表贴式永磁同步电机轴承故障程度评价方法,其特征在于,对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值,包括:
对所述电流波形做傅里叶变换,测算得到的振动波形的主要阶次为1f、2f、pf、2pf和sf,f为电机转子旋转频率,单位Hz,p为永磁同步电机的极对数,s永磁同步电机的槽数,对应幅值为V1,V2,Vp,V2p,Vs
4.根据权利要求3所述的一种表贴式永磁同步电机轴承故障程度评价方法,其特征在于,将所述振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值,包括:
将所述振动波形的主要阶次1f、2f、pf、2pf、sf对应的幅值V1,V2,Vp,V2p,Vs代入轴承故障程度指标计算模型中,获得故障程度指标值H,其中轴承故障程度指标计算模型表达式如公式(1)所示;
Figure FDA0002860098900000021
5.根据权利要求1所述的一种表贴式永磁同步电机轴承故障程度评价方法,其特征在于,获取电机轴承处于故障程度时的标准指标值,包括:
获取n个无故障永磁同步电机的轴承故障程度表征指标值Fi(i=1,2,…n);
通过公式(2)计算,获取n个故障程度表征指标值Fi的均值
Figure FDA0002860098900000025
Figure FDA0002860098900000022
通过公式(3)计算,获取n个故障程度表征指标值Fi的标准差s;
Figure FDA0002860098900000023
通过公式(4)计算,获取判定表贴式永磁同步电机轴承无故障的标准指标值HI;
Figure FDA0002860098900000024
6.一种表贴式永磁同步电机轴承故障程度评价装置,其特征在于,包括:
第一获取模块,用于获取表贴式永磁同步电机的振动波形;
第一计算模块,用于对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值;
第二计算模块,用于将所述振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值;
第二获取模块,用于获取电机轴承处于故障程度时的标准指标值;
比较评价模块,用于将所述故障程度指标值与所述标准值进行比较,评定电机轴承当前的故障程度。
7.根据权利要求6所述的一种表贴式永磁同步电机轴承故障程度评价方法,其特征在于,获取表贴式永磁同步电机的振动波形,包括:
通过振动传感器和数据处理技术获取表贴式永磁同步电机轴承的振动数据;
根据所述振动数据,获取表贴式永磁同步电机的振动波形。
8.根据权利要求6所述的一种表贴式永磁同步电机轴承故障程度评价方法,其特征在于,对所述振动波形进行傅里叶分解,计算所述振动波形的主要阶次及对应的幅值,包括:
对所述电流波形做傅里叶变换,测算得到的振动波形的主要阶次为1f、2f、pf、2pf和sf,f为电机转子旋转频率,单位Hz,p为永磁同步电机的极对数,s永磁同步电机的槽数,对应幅值为V1,V2,Vp,V2p,Vs
9.根据权利要求8所述的一种表贴式永磁同步电机轴承故障程度评价方法,其特征在于,将所述振动波形的主要阶次对应的幅值代入轴承故障程度指标计算模型中,获得故障程度指标值,包括:
将所述振动波形的主要阶次1f、2f、pf、2pf、sf对应的幅值V1,V2,Vp,V2p,Vs代入轴承故障程度指标计算模型中,获得故障程度指标值H,其中轴承故障程度指标计算模型表达式如公式(1)所示;
Figure FDA0002860098900000031
10.根据权利要求6所述的一种表贴式永磁同步电机轴承故障程度评价方法,其特征在于,获取电机轴承处于故障程度时的标准指标值,包括:
获取n个无故障永磁同步电机的轴承故障程度表征指标值Fi(i=1,2,…n);
通过公式(2)计算,获取n个故障程度表征指标值Fi的均值
Figure FDA0002860098900000045
Figure FDA0002860098900000042
通过公式(3)计算,获取n个故障程度表征指标值Fi的标准差s;
Figure FDA0002860098900000043
通过公式(4)计算,获取判定表贴式永磁同步电机轴承无故障的标准指标值HI;
Figure FDA0002860098900000044
CN202011560014.0A 2020-12-25 2020-12-25 一种表贴式永磁同步电机轴承故障程度评价方法及装置 Active CN112729832B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011560014.0A CN112729832B (zh) 2020-12-25 2020-12-25 一种表贴式永磁同步电机轴承故障程度评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011560014.0A CN112729832B (zh) 2020-12-25 2020-12-25 一种表贴式永磁同步电机轴承故障程度评价方法及装置

Publications (2)

Publication Number Publication Date
CN112729832A true CN112729832A (zh) 2021-04-30
CN112729832B CN112729832B (zh) 2022-12-20

Family

ID=75615983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011560014.0A Active CN112729832B (zh) 2020-12-25 2020-12-25 一种表贴式永磁同步电机轴承故障程度评价方法及装置

Country Status (1)

Country Link
CN (1) CN112729832B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113835029A (zh) * 2021-09-22 2021-12-24 西安工业大学 电机故障诊断评定标准构建方法、系统及计算机存储介质
CN113866631A (zh) * 2021-09-02 2021-12-31 浙江大学 一种笼型异步电机转子断条故障诊断方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101034038A (zh) * 2007-03-28 2007-09-12 华北电力大学 异步电动机轴承故障检测方法
CN106198008A (zh) * 2016-06-16 2016-12-07 温州大学 一种电机轴承外圈故障辨识方法
CN208125377U (zh) * 2018-03-05 2018-11-20 西安交通大学 一种电机滚动轴承故障诊断系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101034038A (zh) * 2007-03-28 2007-09-12 华北电力大学 异步电动机轴承故障检测方法
CN106198008A (zh) * 2016-06-16 2016-12-07 温州大学 一种电机轴承外圈故障辨识方法
CN208125377U (zh) * 2018-03-05 2018-11-20 西安交通大学 一种电机滚动轴承故障诊断系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113866631A (zh) * 2021-09-02 2021-12-31 浙江大学 一种笼型异步电机转子断条故障诊断方法
CN113866631B (zh) * 2021-09-02 2022-06-10 浙江大学 一种笼型异步电机转子断条故障诊断方法
CN113835029A (zh) * 2021-09-22 2021-12-24 西安工业大学 电机故障诊断评定标准构建方法、系统及计算机存储介质

Also Published As

Publication number Publication date
CN112729832B (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
CN112729832B (zh) 一种表贴式永磁同步电机轴承故障程度评价方法及装置
Faiz et al. Comprehensive review on inter‐turn fault indexes in permanent magnet motors
Elbouchikhi et al. Induction machine bearing faults detection based on a multi-dimensional MUSIC algorithm and maximum likelihood estimation
CN107783006B (zh) 水轮发电机转子绕组匝间短路故障检测方法
CN102694493B (zh) 一种故障模式下永磁电机转矩估算方法
CN103217644A (zh) 感应电动机转子缺陷诊断装置、方法及媒介
Ogidi et al. Fault diagnosis and condition monitoring of axial-flux permanent magnet wind generators
CN111740653A (zh) 一种表贴式永磁同步电机转矩波动系数计算方法及装置
CN111721567A (zh) 一种电机动态转矩波动的测试方法及测试系统
Park et al. Fault detection of PMSM under non-stationary conditions based on wavelet transformation combined with distance approach
CN112671307B (zh) 一种表贴式永磁同步电机退磁程度评价方法及装置
CN112285562B (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
Xu et al. Inter-turn short-circuit fault detection with high-frequency signal injection for inverter-fed PMSM systems
CN110274716B (zh) 一种电机齿槽转矩的测试方法
Zhang et al. Time-frequency representation based on time-varying autoregressive model with applications to non-stationary rotor vibration analysis
Sapena-Bano et al. Fem-analytical hybrid model for real time simulation of ims under static eccentricity fault
Yao et al. Data fusion methods for convolutional neural network based on self-sensing motor drive system
CN111665441B (zh) 一种电机故障诊断方法及装置
V Sri Ram Prasad et al. Experimental modal analysis of induction machine stator end windings of driving end and non-driving end to predict the looseness
Jiang et al. Electromagnetic Force and Mechanical Response of Turbo-Generator End Winding under Electromechanical Faults
Rações et al. Application of different machine learning strategies for current-and vibration-based motor bearing fault detection in induction motors
Choqueuse et al. A parametric spectral estimator for faults detection in induction machines
Zhao et al. Online estimation of rotor temperature in induction motors based on parameter identification
CN112858714B (zh) 一种异步电动机的转速软计算方法
HUANG et al. Online rotor fault diagnosis of permanent magnet synchronous motors based on stator tooth flux

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