CN113138337A - 基于状态划分与频段同步校正的三相电机故障诊断方法 - Google Patents
基于状态划分与频段同步校正的三相电机故障诊断方法 Download PDFInfo
- Publication number
- CN113138337A CN113138337A CN202110450380.9A CN202110450380A CN113138337A CN 113138337 A CN113138337 A CN 113138337A CN 202110450380 A CN202110450380 A CN 202110450380A CN 113138337 A CN113138337 A CN 113138337A
- Authority
- CN
- China
- Prior art keywords
- fault
- motor
- frequency band
- phase
- frequency
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012937 correction Methods 0.000 title claims abstract description 27
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 23
- 238000001228 spectrum Methods 0.000 claims abstract description 26
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
-
- 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
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种基于状态划分与频段同步校正的三相电机故障诊断方法，包括状态划分和频段校正；首先获取三相电机的电流信号和振动信号，通过构建三个针对三相电流信号的故障指标，并联合小波阈值降噪后的振动信号故障指标，实现电机健康状态划分；再利用多层小波分解振动信号，并通过分解后的多层细节信号的平方包络谱之间故障特征频率的同步校正，实现电机轴承的故障诊断；本发明克服了传统方法需要人为判断、费时费力且容易产生误判的缺点，提高三相电机故障诊断的及时性和稳定性。
Description
技术领域
本发明属于三相电机故障诊断技术领域，具体涉及一种基于状态划分与频段同步校正的三相电机故障诊断方法。
背景技术
三相电机由于其结构简单、运行稳定、重量较轻且成本低廉，在轴流风机、水泵及机床等机械设备上得到了广泛的应用。三相电机在工作时，会经常性的启停与逆转，并受到频繁且显著的机械振动和冲击，且其内部温度会随着运行时长增加而逐渐升高。在上述工作条件下，随着服役时间增加，三相电机的健康状态会出现明显退化，导致故障频发，从而引发经济损失甚至人员伤亡。因此开展三相电机故障的实时诊断，在出现故障时及时判断故障类型，可以为设备运行维护提供科学指导。
电机的常见故障主要包括定子故障、转子故障和电机轴承故障。近年来，当三相电机运行出现异常时，维护人员通常利用经验知识进行电机的故障诊断，即根据一些通用健康指标的趋势变化判断电机的健康状态，或者通过人为分析振动信号频谱进行故障诊断。上述方法需要人工判断，费时费力且很容易产生误判；此外，上述方法过于依赖专家先验知识，从而导致维护难度增大。因此，利用三相电流和单向振动监测信号，实现三相电机的自动故障诊断，得到及时且准确的诊断结果，对电机的维护具有重要意义。
发明内容
为了克服上述现有技术存在的缺点，本发明的目的在于提供了一种基于状态划分与频段同步校正的三相电机故障诊断方法，提高三相电机故障诊断的及时性和稳定性。
为达到上述目的，本发明采取的技术方案如下：
一种基于状态划分与频段同步校正的三相电机故障诊断方法，包括状态划分和频段校正；首先获取三相电机的电流信号和振动信号，通过构建三个针对三相电流信号的故障指标，并联合小波阈值降噪后的振动信号故障指标，实现电机健康状态划分；再利用多层小波分解振动信号，并通过分解后的多层细节信号的平方包络谱之间故障特征频率的同步校正，实现电机轴承的故障诊断。
一种基于状态划分与频段同步校正的三相电机故障诊断方法，包括以下步骤：
1)构建故障指标：
采集三相电机的振动信号和三相电流信号，根据不同故障类型之间的差别，提取小波阈值降噪后的振动信号故障指标sym8_k，并构建三个针对三相电流信号的故障指标pp_d、pp_min和dbfp_d，具体步骤如下：
1.1)振动信号故障指标sym8_k：
用sym8小波对振动信号进行阈值降噪，并去除降噪后振动信号首尾各5s信号；计算剩余振动信号的峭度值的平方，得到故障指标sym8_k，如式(1)所示：
其中，x为降噪以及去除首尾后的振动信号，N为振动信号中的采样点数；
1.2)三相电流信号故障指标pp_d：
计算各相电流峰峰值，具体如式(2)-式(4)所示：
其中，IU、IV、IW分别为U、V、W相的电流信号，与此对应，
分别为U、V、W相的电流峰峰值；
计算最大峰峰值与最小峰峰值的差值，并取差值的平方作为pp_d：
1.3)三相电流信号故障指标pp_min：
pp_min为各相电流峰峰值的最小值的平方，即
1.4)三相电流信号故障指标dbfp_d：
利用db10小波对IU、IV和IW分别进行四层分解，提取小波分解后的第一层细节分量，并进行傅里叶变换，得到频谱f(n)，然后计算各相对应频谱的最大值，即：
其中，n代表每个采样点，
和
分别为各相第一层细节分量频谱的最大值；
故障指标dbfp_d由
和
之间的最大值减去其中的最小值，再除以其中的最小值，最后乘以100并平方得到，具体如式(10)所示：
2)电机健康状态划分：
基于步骤1)构建的故障指标，对每种故障指标都设定相应的阈值y_0、y_1、y_2和y_3，并根据故障指标及其阈值进行电机健康状态划分；
当sym8_k＜y_0时，首先确定电机当前健康状态为转子故障或定子故障，如果满足pp_min＜y_2，判定为电机定子断相故障；若pp_min≥y_2且pp_d＞y_1，判定为电机定子电压不平衡故障；如果pp_min≥y_2，pp_d≤y_1且dbfp_d＞y_3，则判定为电机定子短路故障；若均不属于上述三种情况，则判定为电机转子故障；
当sym8_k≥y_0时，确定电机当前健康状态为电机轴承故障；
3)振动信号频段同步校正：
如果判定电机故障类型为电机轴承故障，则诊断具体的故障部位，利用转速、轴承信息和振动信号，调用频段同步校正算法，确定轴承具体故障类型。
所述的步骤3)中频段同步校正算法为：首先输入电机转速，计算轴承各种故障的理论特征频率，并利用带通滤波去除振动信号中的噪声，滤波频段为[2500,10000]Hz；之后利用db10小波进行4层小波分解，取各层小波分解的高频细节信号做平方包络，并在转频附近计算负谱，与原谱相加以消除转频；
然后在轴承各种故障特征频率附近的小频段内，分别搜索每层平方包络谱中的最高峰值及其对应频率，针对每一小频段，均得到四个最高峰值及对应频率；对最高峰值进行频段同步校正，若某故障特征频率附近的小频段内四个最高峰对应频率的最大差值大于0.5Hz，则此频段输出0，表示电机轴承没有出现该类故障；若小于0.5Hz，则把小频段内最高峰幅值相乘作为该频段输出；最后将各频段的输出除以各频段输出的和，得到电机轴承各部件故障概率。
本发明的有益效果为：
本发明提出一种基于状态划分与频段同步校正的三相电机故障诊断方法，首先通过构建电流信号和振动信号的故障指标，并根据不同故障指标设定不同阈值，实现电机健康状态的划分；之后利用多层小波分解振动信号，并通过分解后的多层细节信号的平方包络谱之间特征频率的同步校正，确定电机轴承具体故障类型；本发明实现电机故障的自动诊断，并克服了传统方法需要人为判断、费时费力且容易产生误判的缺点。
附图说明
图1为本发明的流程图。
图2为频段同步校正算法的流程图。
图3为实施例电机故障的诊断结果。
具体实施方式
下面结合附图和实施例对本发明做进一步阐述。
参照图1，一种基于状态划分与频段同步校正的三相电机故障诊断方法，包括以下步骤：
1)构建故障指标：
采集三相电机的振动信号和三相电流信号，根据不同故障类型之间的差别，提取小波阈值降噪后的振动信号故障指标sym8_k，并构建三个针对三相电流信号的故障指标pp_d、pp_min和dbfp_d，具体步骤如下：
1.1)振动信号故障指标sym8_k：
用sym8小波对振动信号进行阈值降噪，并去除降噪后振动信号首尾各5s信号；计算剩余振动信号的峭度值的平方，得到故障指标sym8_k，如式(1)所示：
其中，x为降噪以及去除首尾后的振动信号，N为振动信号中的采样点数；
1.2)三相电流信号故障指标pp_d：
计算各相电流峰峰值，具体如式(2)-式(4)所示：
其中，IU、IV、IW分别为U、V、W相的电流信号，与此对应，
分别为U、V、W相的电流峰峰值；
在得到各相电流峰峰值之后，计算最大峰峰值与最小峰峰值的差值，并取差值的平方作为pp_d：
1.3)三相电流信号故障指标pp_min：
在得到各相电流峰峰值的基础上，pp_min为各相电流峰峰值的最小值的平方，即
1.4)三相电流信号故障指标dbfp_d：
利用db10小波对IU、IV和IW分别进行四层分解，提取小波分解后的第一层细节分量，并进行傅里叶变换，得到频谱f(n)，然后计算各相对应频谱的最大值，即：
其中，n代表每个采样点，
和
分别为各相第一层细节分量频谱的最大值；
故障指标dbfp_d由
和
之间的最大值减去其中的最小值，再除以其中的最小值，最后乘以100并平方得到，具体如式(10)所示
2)电机健康状态划分：
基于步骤1)构建的故障指标，对每种故障指标都设定相应的阈值y_0、y_1、y_2和y_3，并根据故障指标及其阈值进行电机健康状态划分；
当sym8_k＜y_0时，首先确定电机当前健康状态为转子故障或定子故障，如果满足pp_min＜y_2，判定为电机定子断相故障；若pp_min≥y_2且pp_d＞y_1，判定为电机定子电压不平衡故障；如果pp_min≥y_2，pp_d≤y_1且dbfp_d＞y_3，则判定为电机定子短路故障；若均不属于上述三种情况，则判定为电机转子故障；
当sym8_k≥y_0时，确定电机当前健康状态为电机轴承故障；
3)振动信号频段同步校正：
如果判定电机故障类型为电机轴承故障，则进一步诊断具体的故障部位，利用转速、轴承信息和振动信号，调用频段同步校正算法，确定轴承具体故障类型；
参照图2，首先输入电机转速，计算轴承各种故障的理论特征频率，并利用带通滤波去除振动信号中的噪声，滤波频段为[2500,10000]Hz；之后利用db10小波进行4层小波分解，取各层小波分解的高频细节信号做平方包络，并在转频附近计算负谱，与原谱相加以消除转频；
然后在轴承各种故障特征频率附近的小频段内，分别搜索每层平方包络谱中的最高峰值及其对应频率，因此针对每一小频段，均得到四个最高峰值及对应频率；对上述最高峰值进行频段同步校正，若某故障特征频率附近的小频段内四个最高峰对应频率的最大差值大于0.5Hz，则此频段输出0，表示电机轴承没有出现该类故障；若小于0.5Hz，则把小频段内最高峰幅值相乘作为该频段输出；最后将各频段的输出除以各频段输出的和，得到电机轴承各部件故障概率。
实施例：基于三相异步电机故障实验数据，验证本发明方法的有效性。本实施例所采用的电机故障实验数据是在三种不同的转速下，即25Hz、35Hz和45Hz，对不同故障类型的电机进行测试所得到的实验数据。其中电机故障类型包括定子故障、转子故障及电机轴承故障，进一步的，定子故障分为断相故障、电压不平衡故障和短路故障；而转子故障为转子不平衡故障；电机轴承故障则包含外圈故障、内圈故障、滚动体故障和保持架故障。在测试过程中，使用电流钳和振动传感器获得三相电流信号和单向振动信号，并在每种转速条件下测试了3组实验数据。另外，电机轴承的型号为NSK 6205DDU，经计算得，电机轴承在转频f下的理论故障特征频率如表1所示：
表1
状态划分过程中的阈值设置如下所示：y_0、y_1、y_2和y_3分别为500、5、1和500，使用本发明方法对电机进行自动故障诊断，诊断结果如图3所示，从图3中可以看出，对于不同的电机故障类型，针对不同转速下的监测信号，本发明方法均能给出准确的诊断结果，证明本发明提出的电机状态划分与频段同步校正算法的稳定性和有效性。
在实际应用中，实施者只需根据信号的实际幅值对阈值进行调整，就可以利用本发明方法实现三相电机的自动故障诊断，有助于提高三相电机故障诊断的及时性和稳定性。应当指出，在不脱离本发明构想的前提下，对本发明方法所做的调整和变形，也应视为本发明的保护范围。
Claims (3)
1.一种基于状态划分与频段同步校正的三相电机故障诊断方法，其特征在于：包括状态划分和频段校正；首先获取三相电机的电流信号和振动信号，通过构建三个针对三相电流信号的故障指标，并联合小波阈值降噪后的振动信号故障指标，实现电机健康状态划分；再利用多层小波分解振动信号，并通过分解后的多层细节信号的平方包络谱之间故障特征频率的同步校正，实现电机轴承的故障诊断。
2.一种基于状态划分与频段同步校正的三相电机故障诊断方法，其特征在于，包括以下步骤：
1)构建故障指标：
采集三相电机的振动信号和三相电流信号，根据不同故障类型之间的差别，提取小波阈值降噪后的振动信号故障指标sym8_k，并构建三个针对三相电流信号的故障指标pp_d、pp_min和dbfp_d，具体步骤如下：
1.1)振动信号故障指标sym8_k：
用sym8小波对振动信号进行阈值降噪，并去除降噪后振动信号首尾各5s信号；计算剩余振动信号的峭度值的平方，得到故障指标sym8_k，如式(1)所示：
其中，x为降噪以及去除首尾后的振动信号，N为振动信号中的采样点数；
1.2)三相电流信号故障指标pp_d：
计算各相电流峰峰值，具体如式(2)-式(4)所示：
其中，IU、IV、IW分别为U、V、W相的电流信号，与此对应，
分别为U、V、W相的电流峰峰值；
计算最大峰峰值与最小峰峰值的差值，并取差值的平方作为pp_d：
1.3)三相电流信号故障指标pp_min：
pp_min为各相电流峰峰值的最小值的平方，即
1.4)三相电流信号故障指标dbfp_d：
利用db10小波对IU、IV和IW分别进行四层分解，提取小波分解后的第一层细节分量，并进行傅里叶变换，得到频谱f(n)，然后计算各相对应频谱的最大值，即：
其中，n代表每个采样点，
和
分别为各相第一层细节分量频谱的最大值；
故障指标dbfp_d由
和
之间的最大值减去其中的最小值，再除以其中的最小值，最后乘以100并平方得到，具体如式(10)所示：
2)电机健康状态划分：
基于步骤1)构建的故障指标，对每种故障指标都设定相应的阈值y_0、y_1、y_2和y_3，并根据故障指标及其阈值进行电机健康状态划分；
当sym8_k＜y_0时，首先确定电机当前健康状态为转子故障或定子故障，如果满足pp_min＜y_2，判定为电机定子断相故障；若pp_min≥y_2且pp_d＞y_1，判定为电机定子电压不平衡故障；如果pp_min≥y_2，pp_d≤y_1且dbfp_d＞y_3，则判定为电机定子短路故障；若均不属于上述三种情况，则判定为电机转子故障；
当sym8_k≥y_0时，确定电机当前健康状态为电机轴承故障；
3)振动信号频段同步校正：
如果判定电机故障类型为电机轴承故障，则诊断具体的故障部位，利用转速、轴承信息和振动信号，调用频段同步校正算法，确定轴承具体故障类型。
3.根据权利要求2所述的一种基于状态划分与频段同步校正的三相电机故障诊断方法，其特征在于，所述的步骤3)中频段同步校正算法为：首先输入电机转速，计算轴承各种故障的理论特征频率，并利用带通滤波去除振动信号中的噪声，滤波频段为[2500,10000]Hz；之后利用db10小波进行4层小波分解，取各层小波分解的高频细节信号做平方包络，并在转频附近计算负谱，与原谱相加以消除转频；
然后在轴承各种故障特征频率附近的小频段内，分别搜索每层平方包络谱中的最高峰值及其对应频率，针对每一小频段，均得到四个最高峰值及对应频率；对最高峰值进行频段同步校正，若某故障特征频率附近的小频段内四个最高峰对应频率的最大差值大于0.5Hz，则此频段输出0，表示电机轴承没有出现该类故障；若小于0.5Hz，则把小频段内最高峰幅值相乘作为该频段输出；最后将各频段的输出除以各频段输出的和，得到电机轴承各部件故障概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110450380.9A CN113138337B (zh) | 2021-04-25 | 2021-04-25 | 基于状态划分与频段同步校正的三相电机故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110450380.9A CN113138337B (zh) | 2021-04-25 | 2021-04-25 | 基于状态划分与频段同步校正的三相电机故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113138337A true CN113138337A (zh) | 2021-07-20 |
| CN113138337B CN113138337B (zh) | 2022-03-22 |
Family
ID=76812017
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110450380.9A Active CN113138337B (zh) | 2021-04-25 | 2021-04-25 | 基于状态划分与频段同步校正的三相电机故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113138337B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113833641A (zh) * | 2021-09-10 | 2021-12-24 | 中国人民解放军空军工程大学 | 机载燃油泵退化试验方案设计与寿命预测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202075392U (zh) * | 2011-04-28 | 2011-12-14 | 华北电力大学（保定） | 一种电动机综合状态监测系统 |
| CN106525427A (zh) * | 2016-12-23 | 2017-03-22 | 安徽大学 | 一种变转速工况下的直流无刷电机轴承故障诊断方法 |
-
2021
- 2021-04-25 CN CN202110450380.9A patent/CN113138337B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202075392U (zh) * | 2011-04-28 | 2011-12-14 | 华北电力大学（保定） | 一种电动机综合状态监测系统 |
| CN106525427A (zh) * | 2016-12-23 | 2017-03-22 | 安徽大学 | 一种变转速工况下的直流无刷电机轴承故障诊断方法 |
Non-Patent Citations (4)
| Title |
|---|
| TAO YAN ET AL.: "Joint maintenance and spare parts inventory optimization for multi-unit systems considering imperfect maintenance actions", 《RELIABILITY ENGINERING AND SYSTEM SAFETY 202(2020)》 * |
| 侯新国 等: "感应电动机轴承故障检测的相关分析方法", 《电气传动》 * |
| 戎芳明 等: "基于CEEMD和快速谱峭度图的地铁轴箱轴承故障诊断", 《大连交通大学学报》 * |
| 雷亚国 等: "基于混合智能新模型的故障诊断", 《机械工程学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113833641A (zh) * | 2021-09-10 | 2021-12-24 | 中国人民解放军空军工程大学 | 机载燃油泵退化试验方案设计与寿命预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113138337B (zh) | 2022-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2020103681A4 (en) | Rolling Bearing Fault Diagnosis Method Based on Fourier Decomposition and Multi-scale Arrangement Entropy Partial Mean Value | |
| EP3816604B1 (en) | Motor bearing failure diagnosis device | |
| JP5565120B2 (ja) | 転がり軸受部振動データの高周波電磁振動成分除去方法および高周波電磁振動成分除去装置、回転機械の転がりの軸受診断方法および軸受診断装置 | |
| CN102262215B (zh) | 一种大型发电机定转子气隙偏心故障检测方法 | |
| CN110617964A (zh) | 用于滚动轴承故障诊断的同步压缩变换阶比分析法 | |
| CN109297716B (zh) | 一种双馈型风力发电机振动故障诊断方法 | |
| CN110940917B (zh) | 一种电动机故障预警方法及系统 | |
| CN110163190B (zh) | 一种滚动轴承故障诊断方法及装置 | |
| CN107506710A (zh) | 一种滚动轴承复合故障提取方法 | |
| CN113138337B (zh) | 基于状态划分与频段同步校正的三相电机故障诊断方法 | |
| Alimardani et al. | Mixed eccentricity fault detection for induction motors based on time synchronous averaging of vibration signals | |
| CN114486263B (zh) | 一种旋转机械滚动轴承振动信号降噪解调方法 | |
| CN116625681A (zh) | 一种基于短时傅里叶变换的谱幅值调制滚动轴承故障诊断方法 | |
| CN117743962A (zh) | 一种基于定子电流信号的列车牵引电机轴承故障诊断方法 | |
| Chen et al. | A fault characteristics extraction method for rolling bearing with variable rotational speed using adaptive time-varying comb filtering and order tracking | |
| CN113464457B (zh) | 基于自搜索特征峰值与局部极差的离心泵故障诊断方法 | |
| CN112781723B (zh) | 一种基于频谱方差的谐波成分检测方法 | |
| CN114923686A (zh) | 基于改进连续变分模态分解的旋转机械故障诊断方法 | |
| CN115329810A (zh) | 牵引电机健康诊断方法及系统 | |
| Yeolekar et al. | Outer race bearing fault identification of induction motor based on stator current signature by wavelet transform | |
| Zhao | Research on fault diagnosis and evaluation method of wind turbine gearbox | |
| CN115683580A (zh) | 一种基于相位域自适应滤波的旋转机械故障诊断方法 | |
| CN102879085B (zh) | 汽轮发电机组低频振动非稳态实时预警方法 | |
| Chen et al. | An Improved Fast Spectral Kurtosis Algorithm in Bearing Fault Diagnosis for a Motor Drive System | |
| CN113189483B (zh) | 一种转频谱峰与电流极差联合推断轴流风机故障诊断方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240206 Address after: 430000, Office Building 405, Hekang Variable Frequency (Wuhan) Industrial Park, No. 6 Fozuling 3rd Road, Donghu New Technology Development Zone, Wuhan City, Hubei Province (Free Trade Zone Wuhan Area) Patentee after: Wuhan Zhongyun Kangchong Technology Co.,Ltd. Country or region after: China Address before: Beilin District Xianning West Road 710049, Shaanxi city of Xi'an province No. 28 Patentee before: XI'AN JIAOTONG University Country or region before: China |