CN114089186A - 一种电机状态检测分析预警方法及设备 - Google Patents
一种电机状态检测分析预警方法及设备 Download PDFInfo
- Publication number
- CN114089186A CN114089186A CN202111327306.4A CN202111327306A CN114089186A CN 114089186 A CN114089186 A CN 114089186A CN 202111327306 A CN202111327306 A CN 202111327306A CN 114089186 A CN114089186 A CN 114089186A
- Authority
- CN
- China
- Prior art keywords
- motor
- state
- detected
- state quantity
- current
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000001133 acceleration Effects 0.000 claims description 24
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000010959 steel Substances 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
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/04—Thermometers specially adapted for specific purposes for measuring temperature of moving solid bodies
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明涉及一种电机状态检测分析预警方法及设备,方法包括以下步骤:在待检测电机特定位置安装相应的传感器,传感器至少包括振动传感器、噪声传感器、电压传感器、电流传感器和温度传感器;通过各传感器采集当前时刻待检测电机的各状态量,并进行滤波去噪;建立电机状态分析模型;通过电机状态分析模型和待检测电机的各状态量进行综合分析,得到当前时刻待检测电机的电机状态量。设备通过该方法对电机状态进行检测。本发明方法通过电机状态分析模型从多维度对待检测电机状态进行分析,得到当前时刻电机的电机状态量。本发明设备通过预存各类型电机的标准状态量,进行电机状态量与标准状态量的对比,得到电机当前工作状况。
Description
技术领域
本发明涉及一种电机状态检测分析预警方法及设备,属于电机状态检测技术领域。
背景技术
换流站使用了大量的旋转设备,如阀冷系统中主循环泵、喷淋泵、补水泵电机,暖通系统组合机内风机电机等。电机故障会导致阀冷或暖通系统停运,危及直流系统安全稳定运行。目前站内对电机的巡检仅限于红外测温,巡检方法单一且周期较长(阀冷红外测温1周一次,暖通红外测温1月一次)。电机故障约有60~70%可通过振动和噪声反应出来,有必要对电机振动、噪声等状态量进行检测。
换流站内使用的电机数量多、功率小,市面上电机在线监测系统方案需要在每台电机安装各类传感器、并在全站搭建一个通讯网络和分析系统,价格高、性价比低。换流站内使用的电机型号多,面对不同类型的电机需要不同的设定不同的检测参数,加大了检测的难度。
申请号为201610209993.2的发明专利公开了一种基于正向推理的汽轮发电机组振动故障诊断方法,其主要特征在于采用参数检测装置对汽轮发电机组启动和运行过程中的相关工作参数进行实时检测和故障自动判断,并结合机组有功功率的大小对被诊断汽轮发电机组的振动故障进行逐级判断。该方案主要针对特定机组,不适用对多种类、多工况电机进行诊断。
发明内容
为了克服上述问题,本发明提供一种电机状态检测分析预警方法及设备,该方法通过电机状态分析模型从多维度对待检测电机状态进行分析,得到当前时刻电机的电机状态量。该设备通过预存各类型电机的标准状态量,进行电机状态量与标准状态量的对比,得到电机当前工作状况。
本发明的技术方案如下:
方案一
一种电机状态检测分析预警方法,其特征在于,包括以下步骤:
在待检测电机特定位置安装相应的传感器,所述传感器至少包括振动传感器、噪声传感器、电压传感器、电流传感器和温度传感器;
通过各所述传感器采集当前时刻待检测电机的各状态量,所述状态量至少包括振动加速度、振动频率、噪声、电压、电流和温度,并进行滤波去噪;
建立电机状态分析模型,所述电机状态分析模型至少计及电机的振动加速度、振动频率、噪声、电压、电流和温度;所述点击状态分析模型基于各状态量计算;
通过所述电机状态分析模型和待检测电机的各状态量进行综合分析,得到当前时刻待检测电机的电机状态量,工作人员根据当前时刻待检测电机的点击状态量和该电机历史的电机状态量,对电机当前时刻的工作状态进行判断。
进一步的,所述电机状态分析模型为:
其中,B(t)为时刻t时电机综合状态量,Δi(t)为时刻t时第i个状态量的偏差值,gi为第i个状态量的权重。
进一步的,通过所述振动传感器获取待检测电机的振动频率,并通过各时刻的振动频率得到待检测电机的振动加速度;时刻t1时所述振动加速度和是振动频率的偏差值Δ1(t1)、Δ2(t1)分别为:
Δ1(t1)=a(t1)-e1(t1)a(t0);
Δ2(t1)=f(t1)-e2(t1)f(t0);
其中,a(t1)和f(t1)分别为时刻t1时待检测电机的振动加速度和振动频率,a(t0)和f(t0)分别为时刻t0时待检测电机的振动加速度和振动频率,e1(t1)和e2(t1)分别为时刻t1时待检测电机的振动加速度偏差系数和振动频率偏差系数;所述时刻t0在时刻t1之前。
进一步的,通过所述噪声传感器和所述温度传感器获取待检测电机的噪声和温度;所述噪声和所述温度的偏差值Δ3(t1)、Δ4(t1)分别为:
Δ3(t)=N(t1)-e3(t1)N(t0);
Δ4(t)=T(t1)-e4(t1)T(t0);
其中,N(t1)和T(t1)分别为时刻t1时待检测电机的噪声和温度,N(t0)和T(t0)分别为时刻t0时待检测电机的噪声和温度,e3(t1)和e4(t1)分别为待检测电机的噪声偏差系数和温度偏差系数。
进一步的,通过所述电压传感器和所述电流传感器获取待检测电机的电压和电流;所述电压和所述电流的偏差值Δ5(t)、Δ6(t)分别为:
Δ5(t)=u(t1)-u(t0);
Δ6(t)=i(t1)-i(t0);
其中,u(t1)和i(t1)分别为t1时刻待检测电机的电压和电流,u(t0)和i(t0)分别为t0时刻待检测电机的电压和电流。
进一步的,各所述偏差系数en(t1)为:
其中,n=1,2,3,4,kn为补偿系数。
一种电机状态检测分析预警设备,通过方案一中的电机状态检测分析预警方法对电机进行检测,其特征在于,包括存储模块,在使用之前,通过所述电机状态分析模型对处于正常运行状态下的各类型电机分别进行检测,得到各类型电机的标准状态量Hb,b为电机类型,并存储在所述存储模块中;
检测时,选定待检测电机的类型,得到当前时刻待检测电机的综合状态量B(t);
将当前时刻待检测电机的综合状态量B(t)与对应的所述标准状态量Hb进行比较,得到检测结果。
进一步的,选定任一类型的电机标准状态量为基准状态量H0,计算统一系数rb:
当所述电机状态分析模型修改后,通过修改后的电机状态分析模型对任一处于正常运行状态下的任一类型电机进行检测,得到修改后的电机状态分析模型状态下的该类型电机的标准状态量,根据该类型电机的标准状态量和统一系数,得到修改后的电机状态分析模型状态下的各类型电机的标准状态量H'b;
用标准状态量H'b替代标准状态量Hb。
本发明具有如下有益效果:
1.该方法从多个维度对电机状态进行检测和综合分析,得到电机状态量,工作人员通过电机状态量对电机的工作状态进行了解。
2.该设备通过点击状态分析模型对处于正常工作状态下的各类型的电机进行检测,得到各类型电机的标准状态量Hb。使用时,通过该设备对电机进行检测,得到电机当前时刻的状态量,并将其与该类型电机的标准状态量进行对比,得到该电机当前时刻的工作状态。
3.该设备根据各类型电机的标准状态量Hb得到统一系数rb,统一系数rb用于表征各类型电机标准状态量Hb的换算关系。当电机状态分析模型修改后,原标准状态量Hb作废,在准确测量所有电机在修改后的点击状态分析模型下的标准状态量Hb之前,只需要测得任一电机新的标准状态量Hb,则可以通过统一系数换算得到其余类型电机预估的标准状态量Hb,防止因为修改点击状态分析模型,延误电机状态测量。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面结合附图和具体实施例来对本发明进行详细的说明。
实施例一
参考图1,一种电机状态检测分析预警方法,包括以下步骤:
在待检测电机特定位置安装相应的传感器,所述传感器至少包括振动传感器、噪声传感器、电压传感器、电流传感器和温度传感器;可以通过增加传感器类型或数量增加采集的参数。
通过各所述传感器采集当前时刻待检测电机的各状态量,所述状态量至少包括振动加速度、振动频率、噪声、电压、电流和温度,并进行滤波去噪;滤波去噪的目的是滤除信号中的噪声或虚假成分、提高信噪比、平滑分析数据、一直干扰信号和分享频率分量。本实施例中,通过带通滤波器进行滤波。
振动传感器能够采集电机的振动频率,通过一段时间内振动频率的变化,可以得到该时间内电机的振动加速度。电机异常是会产生与正常运转时频率、加速度不同的振动,如,定子异常、转子绕组不平衡和电动机气隙不均等。
当电机出现内轴承间隙大、电机转子异常和磁钢松动等状态时,电机工作噪声异常。
电压异常的原因主要有三相电压不平衡、负载过重和定子/转子绕组故障。
电流异常的原因包括电源电压过高、电机装配不当或空隙过大和零件老化等原因。
温度异常的原因包括电机存在短路、铁心损坏和三相电缺相等原因。
因此通过振动加速度、震动频率、噪声、电压、电流和温度对电机状态进行分析可以准确评价电机的状态。
建立电机状态分析模型,所述电机状态分析模型至少计及电机的振动加速度、振动频率、噪声、电压、电流和温度;所述点击状态分析模型基于各状态量计算;
通过所述电机状态分析模型和待检测电机的各状态量进行综合分析,得到当前时刻待检测电机的电机状态量。实际工作时,工作人员根据当前时刻该电机的电机状态量对电机的工作状态进行评估。
实施例二
一种电机状态检测分析预警方法,在实施例一的基础上,所述电机状态分析模型为:
其中,B(t)为时刻t时电机综合状态量,Δi(t)为时刻t时第i个状态量的偏差值,gi为第i个状态量的权重,通过现场试验确定。该模型从多维度对待检测电机进行分析,通过增加状态量能够提升模型分析的准确性。
实施例三
一种电机状态检测分析预警方法,在实施例二的基础上,通过所述振动传感器获取待检测电机的振动频率,并通过各时刻的振动频率得到待检测电机的振动加速度;时刻t1时所述振动加速度和是振动频率的偏差值Δ1(t1)、Δ2(t1)分别为:
Δ1(t1)=a(t1)-e1(t1)a(t0);
Δ2(t1)=f(t1)-e2(t1)f(t0);
其中,a(t1)和f(t1)分别为时刻t1时待检测电机的振动加速度和振动频率,a(t0)和f(t0)分别为时刻t0时待检测电机的振动加速度和振动频率,e1(t1)和e2(t1)分别为时刻t1时待检测电机的振动加速度偏差系数和振动频率偏差系数;所述时刻t0在时刻t1之前。偏差值用于表征两时刻电机的对应状态量的变化。由于时刻t0和时刻t1的电压、电流不一定相同(工作状态不同,如电机出力发生变化),因此电机产生的振动不同,需要通过偏差系数进行修正。
进一步的,通过所述噪声传感器和所述温度传感器获取待检测电机的噪声和温度;所述噪声和所述温度的偏差值Δ3(t1)、Δ4(t1)分别为:
Δ3(t)=N(t1)-e3(t1)N(t0);
Δ4(t)=T(t1)-e4(t1)T(t0);
其中,N(t1)和T(t1)分别为时刻t1时待检测电机的噪声和温度,N(t0)和T(t0)分别为时刻t0时待检测电机的噪声和温度,e3(t1)和e4(t1)分别为待检测电机的噪声偏差系数和温度偏差系数。偏差值用于表征两时刻电机的对应状态量的变化。由于时刻t0和时刻t1的电压、电流不一定相同(工作状态不同,如电机出力发生变化),因此电机产生的振动不同,需要通过偏差系数进行修正。
进一步的,通过所述电压传感器和所述电流传感器获取待检测电机的电压和电流;所述电压和所述电流的偏差值Δ5(t)、Δ6(t)分别为:
Δ5(t)=u(t1)-u(t0);
Δ6(t)=i(t1)-i(t0);
其中,u(t1)和i(t1)分别为t1时刻待检测电机的电压和电流,u(t0)和i(t0)分别为t0时刻待检测电机的电压和电流。偏差值用于表征两时刻电机的对应状态量的变化。
进一步的,各所述偏差系数en(t1)为:
其中,n=1,2,3,4,kn为补偿系数,通过现场试验确定。补偿系数与电机的电流和电压相关。
实施例四
一种电机状态检测分析预警设备,通过实施例一道三中任意一种电机状态检测分析预警方法对电机进行检测,包括存储模块,在使用之前,通过所述电机状态分析模型对处于正常运行状态下的各类型电机分别进行检测,得到各类型电机的标准状态量Hb,b为电机类型,并存储在所述存储模块中;
检测时,选定待检测电机的类型,得到当前时刻待检测电机的综合状态量B(t);
将当前时刻待检测电机的综合状态量B(t)与对应的所述标准状态量Hb进行比较,得到检测结果。
通过集成设计,将采集各状态量的传感器集成到该设备中,操作人员通过一套设备对不同的电机进行检测,降低了设备的成本。同时,设备内预存储有各类型电机的标准状态量Hb,操作人员通过待检测电机当前时刻的点击状态量B(t)与标准状态量Hb进行对比,能够直接判断电机的工作状态。
在一种实施方式中,选定任一类型的电机标准状态量为基准状态量H0,计算统一系数rb:
当所述电机状态分析模型修改后,通过修改后的电机状态分析模型对任一处于正常运行状态下的任一类型电机进行检测,得到修改后的电机状态分析模型状态下的该类型电机的标准状态量,根据该类型电机的标准状态量和统一系数,得到修改后的电机状态分析模型状态下的各类型电机的标准状态量H'b;
用标准状态量H'b替代标准状态量Hb。
对电机状态分析模型进行修改后(删增状态量、修改模型算法等),预存储的标注只能状态量Hb作废,需要通过修改后的电机状态分析模型对处于正常工作状态下的电机进行检测,得到基于修改后的电机状态分析模型的标准状态量Hb。实际使用中,由于电机类型众多,工作状态不确定(无法判断电机是否处于正常工作状态,对于处于非正常工作状态的电机需要维护),导致确定新标准状态量Hb极困难。建立统一系数rb后,当电机状态分析模型修改后,对任一电机进行检修,使其工作在正常状态,获取该电机的新标准工作状态量,并通过统一系数rb换算得到各类型电机的标注工作状态量H'b,代替原先的标准工作状态量Hb,在未获取到所有类型电机准确的新标准状态量的时候,作为预估。此后逐步更新各电机的标准状态量。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种电机状态检测分析预警方法,其特征在于,包括以下步骤:
在待检测电机特定位置安装相应的传感器,所述传感器至少包括振动传感器、噪声传感器、电压传感器、电流传感器和温度传感器;
通过各所述传感器采集当前时刻待检测电机的各状态量,并进行滤波去噪;所述状态量至少包括振动加速度、振动频率、噪声、电压、电流和温度;
建立电机状态分析模型,所述电机状态分析模型至少计及电机的振动加速度、振动频率、噪声、电压、电流和温度;所述点击状态分析模型基于各状态量计算;
通过所述电机状态分析模型和待检测电机的各状态量进行综合分析,得到当前时刻待检测电机的电机状态量,工作人员根据当前时刻待检测电机的点击状态量和该电机历史的电机状态量,对电机当前时刻的工作状态进行判断。
3.根据权利要求2所述电机状态检测分析预警方法,其特征在于,通过所述振动传感器获取待检测电机的振动频率,并通过各时刻的振动频率得到待检测电机的振动加速度;时刻t1时所述振动加速度和是振动频率的偏差值Δ1(t1)、Δ2(t1)分别为:
Δ1(t1)=a(t1)-e1(t1)a(t0);
Δ2(t1)=f(t1)-e2(t1)f(t0);
其中,a(t1)和f(t1)分别为时刻t1时待检测电机的振动加速度和振动频率,a(t0)和f(t0)分别为时刻t0时待检测电机的振动加速度和振动频率,e1(t1)和e2(t1)分别为时刻t1时待检测电机的振动加速度偏差系数和振动频率偏差系数;所述时刻t0在时刻t1之前。
4.根据权利要求3所述电机状态检测分析预警方法,其特征在于,通过所述噪声传感器和所述温度传感器获取待检测电机的噪声和温度;所述噪声和所述温度的偏差值Δ3(t1)、Δ4(t1)分别为:
Δ3(t)=N(t1)-e3(t1)N(t0);
Δ4(t)=T(t1)-e4(t1)T(t0);
其中,N(t1)和T(t1)分别为时刻t1时待检测电机的噪声和温度,N(t0)和T(t0)分别为时刻t0时待检测电机的噪声和温度,e3(t1)和e4(t1)分别为待检测电机的噪声偏差系数和温度偏差系数。
5.根据权利要求4所述电机状态检测分析预警方法,其特征在于,通过所述电压传感器和所述电流传感器获取待检测电机的电压和电流;所述电压和所述电流的偏差值Δ5(t)、Δ6(t)分别为:
Δ5(t)=u(t1)-u(t0);
Δ6(t)=i(t1)-i(t0);
其中,u(t1)和i(t1)分别为t1时刻待检测电机的电压和电流,u(t0)和i(t0)分别为t0时刻待检测电机的电压和电流。
7.一种电机状态检测分析预警设备,通过权利要求2中的电机状态检测分析预警方法对电机进行检测,其特征在于,包括存储模块,在使用之前,通过所述电机状态分析模型对处于正常运行状态下的各类型电机分别进行检测,得到各类型电机的标准状态量Hb,b为电机类型,并存储在所述存储模块中;
检测时,选定待检测电机的类型,得到当前时刻待检测电机的综合状态量B(t);
将当前时刻待检测电机的综合状态量B(t)与对应的所述标准状态量Hb进行比较,得到检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111327306.4A CN114089186A (zh) | 2021-11-10 | 2021-11-10 | 一种电机状态检测分析预警方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111327306.4A CN114089186A (zh) | 2021-11-10 | 2021-11-10 | 一种电机状态检测分析预警方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114089186A true CN114089186A (zh) | 2022-02-25 |
Family
ID=80299601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111327306.4A Pending CN114089186A (zh) | 2021-11-10 | 2021-11-10 | 一种电机状态检测分析预警方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114089186A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115329283A (zh) * | 2022-10-12 | 2022-11-11 | 南通翔润机电有限公司 | 一种启动马达高强度换向器寿命预测方法 |
CN116316667A (zh) * | 2023-05-09 | 2023-06-23 | 深圳华强电子网集团股份有限公司 | 一种智能集成式电力电容补偿装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4525763A (en) * | 1983-11-30 | 1985-06-25 | General Electric Company | Apparatus and method to protect motors and to protect motor life |
KR101035496B1 (ko) * | 2010-08-17 | 2011-05-27 | 주식회사 대덕시스템 | 발전기의 건전성 온-라인 통합 감시 시스템 |
KR101432786B1 (ko) * | 2013-11-14 | 2014-09-23 | 엠앤디테크놀로지 주식회사 | 모터의 고장진단방법 및 그 시스템 |
CN107064796A (zh) * | 2017-04-20 | 2017-08-18 | 哈尔滨理工大学 | 智能电机振动在线监测及预警系统 |
CN108375732A (zh) * | 2018-03-01 | 2018-08-07 | 北京迪利科技有限公司 | 电机监测预警方法及系统 |
RU2727386C1 (ru) * | 2019-10-23 | 2020-07-21 | федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский горный университет" | Устройство диагностики и оценки остаточного ресурса электродвигателей |
CN111679187A (zh) * | 2020-05-26 | 2020-09-18 | 浙江浙能技术研究院有限公司 | 一种基于综合监测平台大型发电机状态评估方法 |
CN111856276A (zh) * | 2020-07-27 | 2020-10-30 | 淮南万泰电子股份有限公司 | 一种电机运行状态实时监测系统 |
-
2021
- 2021-11-10 CN CN202111327306.4A patent/CN114089186A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4525763A (en) * | 1983-11-30 | 1985-06-25 | General Electric Company | Apparatus and method to protect motors and to protect motor life |
KR101035496B1 (ko) * | 2010-08-17 | 2011-05-27 | 주식회사 대덕시스템 | 발전기의 건전성 온-라인 통합 감시 시스템 |
KR101432786B1 (ko) * | 2013-11-14 | 2014-09-23 | 엠앤디테크놀로지 주식회사 | 모터의 고장진단방법 및 그 시스템 |
CN107064796A (zh) * | 2017-04-20 | 2017-08-18 | 哈尔滨理工大学 | 智能电机振动在线监测及预警系统 |
CN108375732A (zh) * | 2018-03-01 | 2018-08-07 | 北京迪利科技有限公司 | 电机监测预警方法及系统 |
RU2727386C1 (ru) * | 2019-10-23 | 2020-07-21 | федеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский горный университет" | Устройство диагностики и оценки остаточного ресурса электродвигателей |
CN111679187A (zh) * | 2020-05-26 | 2020-09-18 | 浙江浙能技术研究院有限公司 | 一种基于综合监测平台大型发电机状态评估方法 |
CN111856276A (zh) * | 2020-07-27 | 2020-10-30 | 淮南万泰电子股份有限公司 | 一种电机运行状态实时监测系统 |
Non-Patent Citations (3)
Title |
---|
刘朋: "信息融合理论在伺服电机故障诊断中的应用", 《中国优秀硕士论文全文数据库(工程科技Ⅱ辑)》, 15 April 2020 (2020-04-15) * |
周封等: "智能电机故障诊断分析及预警系统设计", 《信息与控制》, vol. 46, no. 6, 31 December 2017 (2017-12-31) * |
李永德;: "多源传感器数据融合的电气设备故障诊断研究", 信息通信, no. 03, 15 March 2018 (2018-03-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115329283A (zh) * | 2022-10-12 | 2022-11-11 | 南通翔润机电有限公司 | 一种启动马达高强度换向器寿命预测方法 |
CN116316667A (zh) * | 2023-05-09 | 2023-06-23 | 深圳华强电子网集团股份有限公司 | 一种智能集成式电力电容补偿装置 |
CN116316667B (zh) * | 2023-05-09 | 2023-08-08 | 深圳华强电子网集团股份有限公司 | 一种智能集成式电力电容补偿装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2665925B1 (en) | A method for diagnostic monitoring of a wind turbine generator system | |
US7865333B2 (en) | Process and device for monitoring a machine | |
CN102033200B (zh) | 基于统计模型的交流电机在线监测和诊断方法 | |
RU2580194C2 (ru) | Способ и устройство мониторинга контура обратной связи приводной системы переменных геометрий турбореактивного двигателя | |
CN114089186A (zh) | 一种电机状态检测分析预警方法及设备 | |
US10273940B2 (en) | System and method for detecting pitch bearing damage in a wind turbine | |
Zoubek et al. | Frequency response analysis for rolling-bearing damage diagnosis | |
US20210018542A1 (en) | System and method for monitoring an operating condition of an electrical device when in operation | |
US20020052712A1 (en) | Method for the monitoring of a plant | |
KR101103131B1 (ko) | 원자력발전소 예비디젤발전기의 진단장치 및 방법 | |
CN106249144A (zh) | 双馈风力发电机匝间短路故障诊断方法及故障监测方法 | |
CN101300726B (zh) | 自动监控发电机运行的方法 | |
US10403116B2 (en) | Electrical signature analysis of electrical rotating machines | |
He et al. | Remote monitoring and diagnostics of pitch-bearing defects in an MW-scale wind turbine using pitch symmetrical-component analysis | |
US20090125206A1 (en) | Automatic detection and notification of turbine internal component degradation | |
CN115932577A (zh) | 一种基于协同感知的汽轮发电机转子绕组匝间短路预警方法 | |
He et al. | Detection of single-axis pitch bearing defect in a wind turbine using electrical signature analysis | |
CN116577543A (zh) | 一种同步调相机定子绕组故障在线诊断方法、装置、电子设备及介质 | |
CN115372039A (zh) | 汽轮发电机组振动故障诊断系统的构建方法和应用方法 | |
KR101267946B1 (ko) | 모터 수명예측방법 | |
CN113532776B (zh) | 一种发电机轴瓦瓦枕绝缘垫失效诊断方法及系统 | |
US7523651B2 (en) | Method for monitoring the state of turbines based on their coasting time | |
Schlechtingen et al. | Condition monitoring with ordinary wind turbine SCADA data–A neuro-fuzzy approach | |
KR102144789B1 (ko) | 모터설비 에너지 손실 절감을 위한 경고 시스템 | |
da Silva Gazzana et al. | An automated system for incipient fault detection and diagnosis in induction motors based on MCSA |
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 |