CN115989418A - 机器状态监控方法和机器状态监控系统 - Google Patents
机器状态监控方法和机器状态监控系统 Download PDFInfo
- Publication number
- CN115989418A CN115989418A CN202180053335.8A CN202180053335A CN115989418A CN 115989418 A CN115989418 A CN 115989418A CN 202180053335 A CN202180053335 A CN 202180053335A CN 115989418 A CN115989418 A CN 115989418A
- Authority
- CN
- China
- Prior art keywords
- frequency
- phase
- electric machine
- current
- determined
- 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
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
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0007—Frequency selective voltage or current level measuring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
- G01R23/165—Spectrum analysis; Fourier analysis using filters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/02—Measuring characteristics of individual pulses, e.g. deviation from pulse flatness, rise time or duration
- G01R29/023—Measuring pulse width
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
用于电机(2)的状态监控的方法,其中,在所限定的频率范围((f1、f2)、(f3、f4))内,例如在电流幅度(I(f,t))的频谱图(100、101))中求出频率位置(fL、f'L),使得在所述频率位置(fL、f'L)中电流幅度(I(f,t))最大,并且在电流与电压矢量(Pul(f,t))之间或者在两个电流矢量(Pαβ(f,t))之间的相位关系处于预先确定的区间内,其中,所求出的频率位置(fL、f'L)对于所述电机(2)的状态是特征性的。
Description
技术领域
本发明涉及一种方法、优选一种计算机实现的方法、以及一种用于电机的状态监控的系统。
此外,本发明涉及一种具有用于实施前述方法的指令的计算机程序代码。
此外,本发明涉及一种数据载体信号,该数据载体信号传输前述的计算机程序代码。
背景技术
在电机的监控中,所谓的电流特征分析(英语“马达电流特征分析(Motor CurrentSignature Analysis)”,MCSA)被用作为可行的状态监控(CM)工具并且在现有技术中是众所周知的(参见D.“Brief Review of Motor Current Signature Analysis”CrSNDT Journal,第5期,第14-26页(2015);H.W.Penrose,“Practical Motor CurrentSignature Analysis:Taking the Mystery Out of MCSA”,ALL-TEST Pro"(2003);C.Kar和AR Mohanty,“Monitoring gear vibrations through motor current signatureanalysis and wavelet transform”,Mechanical Systems and Signal Processing,第20卷,第1期,2006年1月,第158-187页)。
在MCSA中例如应用傅里叶变换(EFT),以便在频率范围中探测或量化电机的故障状态和/或运行状态。传统的MCSA在此在准稳态的情况下应用,也就是说名义上恒定的转速的情况下应用。MCSA的扩展表示使用短时FFT或小波的分析,以便以时间分辨的方式分析过程。
补充于MCSA,电压的频谱分量(MVSA)也可用于运行状态监控(参见Kumar,K.(2011),“A Review of Voltage and Current Signature Diagnosis in IndustrialDrives”,International Journal of Power Electronics and Drive Systems(IJPEDS).1.10.11591/ijpeds.v1i1.64)。
在此,在三相马达的情况下,检测驱动技术的三个电相位(R,S,T)。测量器件除了测量电流I外也测量相位的电压U。以高采样频率并且尽可能时间同步地进行测量。
MCSA的目的是尽可能精确地求出异步电机(ASM)的转差率。如果负载状态即使仅轻微地改变,则ASM调整转速来作出反应。准确确定转差率的可行性通过所谓的主槽谐波(PSH)的频率确定来实现。为此,能够在检测的电流的一个或多个电相位(R,S,T)中相应地评估作为转子条数R、极对数p和转差率S的函数的PSH频率fPSH(fPSH=func(R,p,s))。在此的问题是,与馈电电流(A(f0))的幅度相比,在电网馈电频率f0(通常50Hz或60Hz)外的幅度表现为非常小<1e-2*A(f0)。在PSH的频率范围中所检测的电流幅度能够变得非常小,并且根据评估的所需时间分辨率而具有噪声和干扰,噪声和干扰可能处于用于转差率识别的待求出的幅度的范围内。因此,利用PSH的动态转差率识别容易受到干扰并且因此太不精确。此外,干扰能够是供电网络中的其他用电器的电网电压分量。
然而,上述缺点不仅涉及在PSH中的频率确定。此外,在MCSA的所有频率确定中存在类似的问题,这些问题表明识别到偏差或故障,并且应该能够实现状态监控诊断。在MCSA的现有技术中,在电流频谱中在已知的可与这些故障状态或运行状态相关联的频率下探测故障,如转子条断裂、偏心率、轴承故障、耦联的机器的影响以及也还有机器的负载状态。
如果例如在对于特定的故障状态或运行状态、例如气隙的偏心率是特征性的频率下找到/求出幅度,则能够归因于电机的上述确定的故障状态或运行状态。
MCSA利用恒定比率的假设和在长时间(典型测量时间在此为大约30s)上的求平均值,以便改进信号的SNR(信噪比)。在此,仅能够求出在测量时间上的平均转差率,或者从在损坏频率下的配属幅度的平均值求出误差幅度。
发明内容
因此,本发明的目的能够视为,改进用于电机的状态监控方法和状态监控系统,并且能够实现动态的频率位置识别或者频率线识别以及例如动态的转差率识别。
根据本发明,该目的借助开头所述的方法根据本发明通过如下方式来实现,即,在限定的频率范围内、例如在电流幅度的(通过测量所记录的)频谱图中如此求出频率位置或频率线,使得在该频率位置或频率线中电流幅度最大,并且在电流电压矢量与电压矢量之间或者在两个电流矢量之间的相位关系处于预先确定的区间中(或者相位关系(在最大电流幅度的情况下)借助相位滤波器来确定),其中,所求出的频率位置或频率线对于电机的状态是特征性的。
换句话说,在求出频率线时,求出电流幅度以及在电流矢量与电压矢量之间或在两个电流矢量之间的相位关系(取决于频率),并且检验电流幅度在该频率下是否最大,并且(同时)在电流矢量与电压矢量之间或在两个电流矢量(在该频率下)之间的相位关系处于预先确定的区间内。在此,如果确定满足这两个条件,也就是说电流幅度最大并且电流矢量与电压矢量之间的相位关系或者两个电流矢量之间的相位关系处于预先确定的区间中,则两个条件被检查为是满足的情况下的频率被确定为要求出的频率线或频率位置的频率。
该区间被预先确定为,使得频率位置(感兴趣的频率线=主线)具有第一(绝对)相位位置(例如60至80°),该第一(绝对)相位位置优选地被明确限定,而干扰线,例如边带线具有与其偏离的相位位置(例如0至20°)。因此,区间被预先确定以在主线与干扰线之间区分。因此“预先确定”是指主线与相位中的干扰线的可区分性。换句话说,这样(在主线周围的频带中)选择“预先确定的”(相位)区间,使得能够实现、优选增大、尤其最大化相位位置与干扰线的可区分性。
能够有效是,这样限定频率范围,使得至少一个对于电机的状态是特征性的频率线处于或者能够处于该频率范围中(例如能够在使用MCSA方法的情况下找到频率线的可行的位置)。由此,能够将频率范围与对于电机的状态是特征性的频率线相关联。
总体上,在所述方法中,在所限定的频率范围内、例如在电流幅度的(通过测量所记录的)频谱图中,根据电流幅度以及根据电流矢量与电压矢量之间或者在两个电流矢量之间的相位关系来求出频率位置或者频率线。在此,电流幅度应该最大化并且相位关系处于预先确定的区间内。所求出的频率位置或频率线对于电机的状态是特征性的。
如已经描述的那样,所求出的频率位置或者频率线与电机的(确定的)状态相关联,并且因此允许推断出该(确定的)机器状态。
在一个实施方式中能够有利地提出,在多个不同的、优选不重叠的预先确定的频率范围内分别求出频率位置,其中,不同的频率位置或频率线对于电机的不同状态是特征性的。
在一个实施方式中能够有效的是,电机是三相电机并且该机器的状态是故障状态或运行状态。
在一个实施方式中能够有利的是,三相电机是异步电机并且所述频率范围通过0与临界转差率之间的转差率范围确定,尤其通过5%与10%之间的转差率范围(异步电机的典型的转差率值是5至30KW)确定。
在一个实施方式中能够有利地提出,三相电机是同步电机并且状态是故障状态。在这种情况下,不进行转差率评估,并且因此不进行如在ASM中执行的负载评估,但是对此进行故障频率评估。
在一个实施方式中能够有效的是,相位关系是α电流矢量与β电流矢量之间的相位关系。α电流矢量、β电流矢量是分别由克拉克变换或α、β变换产生的电流矢量。这种变换对于本领域技术人员是熟悉的并且用于如在具有轴U、V、W、...的三相电机中那样将多相位的参量转换到具有轴α、β的更简单的双轴坐标系中。
在一个实施方式中能够提出,预先确定的区间是在约40°至约90°之间、优选在约40°至约60°之间、或者在约70°至约90°之间、尤其在约80°至约90°之间的区间。
在一个实施方式中能够提出,从或根据或使用导纳或阻抗求出相位关系。
在一个实施方式中能够有利地提出,以预先确定的测量时间测量电流幅度,该测量时间例如在大约0.1秒至10秒之间、例如在大约1秒至10秒之间、优选在大约1秒至5秒之间、尤其是1秒。
为了产生频谱图可行的是,如上所述地选择对电流和/或电压的短的测量时间。这是有利的,并且能够实现动态的运行状态评估和/或故障状态评估。在此,测量时间比在典型的MCSA情况下的测量时间(该测量时间大约为30秒)短。
此外,该目的利用开头所述的系统根据本发明通过如下方式来实现,即,该系统包括计算单元,其中,计算单元具有计算机程序代码,其中,计算机程序代码包括指令,在通过计算单元实施所述程序代码时,指令促使计算单元实施前述方法。
在一个实施方式中能够有效的是,系统附加地具有用于测量三相电机、尤其同步电机或异步电机的电流和/或电压的测量单元。
根据本发明的状态监控方法和状态监控系统能够实现更鲁棒地并且更准确地求出在具有最大幅度的预先确定的频率范围中的频率位置。由此,例如能够更鲁棒地确定转差率和/或更可靠地排除干扰。这例如能够实现例如负载变化的动态测量、了解按秒节拍的转差率等。
附图说明
下面借助于在附图中示出的实施例更详细描述和解释本发明。示出了:
图1示出用于电机的状态监控的计算机实现的方法的流程图,
图2示出频谱图的截取部分,
图3示出电流矢量与电压矢量之间的相位关系,
图4示出在考虑或不考虑图3的相位关系的情况下所求出的相位位置,
图5示出α电流矢量与β电流矢量之间的相位关系,
图6示出在考虑或不考虑图5的相位关系的情况下所求出的相位位置,并且
图7示出用于异步马达的状态监控系统。
具体实施方式
图1示出用于电机的状态监控的计算机实现的方法的流程图,其中,计算机实现的方法对应于根据本发明的方法。
在方法S1的步骤中,能够(根据所测量的电流值)产生电流幅度的频谱图I(f,t)。频谱图100的示例性的截取部分(在大约410Hz与450Hz之间的频率)在图2中示出。该截取部分示出限定的频率范围(f1、f2),在此在大约410Hz(f1)与大约450Hz(f2)之间。在三相电机中,尤其在异步电机中,所限定的频率范围(f1、f2)能够包括已知的损坏频率中的一个损坏频率,例如转子条断裂频率,其先前利用根据现有技术的电流特征分析方法(英语“MotorCurrent Signature Analysis”,MCSA)求出。
在方法S2的步骤中,例如计算电流矢量与(之前测量的)电压矢量(I和U)之间的相位关系(以度为单位)。从图3中能够看出在约350Hz(f1')与约450Hz(f2)之间的频率范围(f1'、f2)中的频谱图100的电流矢量与电压矢量之间的所计算的相位角PUI(f,t)。相位关系PUI(f,t)能够例如从或借助或者使用导纳或阻抗来求出。
用于产生频谱图100和/或相位关系的电流测量和/或电压测量能够以预先确定的测量时间进行。特别有利的是,具有每次测量约0.1秒至10秒、尤其是一秒的测量时间的电流测量和/或电压测量。这能够实现动态的运行评估和/或故障状态评估。在此,测量时间比在典型的电流特征分析(MCSA)中的测量时间更短,在典型的电流特征分析中测量时间为大约30秒。
在方法S3的步骤中,在该限定的频率范围(f1、f2)(参见频谱图100或101)内,以如下方式求出频率位置fL,即在该频率位置fL中,电流幅度I(f,t)最大并且相位关系PUI(f,t)处于预先确定的区间中。
频率位置fL例如能够对应三相异步电机的主槽谐波(PSH),其中,频率fPSH(7n)例如为大约427Hz。
PSH频率是转子条数R、极对数p和转差率s的函数(fPSH=func(R,p,s))。如果现在更准确地/更可靠地确定PSH频率,那么例如也能够更准确地/更可靠地确定转差率。
尤其在三相电机中,频率范围(f1、f2)能够通过0与临界转差率之间的转差率范围、尤其通过大约5%至大约10%之间的转差率范围给出(转差率范围能够被换算成频率范围)。在约5%与约10%之间的转差率范围包含具有在约5KW与约30KW之间的功率的异步电机的典型的转差率值。
换言之,在求出电流幅度I(f,t)时应用相位滤波器,以便在实际检测的电流与干扰的电流特征幅度之间进行区分并且排除干扰的电流特征幅度,干扰的电流特征幅度能够例如通过供电网络中的其他用电器的电网电压分量引起的干扰/噪声而产生。
预先确定的区间能够包括例如在大约40°与大约90°之间的角度。在这里所示的方法的示例(图2至图4)中,其中,求出电流矢量与电压矢量之间的相位关系PUI,相位滤波器能够被设置成针对大约70°和大约90°之间、例如在大约80°和大约90°之间的角度。通常应该如此选择区间为,使得包含在该区间中的角度描述了相位,该相位在实际上所检测的电流矢量与电压矢量之间是可行的,或者说在物理上具有意义。
在前述的干扰的电流特征幅度大致与所检测的电流幅度相同大小的情况下,在图3中示出的相位图中的相位关系处于大约20°至30°的范围中,从而借助于相位滤波器滤除干扰的电流特征幅度。
所求出的频率位置fL对于电机的状态是特征性的或者所求出的频率位置fL与电机的(被确定的)状态相关联。
在根据所求出的频率位置fL确定机器的状态之后,能够相应地控制机器。如果例如识别到机器的状态由于转子条断裂而是危急的,则机器能够被关断。如果机器的状态仍是合理的,但识别到马上预计出现危急状态,则例如能够发出相应的警告通知。
例如,在三相电机中,频率位置fL能够与以下故障状态中的一个故障状态相关联:气隙偏心率、转子条断裂(在异步电机中)、轴承断裂/故障、定子绕组故障。
此外,三相电机的负载状态能够与频率位置fL相关联。
图4示出具有所绘制的所求出的频率位置fL的频谱图101。图4示出相对于传统的评估103(虚线)在允许的转差率范围中(例如在0与临界转差率之间,优选在5%与10%之间)的转差率识别102(交叉)的改进,转差率范围被干扰频率影响。这种改进通过在求出频率位置时添加上述相位信息来实现。
图5示出另外的可行的相位关系Pαβ(f,t),能够在所述方法的上述步骤S2期间计算该相位关系。在图5中所示的相位角Pαβ(f,t)是在两个相电流Iα与Iβ之间的相位角,该相电流能够借助克拉克(Clarke)变换从三相电机的三个相电流IU、IV、IW中获得。
例如,能够在大约1140Hz(f3)和大约1151Hz(f4)之间的频率范围(f3、f4)中计算相位关系Pαβ(f,t)。
频率位置f'L对应PSH(7n)。(相位滤波器的)预先确定的区间包括在大约40°与大约60°之间的角度。
图6示出所求出的频率位置f'L。此外,从图6中能够获知在允许的转差率范围内(其受干扰频率的影响)的相对于传统的评估105(虚线)的根据所求出的频率位置f'L确定的转差率104(叉线),其被例如归因于存在的边带106或电压变化。
此外,从图6中能够获知,所求出的频率位置f'L也提供关于负载状态L1、L2、L3的信息并且使其非常精确。
上述方法也能够在多个不同的、优选不重叠的预先确定的频率范围内执行。在此,能够在每个频率范围中分别求出一个频率位置,其中,不同的频率位置或频率线对于电机的不同状态能够是特征性的。
从图5和图6的概览还能够获知,如何使用预先确定的区间来选择正确的频率位置。用于描述状态(其大概位置例如能够根据常规的MCSA评估来求出)的频率位置(感兴趣的频率线=“主线”)具有明确限定的绝对相位位置(在图5中,例如60°-80°,暗),而干扰线,例如(在图6中清楚可见的)边带线具有与其偏离的相位位置(在图5中0°-20°,亮)。
因此,能够在主线周围的频带中选择“预先确定的”相位区间为,使得能够实现、优选地增大、尤其最大化相对于干扰线的相位位置的可区分性。
(相位)滤波器例如能够实现为,使得Y(f,t)=X(f,t)*相位滤波器(f,t),其中,如果P(f,t)在预先确定的区间外,则相位滤波器(f,t)=0,如果P(f,t)在预先确定的区间内,则相位滤波器(f,t)=1。由此,能够将幅度中的干扰滤除,其中,公式Y(f,t)=X(f,t)在主线的相位位置处保持不变。
图7示出用于电机的状态监控的系统1,该电机例如构造为三相U、V、W异步电机2。系统1包括用于测量在三相异步电机2上的电流和/或电压的测量单元3和计算单元4。计算单元4具有计算机程序40。计算机程序40能够存在于计算单元4的计算机可读的易失性或非易失性介质上。
计算机程序40能够包括两个模块41、42,其中,第一模块41能够包括指令,在通过计算单元4实施第一模块41时,所述指令使得计算单元例如借助于傅里叶变换或小波变换执行评估在已知的损坏频率上的频谱幅度。第二模块42在此能够包括指令,在通过计算单元4实施第二模块42时,该指令促使计算单元根据上面提到的方法步骤S1至S3求出频率位置fL、f'L并且优选确定异步电机2的转差率和/或负载状态。
模块41和42中的每个模块也能够被构造为计算机程序。在此能够有效的是,为计算机程序42提供相应的频谱图100。
尽管通过实施例更详细示出并描述了本发明,但本发明不受所公开的示例限制。其变型方案能够由本领域技术人员在不偏离如以下权利要求所限定的本发明的保护范围的情况下获得。特别地,结合该方法描述的特征也能够在该系统中使用或使该系统完整,反之亦然。
Claims (13)
1.一种用于电机(2)的状态监控的计算机实现的方法,其中,在限定的频率范围((f1、f2)、(f3、f4))内求出频率位置(fL、f'L),使得在所述频率位置(fL、f'L)中电流幅度(I)最大,并且在电流矢量与电压矢量(PUI)之间或者在两个电流矢量(Pαβ)之间的相位关系处于预先确定的区间内,其中,求出的所述频率位置(fL、f'L)对于所述电机(2)的状态是特征性的。
2.根据权利要求1所述的方法,其中,在不同的、优选不重叠的多个预先确定的频率范围内分别求出频率位置,其中,不同的频率位置对于所述电机的不同的状态是特征性的。
3.根据权利要求1或2所述的方法,其中,所述电机是三相电机并且所述电机的状态是故障状态或运行状态。
4.根据权利要求3所述的方法,其中,所述三相电机是异步电机(2),并且通过0与临界转差率之间的转差率范围确定频率范围,尤其通过5%与10%之间的转差率范围确定频率范围。
5.根据权利要求3所述的方法,其中,所述三相电机是同步电机并且所述状态是故障状态。
6.根据权利要求3至5中任一项所述的方法,其中,所述相位关系是在α电流矢量与β电流矢量之间的相位关系(Ραβ)。
7.根据权利要求1至6中任一项所述的方法,其中,所述预先确定的区间是在40°与90°之间的、尤其在40°与60°之间的或者在70°与90°之间的区间。
8.根据权利要求1至7中任一项所述的方法,其中,在使用导纳或阻抗的情况下求出所述相位关系(PUI、(Pαβ)。
9.根据权利要求1至8中任一项所述的方法,其中,以预先确定的测量时间测量电流幅度,所述测量时间例如在大约0.1秒与10秒之间、例如在大约1秒至10秒之间、优选在大约1秒至5秒之间、特别是1秒。
10.一种计算机程序代码,包括指令,所述指令在由计算机(4)执行程序代码(42)时使所述计算机实施根据权利要求1至9中任一项所述的方法。
11.一种用于电机的状态监控的系统,其中,所述系统(1)包括计算单元(4),其中,所述计算单元(4)具有根据权利要求10所述的计算机程序代码(42)。
12.根据权利要求11所述的系统,其中,所述系统(1)附加地具有用于测量三相电机的电流和/或电压的测量单元(3)。
13.一种数据载体信号,所述数据载体信号传输根据权利要求10所述的计算机程序代码。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20193335.5 | 2020-08-28 | ||
EP20193335.5A EP3961230A1 (de) | 2020-08-28 | 2020-08-28 | Maschinenzustandsüberwachungsverfahren und -system |
PCT/EP2021/072634 WO2022043101A1 (de) | 2020-08-28 | 2021-08-13 | Maschinenzustandsüberwachungsverfahren und -system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115989418A true CN115989418A (zh) | 2023-04-18 |
Family
ID=72290890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180053335.8A Pending CN115989418A (zh) | 2020-08-28 | 2021-08-13 | 机器状态监控方法和机器状态监控系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230243876A1 (zh) |
EP (2) | EP3961230A1 (zh) |
KR (1) | KR20230054455A (zh) |
CN (1) | CN115989418A (zh) |
WO (1) | WO2022043101A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102022210431A1 (de) | 2022-09-30 | 2024-04-04 | Siemens Aktiengesellschaft | Verfahren zum Schätzen des Schlupfs eines Asynchronmotors |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6144924A (en) * | 1996-05-20 | 2000-11-07 | Crane Nuclear, Inc. | Motor condition and performance analyzer |
JP3701207B2 (ja) * | 2001-02-27 | 2005-09-28 | 株式会社日立製作所 | モータ制御装置及びそれを用いた電動車両 |
US7408322B2 (en) * | 2003-06-06 | 2008-08-05 | Mitsubishi Denki Kabushiki Kaisha | Device for determining constant of rotating machine |
WO2009071656A1 (de) * | 2007-12-07 | 2009-06-11 | Alstom Technology Ltd | Verfahren zur überwachung des wellenstromes und/oder der isolation der welle von elektromaschinen sowie vorrichtung zur durchführung des verfahrens |
DE102011079398A1 (de) * | 2010-12-21 | 2012-06-21 | Siemens Aktiengesellschaft | Überwachung und Fehlerdiagnose einer elektrischen Maschine |
WO2015047121A1 (en) * | 2013-09-25 | 2015-04-02 | Siemens Aktiengesellschaft | Method and apparatus for embedded current signature analysis and remote condition monitoring for industrial machinery |
EP3160037A1 (en) * | 2015-10-20 | 2017-04-26 | ABB Schweiz AG | Method for identifying the discrete instantaneous angular speed of an electromechanical system |
US10338119B2 (en) * | 2016-08-16 | 2019-07-02 | Kohler Co. | Generator waveform measurement |
EP3306284A1 (en) * | 2016-10-10 | 2018-04-11 | Rolls-Royce plc | A method and apparatus for diagnosing a fault condition in an electric machine |
JP7059161B2 (ja) * | 2018-10-22 | 2022-04-25 | 株式会社日立製作所 | 回転機診断システム |
-
2020
- 2020-08-28 EP EP20193335.5A patent/EP3961230A1/de not_active Withdrawn
-
2021
- 2021-08-13 US US18/023,636 patent/US20230243876A1/en active Pending
- 2021-08-13 WO PCT/EP2021/072634 patent/WO2022043101A1/de active Search and Examination
- 2021-08-13 CN CN202180053335.8A patent/CN115989418A/zh active Pending
- 2021-08-13 KR KR1020237010024A patent/KR20230054455A/ko active Search and Examination
- 2021-08-13 EP EP21762465.9A patent/EP4154027B1/de active Active
Also Published As
Publication number | Publication date |
---|---|
US20230243876A1 (en) | 2023-08-03 |
EP4154027A1 (de) | 2023-03-29 |
WO2022043101A1 (de) | 2022-03-03 |
EP4154027B1 (de) | 2024-05-15 |
KR20230054455A (ko) | 2023-04-24 |
EP3961230A1 (de) | 2022-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2790028B1 (en) | Broken rotor bar detection based on current signature analysis of an electric machine | |
de Jesus Romero-Troncoso | Multirate signal processing to improve FFT-based analysis for detecting faults in induction motors | |
US10310016B2 (en) | Method for the diagnostics of electromechanical system based on impedance analysis | |
Pineda-Sanchez et al. | Application of the Teager–Kaiser energy operator to the fault diagnosis of induction motors | |
EP2156159B1 (en) | System and method for bearing fault detection using stator current noise cancellation | |
Xu et al. | Improvement of the Hilbert method via ESPRIT for detecting rotor fault in induction motors at low slip | |
US10088506B2 (en) | Method for detecting a fault condition in an electrical machine | |
EP2565658B1 (en) | Fault detection based on current signature analysis for a generator | |
EP2374015B1 (en) | System and method for motor fault detection using stator current noise cancellation | |
US7081760B2 (en) | Method of diagnosing a broken bar fault in an induction motor | |
Choi et al. | Performance-oriented electric motors diagnostics in modern energy conversion systems | |
EP3652551B1 (en) | Technique to detect motor leakage flux anomalies | |
Corne et al. | Comparing MCSA with vibration analysis in order to detect bearing faults—A case study | |
Kechida et al. | Discrete wavelet transform for stator fault detection in induction motors | |
CN115989418A (zh) | 机器状态监控方法和机器状态监控系统 | |
Ogidi et al. | Measuring fault indicators in electric machines-learning experience | |
Yeolekar et al. | Outer race bearing fault identification of induction motor based on stator current signature by wavelet transform | |
Treetrong | Fault detection and diagnosis of induction motors based on higher-order spectrum | |
Drif et al. | The instantaneous power factor approach for rotor cage faults diagnosis in three-phase induction motors | |
Drif et al. | The instantaneous reactive power approach for rotor cage fault diagnosis in induction motor drives | |
Lebaroud et al. | Diagnosis of induction motor faults using instantaneous frequency signature analysis | |
Di Tommaso et al. | Double squirrel cage induction motors a new approach to detect rotor bar failures | |
Orman et al. | A novel non-invasive method for detecting missing wedges in an induction machine | |
Choi et al. | Fault diagnosis technique of induction machines with ordered harmonic and noise cancellation | |
Salah et al. | A contact-less sensor for detecting low-frequency ripples of the load driven by a squirrel cage motor |
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 |