基于奇异值分解滤波与APES算法的异步电动机转子故障检测
2016-05-22许伯强李金卜
电力自动化设备 2016年8期
许伯强,李金卜
(华北电力大学 电气与电子工程学院,河北 保定 071003)
0 引言
转子故障(如转子断条)是异步电机常见故障之一,在各类异步电机故障中约占10%,因此对其进行检测是十分必要的。
文献[1-2]阐明,当异步电机转子发生故障时,定子电流中会出现(1+2s)f1和(1-2s)f1(其中 s为转差率,f1为供电频率)频率的分量,这2个分量称为故障特征频率分量,它们可以作为转子故障检测的依据,而最常用的转子故障检测方法就是对定子电流信号进行频谱分析。但是,直接对定子电流信号进行频谱分析,特征频率分量可能因为f1分量的泄漏而被淹没,导致检测失败。对此文献[3]提出了解决这一问题的思路,即对平稳定子电流信号进行自适应滤波处理,将定子电流f1分量滤除,然后再进行傅里叶变换。文献[4]通过希尔伯特变换将f1分量转化成直流量,再对希尔伯特模量进行频谱分析。文献[5-6]避开电流信号对振动信号或位移信号进行频谱分析以检测故障。
在实际工程应用中,上述基于傅里叶变换的方法存在无法抑制噪声和因采样时间长而无法回避负荷波动的局限。为了达到频率分辨力的要求,必须保证足够长的采样时间(频率分辨力等于采样时长的倒数)。文献[7]提出了基于电机输出功率的检测方法,文献[8]通过分析逆变器驱动电机的逆变器直流侧的电流成分来判断转子是否发生故障,这2种方法并未基于定子电流信号进行频谱分析,回避了傅里叶变换。
现代信号处理技术的快速发展,为解决上述问题提供了新思路。……
登录APP查看全文
