基于高阶谱的异步电机定子匝间短路故障诊断方法研究*
2020-11-16籍超男
重庆工商大学学报(自然科学版) 2020年6期
籍超男, 梁 喆
(安徽理工大学 电气与信息工程学院,安徽 淮南 232000)
0 引 言
异步电机作为社会生产生活的核心设备,一旦发生故障,会造成严重危害。目前,我国对于异步电机的故障诊断主要包括定子、转子以及轴承故障诊断。其中定子故障的发生率几乎达到了40%,所以,此类故障诊断方法研究迫在眉睫。
赵慧敏等[1]利用小波变换和支持向量机(support vector machine,SVM)进行异步电机的定子故障诊断;吴建萍等[2]将小波变换与小波神经网络相结合从而实现电机故障信号的提取和分析,小波变换适用在分析匹配非平稳信号,对有效处理故障特征有很好的时频效果,但并不能提取到明显的特征量,而且利用小波变换对信号降噪需要选取合适的小波函数,往往不能达到理想效果给后续信号处理带来困难;夏立等[3]从信号频谱分析的角度出发,基于信息融合分析对感应电机的定子匝间故障检测方法提供了新思路,但这种方法需要大量的先验知识和丰富的处理数据经验;王丽华等[4]利用深度学习法提取机械振动信号的特征量,在大量的数据支撑下能够提高故障诊断的准确率,但是深度学习方法作为近年新兴的学习算法,为了保证算法实时性,需要更高的并行编程技巧和更多更好的硬件支持。
本文在上述文献的基础上,从故障定子电流频谱分析角度思考,发现信噪比低故障特征不明显的故障诊断中,常用的频域分析方法,各种故障的频谱图差别不大,给具体诊断带来困难。……
登录APP查看全文