简介:本文叙述了感应电动机在线检测的一种新方法。该系统使用了人工神经网络来学习正常电动机在线运行的频谱特性。这种学到的频谱可能包含了许多由对应于常规运行工况的负载所引起的谐波。为将不断受到监控的谐波数减少到易于处理的数量,使用了可选频率滤波器。该频率滤波器按照神经网簇算法只通过那些已知对故障检测有重要意义的谐波,或者那些连续在设定的水平以上的谐波。在充分的训练周期后,在形成新的簇且维持一段时间后,神经网络就发出潜在的故障状态信号。由于故障状态是通过与机器的先前状态作了比较后发觉的,同此,使用这个系统而不需要有关于电动机或负载特性的信息就不可实现在线故障预测。这个检测算法得到了实施,其性能在各类故障上得到了验证。
简介:本文论述感应电动机中的断裂导条检测问题。作为检测之根据的假设时,当转子导条断裂时,感应电动机的转子表观电阻将会增加,为了检测断裂导条,定子电压和电流的测量是通过一个用于转速和转子电阻同时估测的扩展卡尔曼滤波器进行的,特别是,对转子电阻进行估测并与它的正常值作比较,以检测断裂导条,在所建议的扩展卡尔曼滤波器方法中,状态协方差矩阵补充分加权。导致一个比较好的动态状态估测,它的主要优点是,甚至对一台空载的感应电动机,也能作出正确的转子电阻估测,作为该估测过程的一个部分,有必要对转子电阻中的热变化加以补偿,对于一台4-kW4极鼠笼型感应电动机所进行的计算机模拟,令人鼓舞地证实了所建议的无传感器断条检测技术的有效性。
简介:感应电动机的振动问题是极其有害的。它可能导致可靠性的和大大降低。在整个运行和制造加工过程中避免和减小振动问题是迫切必要的,如果问题发生了,就应尽快发现问题根源并予以解决,应用恰当的知识和诊断方法,通常是可以快速正确确定振动原因的。常常也会因为不明了振动的真正原因而下了错误的结论。这导致专注于设法解决一个错误诊断的问题。而在该过程中花费大量的时间和金钱。通过正确的数据收集和分析方法,可以发现真正的振动根源。这包括(但不限于)以下方面,电不平衡;机械不平衡-电动机,联轴器,被驱动设备,机械因数-松动,摩擦,轴承,等等,外部因素-基础,被驱动设备,未对准,等等,共振,临界转速,簧片临界,等等,一旦了解了电动机内机电相互作用以及外部零部件对电机表现振动的影响,对损坏零部件的识别通常就直截了当,本文提供了一个快捷了解和解决这类振动问题的分析方法。