简介:针对大型设备故障诊断中特征量表现出来的不确定性和非精确性,提出了一种基于灰色关联理论来获取基本概率测度(BPA)的方法。该方法确定各故障特征量的参考样本,然后根据灰色相关性理论求得待诊断样本的相关系数,所取得的相关系数进行归一化处理即得到BPA值,经过Dempster多源组合规则进行多证据融合,得到最后的诊断结果。将所提方法用于电机转子故障诊断,实验结果表明该方法有效。
简介:本文讨论应用电动机电流频谱分析的方法检测感应电动机滚动轴承的故障。目前用于检测轴承故障工况的方法是监测轴承的机械振动频率。由于这些机械振动与电机气隙变化有关,所以对气隙磁通密度进行调节,产生的定子电流频率也可预测,这种频率是与电源频率和振动频率有关。本文首先研讨电流监测对轴承故障检测的效果,其方法是在轴承初期故障引起的振动频率和电流频率之间建立联系。对轴承故障的型式进行了考察,确定了与轴承具体结构有关的轴承特征频率。叙述了对定子电流频谱的影响,确定了相关的频率。在设计监测定子电流的故障检测图方面,这是一项重要的结果。测试结果显示了具有各种轴承故障的感应电机振动和电流频谱,它们可用来验证振动频率与电流频率之间存在的关系。测试结果清楚地表明定子电流波形可用来识别轴承故障的存在与否。
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。