【摘要】：本課題來源于山西省重大專項“基于物聯(lián)網(wǎng)的煤礦重大生產裝備狀態(tài)監(jiān)測及全壽命周期管理系統(tǒng)開發(fā)”(20131101029)中的子課題“礦井主通風機狀態(tài)監(jiān)測及全壽命周期管理系統(tǒng)開發(fā)”。本課題以礦井主通風機中的電動機故障診斷為主要研究內容,旨在通過理論分析、仿真建模、智能診斷等環(huán)節(jié)實現(xiàn)籠型異步電動機單一和復合故障的有效監(jiān)測和可靠診斷。礦井主通風機中的高壓電動機為籠型異步電動機,除用于礦井通風,其在工農業(yè)中也普遍應用。驅動負載復雜多樣,運行條件惡劣多變,這致使籠型異步電動機故障多發(fā)。轉子斷條故障占籠型異步電動機故障的比例高達10%,絕大部分的機械故障都會引起氣隙偏心。由于裝配誤差和加工缺陷,即使全新的異步電動機也會存在一定的靜態(tài)偏心。靜態(tài)偏心會產生不對稱的磁拉力,從而引起動態(tài)偏心,而轉子斷條、軸承缺陷等故障也會直接引起動態(tài)偏心,因此,常見的偏心故障類型為混合偏心。在轉子斷條故障發(fā)生時,輕則伴有靜態(tài)偏心故障,重則伴有混合偏心故障。并且轉子斷條和偏心故障在定子電流中產生的低頻特征頻率十分接近,難以區(qū)分。對轉子斷條、氣隙偏心以及轉子斷條與偏心復合故障進行研究和診斷,一方面能夠對每種單一故障進行深入分析,明確區(qū)分故障類型,另一方面能夠對復合故障進行機理分析,推導其故障特征頻率,以有效識別單一和復合故障。轉子斷條和偏心故障直接導致氣隙磁場變化,引起定子電流波動,在定子電流中會衍生出附加諧波頻率�；诖�,眾多前人學者經過多年研究實驗總結了轉子斷條和三種偏心故障在定子電流中的故障特征頻率公式。但轉子斷條與靜態(tài)偏心復合故障、轉子斷條與混合偏心復合故障不僅僅是簡單的兩種單一故障特征頻率的疊加。兩種故障同時發(fā)生時,氣隙磁場會形成一種新的平衡態(tài),電機內部的磁通分布情況也會相應調整,畸變的磁場會在定子電流中感應出諧波,復合故障下需要重新對此諧波進行計算。按照這種思路,本文將籠型異步電動機看作具有相互運動的轉子和定子回路,按電路法則建立了籠型異步電動機的多回路數(shù)學模型。多回路分析方法的難點是準確計算電動機的電感參數(shù)。本文采用改進的繞組函數(shù)法(Modified Winding Function Method,MWFA)計算電感系數(shù),結合多回路模型得到復合故障下的定子電流特征頻率公式。為進一步了解復合故障下電機內部的磁場變化情況,并驗證理論分析結果,本文基于Ansoft/Mxawell有限元仿真軟件對籠型異步電動機進行了仿真建模,在電機模型本體的基礎上分別加入多種故障,得到電機在多種故障類型下的磁場變化情況,并獲得了相應的仿真電流波形。通過分析仿真定子電流的頻譜,驗證了機理分析結果。結合理論推導和仿真分析結果,設計了籠型異步電動機單一和多故障實驗方法,制作了故障配件,對上述單一和復合故障進行了實驗,達到了理論、仿真、實驗結果相一致。故障分析是手段,診斷才是目的。針對籠型異步電動機的多故障診斷問題,本文提出了經驗模態(tài)分解(Empirical Mode Decomposition,EMD)和離散隱馬爾科夫模型(Discrete Hidden Markov Model,DHMM)相結合的診斷方法。首先對每種故障類型下的定子電流進行EMD分解,選取有效的固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF)組成特征向量,然后以每種故障類型下的特征向量訓練相應的DHMM模型,計算測試數(shù)據(jù)在每個DHMM下的最大似然概率值,確定故障類型。本文通過機理分析、仿真建模、實驗驗證和故障診斷對籠型異步電動機的轉子斷條、靜態(tài)偏心、動態(tài)偏心、混合偏心四種單一故障類型,轉子斷條與靜態(tài)偏心復合故障、轉子斷條與混合偏心復合故障兩種復合故障進行了研究,實現(xiàn)了單一故障和復合故障的有效識別。
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM343.3

【參考文獻】

相關期刊論文 前10條

1 鮑曉華;呂強;王漢豐;;基于齒部磁場分析的大型潛水電機氣隙偏心故障研究[J];電工技術學報;2016年08期

2 沈凱凱;耿德康;;EMD和FFT結合的轉子斷條故障分析[J];南京工程學院學報(自然科學版);2015年04期

3 梁峰;張丹丹;張榮華;;基于BP神經網(wǎng)絡的水潤滑艉軸承故障診斷研究[J];機械傳動;2015年07期

4 宋國強;張新燕;王維慶;常喜強;孟瑞龍;;1.5MW雙饋風力發(fā)電機電磁場和溫度場分析[J];電源技術;2015年05期

5 于天劍;陳雅婷;陳特放;陳春陽;;基于HMM在電機故障診斷上的研究[J];鐵道科學與工程學報;2014年04期

6 祝洪宇;胡靜濤;高雷;黃昊;;Morlet小波解調制方法診斷鼠籠電機轉子斷條故障[J];電機與控制學報;2014年07期

7 陳向民;于德介;李蓉;;基于形態(tài)分量分析的滾動軸承故障診斷方法[J];振動與沖擊;2014年05期

8 李孝全;王亞平;孫安全;;EMD分解在感應電機轉子復合故障診斷中的應用[J];微電機;2014年02期

9 和麟;梁麗嬡;黃瀟瑤;馬存寶;;基于粒子群優(yōu)化SVM的飛機發(fā)電機故障診斷[J];計算機測量與控制;2013年12期

10 曹端超;康建設;趙勁松;張星輝;;改進EMD和HMM的齒輪故障診斷方法應用[J];噪聲與振動控制;2013年03期

相關碩士學位論文 前1條

1 王鑫;電氣設備的在線監(jiān)測與故障診斷[D];山東大學;2005年

，

本文編號：2540758