本文選題：異步電動機 + 轉(zhuǎn)子斷條故障��； 參考：《華北電力大學學報(自然科學版)》2015年06期

【摘要】：提出了一種基于奇異值分解濾波技術的多重信號分類算法與擴展Prony算法相結(jié)合的異步電動機轉(zhuǎn)子斷條故障檢測的新方法。奇異值分解濾波技術可以高效率地濾除電機定子電流信號中的基頻分量與有色噪聲,從而凸顯轉(zhuǎn)子斷條故障特征頻率分量;多重信號分類方法可在短時采樣數(shù)據(jù)條件下準確計算故障特征分量的頻率;擴展Prony方法則可以精確計算出各特征分量的幅值,彌補了多重信號分類算法無法求解幅值的不足。因此,將三者結(jié)合即可在短時采樣信號條件下以高頻率分辨力準確提取轉(zhuǎn)子斷條故障特征頻率分量。對一臺異步電機進行試驗,結(jié)果表明:新方法簡單、實用,效果理想。
[Abstract]:A new fault detection method for rotor broken bars of asynchronous motor based on singular value decomposition (SVD) and extended Prony (extended Prony) algorithm is proposed. The singular value decomposition (SVD) filtering technique can efficiently filter the fundamental frequency component and colored noise in the stator current signal of the motor, thus highlighting the characteristic frequency component of the rotor broken strip fault. The multi-signal classification method can accurately calculate the frequency of fault feature components under the condition of short-time sampling data, and the extended Prony method can accurately calculate the amplitude of each characteristic component, which makes up for the deficiency that the multi-signal classification algorithm can not solve the amplitude value. Therefore, the fault characteristic frequency component of rotor broken bar can be accurately extracted by high frequency resolution under the condition of short-time sampling signal. The experimental results of an asynchronous motor show that the new method is simple, practical and effective.
【作者單位】： 華北電力大學電氣與電子工程學院;
【基金】：國家自然科學基金資助項目(51277077)
【分類號】：TM343

【參考文獻】

相關期刊論文 前1條

1 錢征文;程禮;李應紅;;利用奇異值分解的信號降噪方法[J];振動.測試與診斷;2011年04期

【共引文獻】

相關期刊論文 前10條

1 黃奐;盧泉;黃陽;陳邕安;;基于奇異值分解和總體最小二乘-旋轉(zhuǎn)矢量不變技術的電力系統(tǒng)基波頻率測量方法[J];電測與儀表;2014年16期

2 張文斌;;基于順序形態(tài)濾波與奇異熵的齒輪故障特征提取方法[J];制造業(yè)自動化;2013年23期

3 張文斌;;奇異值能量差分譜在信號降噪中的應用[J];工礦自動化;2014年10期

4 朱世欣;譙自健;楊智剛;;基于SVD-EMD的有效微弱信號提取算法[J];測控技術;2014年11期

5 王建國;李健;萬旭東;;基于奇異值分解和局域均值分解的滾動軸承故障特征提取方法[J];機械工程學報;2015年03期

6 柴凱;張梅軍;黃杰;趙晶;;基于SVD-SGWT和IMF能量熵增量的液壓故障特征提取[J];機械設計與制造;2015年03期

7 李明;;基于最小方差遞推算法的電力系統(tǒng)間諧波譜估計仿真分析[J];內(nèi)蒙古電力技術;2015年02期

8 潘崢嶸;譙自健;張寧;戴芮;;基于互相關的有效奇異值消噪方法[J];計算機工程與應用;2015年15期

9 鄭顧平;李強;李剛;;基于遺傳算法的奇異值分解信號去噪算法[J];計算機應用研究;2015年08期

10 朱紅運;王長龍;王建斌;馬曉琳;;基于奇異值分解和Savitzky-Golay濾波器的信號降噪方法[J];計算機應用;2015年10期

相關碩士學位論文 前10條

1 李景元;基于變頻調(diào)速的異步電機轉(zhuǎn)子斷條故障診斷[D];西安科技大學;2011年

2 藍娟;籠型感應電動機斷條故障的有限元計算與分析[D];哈爾濱工業(yè)大學;2006年

3 周慧寰;信號特征提取技術及其在電機故障檢測中的應用[D];華北電力大學（河北）;2007年

4 褚艷玲;異步電動機轉(zhuǎn)子和軸承故障檢測方法研究[D];華北電力大學（河北）;2007年

5 張惺;感應電動機內(nèi)部故障分析及檢測方法研究[D];華南理工大學;2010年

6 張保龍;變頻調(diào)速異步電動機軸承故障特征分析[D];華北電力大學;2012年

7 馬理;雙饋式風力發(fā)電機定子繞組匝間短路的電磁場分析[D];華北電力大學;2012年

8 郭鋼祥;基于局域均值分解和神經(jīng)網(wǎng)絡的柴油機故障診斷研究[D];中北大學;2013年

9 郭海東;航空發(fā)動機多混疊微弱振動信號的識別與分離方法研究[D];南京航空航天大學;2013年

10 姜海波;民航發(fā)動機水洗效果評價及系統(tǒng)實現(xiàn)[D];哈爾濱工業(yè)大學;2014年

【二級參考文獻】

相關期刊論文 前10條

1 邱阿瑞;張龍照;;鼠籠式異步電動機轉(zhuǎn)子導條及端環(huán)故障時的穩(wěn)態(tài)運行分析[J];電工技術學報;1987年03期

2 姜建國;汪慶生;楊秉壽;邱阿瑞;;用自適應方法提取鼠籠式異步電機轉(zhuǎn)子斷條的特征分量[J];電工技術學報;1990年04期

3 趙學智;葉邦彥;陳統(tǒng)堅;;矩陣構(gòu)造對奇異值分解信號處理效果的影響[J];華南理工大學學報(自然科學版);2008年09期

4 邱阿瑞,孫健;用人工神經(jīng)網(wǎng)絡實現(xiàn)對感應電機轉(zhuǎn)速的估計[J];清華大學學報(自然科學版);1999年09期

5 邱阿瑞;提取感應電動機轉(zhuǎn)子故障特征的新方法[J];清華大學學報(自然科學版);1997年01期

6 朱守真,沈善德,鄭宇輝,李力,艾芊,曲祖義;負荷建模和參數(shù)辨識的遺傳進化算法[J];清華大學學報(自然科學版);1999年03期

7 康春玉;章新華;;一種基于奇異值分解的自適應降噪方法[J];聲學技術;2008年03期

8 孫鑫暉;張令彌;王彤;;基于奇異值分解的頻響函數(shù)降噪方法[J];振動、測試與診斷;2009年03期

9 朱啟兵,劉杰,李允公,聞邦椿;基于結(jié)構(gòu)風險最小化原則的奇異值分解降噪研究[J];振動工程學報;2005年02期

10 王維;張英堂;徐章遂;;基于動態(tài)聚類的奇異值分解降噪方法研究[J];振動工程學報;2008年03期

【相似文獻】

相關期刊論文 前4條

1 鄧兵;董云龍;劉賢忠;楊立永;;多重信號分類算法測向精度的仿真分析[J];海軍航空工程學院學報;2010年01期

2 張玉波;黎雄;韓東波;;基于多重信號分類法的線性調(diào)頻差頻頻率估計[J];航空兵器;2011年02期

3 鄧兵;平殿發(fā);劉賢忠;尹德強;;短波段內(nèi)多重信號分類算法的窄帶假設分析[J];海軍航空工程學院學報;2009年04期

4 ;[J];;年期

相關會議論文 前1條

1 朱長春;;多重信號分類MUSIC法識別短時信號[A];中國工程物理研究院科技年報（1999）[C];1999年

相關碩士學位論文 前1條

1 LOUNICI Merwan（奧�。�;基于多重信號分類算法的波達方向估計系統(tǒng)的實現(xiàn)[D];哈爾濱工程大學;2012年

，

本文編號：1902829