基于LMD和CZT的變頻調(diào)速電動機故障診斷方法研究.pdf

1、隨著電力電子技術的飛速發(fā)展,電動機在國民經(jīng)濟的發(fā)展中得到了廣泛應用。電機轉(zhuǎn)子、滾動軸承以及齒輪是變頻調(diào)速電動機的重要組成部分,對其進行故障診斷具有重要意義。電機旋轉(zhuǎn)機構(gòu)的故障信號大都為多個調(diào)制分量相互疊加的調(diào)頻調(diào)幅信號之和,由于其多載波多調(diào)制、非線性非平穩(wěn)的特性,在故障診斷中有必要采取合適的信號特征提取方法。時頻分析方法由于能同時提供信號在時域和頻域的局部特征信息而成為一種應用廣泛的分析工具。本文在研究了局域均值分解方法(Local m

2、ean decomposition, LMD)的基礎上,提出了一種基于線性調(diào)頻 Z變換(Chirp Z Transform, CZT)和LMD邊際譜的新的自適應故障診斷方法,并運用到電機轉(zhuǎn)子、滾動軸承以及齒輪的故障診斷。
　　本文首先介紹了變頻調(diào)速電動機故障診斷的研究背景,詳細分析了電機轉(zhuǎn)子斷條、轉(zhuǎn)子偏心、軸承點蝕以及齒輪裂紋的故障機理。然后描述了信號的時頻分析方法的發(fā)展歷程,引出了局域均值分解方法。隨后詳細介紹了局域均值分解方法

3、的基本原理和算法設計思路,設計了一個調(diào)頻調(diào)幅的仿真信號驗證局域均值分解方法的可行性。針對目前研究中存在的分辨率不高的問題,提出運用線性調(diào)頻 Z變換方法來校正瞬時頻率,提高了局部分辨精度。接下來嘗試定義了LMD譜以及LMD邊際譜的概念,通過對比Fourier幅值譜和LMD邊際譜,明確了LMD邊際譜的物理意義,體現(xiàn)了原始信號中的整體能量分布特征。
　　最后,本文依托QPZZ-II旋轉(zhuǎn)機械振動故障平臺,將線性調(diào)頻Z變換和LMD邊際譜運用