基于兩相電流互高階累積量的電機(jī)故障特征檢測(cè)方法研究.pdf

1、感應(yīng)電機(jī)具有可靠性高、成本低、結(jié)構(gòu)簡(jiǎn)單、實(shí)用性強(qiáng)等優(yōu)點(diǎn),在工業(yè)企業(yè)中被廣泛使用。一旦電機(jī)出現(xiàn)突發(fā)故障,可能導(dǎo)致生產(chǎn)線停止運(yùn)行,從而造成經(jīng)濟(jì)損失。因此,在電機(jī)處于早期故障的階段,如果能有效地提取出故障特征并確定故障的類型,有針對(duì)性地制定維護(hù)計(jì)劃,就可避免經(jīng)濟(jì)損失。對(duì)于低壓的中、小型電機(jī),軸承故障是其最主要的故障類型,大約占全部故障類型的40％～60％,對(duì)于小型電機(jī)甚至高達(dá)90％。因此本文針對(duì)感應(yīng)電機(jī)的軸承故障進(jìn)行研究。
　　 本文

2、采用定子電流特征分析法(Motor Current Signature Analysis,MCSA)來描述軸承故障的特征。當(dāng)軸承中存在不同的故障時(shí),會(huì)在定子電流中產(chǎn)生對(duì)應(yīng)的故障特征頻率,但該故障特征頻率的幅值很小,由于定子電流中還包括基波、諧波和來自電網(wǎng)的背景色噪聲,因此電機(jī)故障的早期預(yù)警問題可以總結(jié)為:色噪聲背景下,非線性、非平穩(wěn)、非高斯信號(hào)中的弱信號(hào)特征的提取問題。
　　 本文利用故障特征頻率與其它頻率成分之間存在相位耦合的

3、現(xiàn)象,來提取弱故障特征。傳統(tǒng)的基于二階統(tǒng)計(jì)量的譜估計(jì)方法忽略了信號(hào)的相位信息。而高階累積量可以對(duì)非線性、非平穩(wěn)、非高斯信號(hào)進(jìn)行有效處理,它不僅可以有效的抑制背景色噪聲,而且可以分析出信號(hào)中的二次相位耦合的現(xiàn)象。因此本文采用高階累積量的方法,但不依賴于切片譜中特征的微弱幅值信息,而是利用特征與其它頻率成分之間存在多次的相位耦合現(xiàn)象來檢測(cè)并識(shí)別軸承故障。
　　 本文通過檢測(cè)電機(jī)的兩相電流,利用互高階累積量具有抑制高斯有色噪聲的能力,

4、結(jié)合多信號(hào)分類法(Multiple Signal Classification,MUSIC)提取弱信號(hào)特征的能力,提出了基于互高階累積量的電機(jī)故障特征檢測(cè)方法。通常在提高分辨率的同時(shí),會(huì)造成偽峰,干擾故障特征的檢測(cè)。本文選擇采用奇異值分解-最小二乘法(Singular Value Decomposition-Total Least Squares,SVD-TLS)來解決偽峰的問題。
　　 本文通過仿真研究驗(yàn)證了上述方法的有效性。