基于emd与zoom-fft结合的感应电机转子断条检测

《基于emd与zoom-fft结合的感应电机转子断条检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第一章绪论状态检测与故障诊断领域。随着工业技术的飞速发展，感应电机越来越多的应用于各种场合中，而电机在不同的运行条件下，对其诊断要求也可能存在很大的差异，仅仅依靠定子电流信号的傅立叶变换频谱分析来解决感应电机转子故障诊断问题，显然还有很多不足，比如如何识别转子断条故障与负荷波动、电机故障严重程度因子获取等ll牝1‘。综上所述，感应电机故障的有效、可靠诊断必须依靠电机故障及其对应征兆的关联分析，同时电机运行参数的选择以及先进有效的信号处理技术也是决定感应电机故障诊断可靠性的决定性条件。在现有信号测量装置和技术的基础上，首先要选择那些比较敏感而又容易获取的参数如定子电流、电磁转矩、瞬时功

2、率等，其次要结合合理的信号处理技术对感应电机参数中的故障特征分量进行分析，从而识别感应电机故障。1．2．3感应电机转子断条故障信号处理技术的研究现状用于感应电机故障诊断的信号有振动、噪声、温度、压力、电流、电压等，统称为检测信号。检测信号中蕴含了反映设备运行状态的重要信息，但一般情况下很难直接观察出信号的特征，必须采用合适的方法对原始信号进行处理以提取敏感的反映故障征兆的特征。故障信号处理技术就是对这些检测信号进行加工、变换，提取出对诊断有用的特征量，所以信号处理技术在整个故障诊断过程中是起着重要的桥梁作用。目前，常用的方法有信号时域分析方法、信号频域分析方法和时频分析方法f17以9

3、1。(1)信号时域分析方法自适应滤波、时域平均与自相关分析是常用的几种时域消噪方法，这些方法在消噪的同时保留了信号的时域特征，可用于分析信号特征。时间序列模型参数与统计分析参数(如方差、自相关系数等)是常用的信号时域特征参数提取方法，这些参数可用于电机故障诊断。(2)信号频域分析方法以快速傅立叶变换(FFT)为核心的经典信号处理方法在故障诊断中发挥了巨大的作用，它包括频谱分析、相关分析、相干分析、传递函数分析、细化谱分析、时间序列分析、倒谱分析、包络分析等。常用的特征参数就是FFT谱和功率谱，FFT谱的幅值和相位充分反映了信号的各个组成频率成分；功率谱是现代谱分析方法的代表，特别适于

4、分析短序列随机信号。(3)信号时频分析方法①短时功率谱方法短时功率谱分析的基本思想是用一固定的滑动窗沿时间轴将信号截取，划分4第一章绪论为短片段，允许前后片段之间有部分数据重叠，计算每一段短信号的功率谱，将计算结果按时间顺序排列就可以观察出信号频谱结构的时变特征。短时分析方法突出了信号的局部特征，己在电机监测‘、故障诊断中得到一定的应用【19-20,27】。②时频分布方法量子物理学家Wigner和Viile首次提出了Wigner-Ville时频分布，Classen等人系统地研究了这种方法在信号时频分析中的应用，L．Choen提出的Choen类时频分布统一了在此之前所提出的各种时频分布

5、，即各种时频分布都可以表示成原信号的时频分布与一核函数的时频分布的二维卷积(己经证明短时功率谱也是一种时频分布)，时频分布的性能是由核函数所决定的。信号的时频分布具有很高的时频分辨率，但它不是待分析信号的线性函数，所以多频率成分信号的时频分布中包含有严重的交叉干涉项，交叉干涉项的存在使时频分布容易受到噪声的干扰，如何减少时频分布中的交叉干涉项也是目前研究的热剧列d2

6、。③小波分析方法小波分析是近年来出现的一种新信号时频分析方法，它通过一个变尺度滑动窗沿时间轴对信号进行分段截取和分析，与短时Fourier分析很相似，但小波分析中的滑动窗特性不是固定的，而是随着尺度因子而改变：在时间一频

7、率相平面的高频段，滑动窗的时窗宽度变窄而频窗宽度变宽，具有较高的时间分辨率和低的频率分辨率，在时间一频率相平面的低频段，滑动窗的时窗宽度变宽而频窗宽度变窄，具有较低的时间分辨率和高的频率分辨率。由于良好的时频局部化特征，小波变换可以准确地抓住瞬变信号的特征，对信号中短时高频成分进行准确定位，也能对信号中的低频缓变趋势进行估计，这一点正是小波分析的精华所在。离散小波变换的基础上Wickerhauser进一步提出了小波包分析方法，可以根据信号特征灵活地调整分析结果在各频段的时间分辨率和频率分辨犁22。26

8、。小波分析方法已在电机监测、故障诊断中得到一定的应用。④Hilbert—Huang

9、分析方法Hilbert．Huang变换是一种新型的信号处理方法，非常适合处理非线性、非平稳信号。这种方法包括两个过程：经验模态分解(empiricalmodedecomposition，EMD)和Hilbert变换，其中最关键的部分是EMD方法。EMD方法基于信号的局部特征时间尺度，能把复杂的信号函数分解为有限的内禀模态函数(intrinsicmodefunction，IMF)之和，每一IMF所包含的频率成分不仅与分析频率有关，且最重要的是随信号本身变化而