基于双相干谱的电机轴承故障检测方法研究

《基于双相干谱的电机轴承故障检测方法研究》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、中文摘要摘要众所周知，感应电动机广泛应用于工业生产、国防工程以及军事等各领域。为保证安全生产，避免电机失效和高价维修，电机的早期故障检测也就显得尤为重要。轴承故障是电机中发生几率最高的故障类型，因此本文主要研究感应电动机轴承故障的检测方法。定子电流特征分析法将轴承的常见故障与定子电流的特征频率建立了函数关系。当运行电机的轴承存在故障时，定子电流中将相应地产生特定的故障特征频率，且该特征频率与基波、谐波间存在非线性相位耦合现象。因此，通过分析定子电流中的故障特征频率与其它频率成分之间的耦合关系，可以确定电机轴承故

2、障类型。在提取定子电流中的故障特征频率时，面临的问题是如何抑制来自电网的背景色噪声。另外对于早期故障，微弱的故障特征信息淹没在噪声中，导致特征提取比较困难。本文采用高阶统计量中的双相干谱对采样数据进行分析，不仅利用了定子电流信号中的频率信息，还保留了信号中的相位信息，从而可反映出各频率成分之间的相位耦合现象。此外高阶统计量强大的消噪能力理论上能完全抑制高斯噪声。本文利用高阶统计量具有抑制高斯噪声的能力，以及双相干谱定量描述二次相位耦合的程度，提出了基于双相干谱的电机轴承故障检测方法。文中还对普通的双相干谱算法进

3、行了改进。首先，采用一组相互正交的离散椭球序列作为窗函数，代替汉宁窗来对信号进行时域加窗处理。其次，普通双相干谱算法将采样数据进行分段处理再平均，由于每段的数据量较少，最终会导致频谱泄露，谱估计结果中还会出现大量伪峰；而改进算法则是将采样数据进行整段处理，能避免上述的频谱泄露现象。另外，离散椭球序列能更好的减少谱估计中频率成分的旁瓣泄露，使信号在有限采样点时的傅里叶变换具有更好的能量集中特性。本文通过仿真研究验证了上述方法的有效性。所设计出的轴承故障在线检测系统利用上述方法有效地识别了轴承的故障状态。关键词：轴

4、承故障；双相干谱；离散椭球序列；相位耦合英文摘要ABSTRACT舡weallknow，inductionmotorsarewidelyusedinnumerousfields，suchasindustrialproduction，nationaldefenceandmilitary．In0rdertoensurethesecurityofproducting，avoidfailuresandhigher-pricedmaintenance，faultdetectionwillbesignificativeinn

5、ascentstage．Underthecircumstancesofthehighestincidencerateofthebearingfault，westudyonthedetectionmethodofthebearingfaultininductionmotorsinthispaper．MotorCurrentSignatureAnalysissetsafunctionalrelationbetweenthecommonfaultsinthebearingandcharacteristicfreque

6、nciesinstatorcurrent．Whilethemoto璐arcrunningwithbearingfaults，somespecificfaultcharacteristicfrequencieswillbegeneratedaccordinglyinstatorcurrent．However，therearenonlinearphasecouplingphenomenabetweenthosefaultcharacteristicfrequenciesandfundamentalwave、harm

7、onicwave，whichwecanconsequentlyconfirmthefaultcategoryfrom．Whileweextractfaultcharacteristicfrequenciesfromthesignal，thereisaproblemofrestrainingthebackgroundofcolorednosiesfromthepowernetwork．Inaddition，weakfaultcharacteristicinformationhasbeensubmergedinno

8、isesforincipientfaults．舡aresult，itwillbedifficulttoextractcharacteristics．Weanalysethesampleddatabymeansofthebicoherencespectrumfromhigherorderstatisticsinthispaper．Thebicoherencespectrumnotonly