欢迎来到天天文库
浏览记录
ID:36831644
大小:3.44 MB
页数:66页
时间:2019-05-16
《基于多窗高阶谱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、中文摘要摘要感应电动机作为工业企业里应用最广泛的拖动机构,当其发生故障后直接影响生产线的正常运行,而轴承故障是电机故障中发生机率最高的,因此本文主要研究感应电动机轴承故障的检测方法。目前基于电流特征分析法(MotorCurrentSignatureAnalysis,MCSA)诊断电机故障得到了比较广泛的关注,该方法将电机的常见故障与定子电流的频率特征量建立了函数关系,通过对特征频率的识别,可以检测出电机轴承几种常见的故障状态。电机在不同的故障状态下运行时,会在定子电流中相应地产生不同的故障特征频率;但是该故障特征频率信号的幅值很小,因
2、此它在定子电流频谱中的功率非常微弱。由于定子电流的主要成分是基波,同时还存在着较强的三、五、七次谐波等,此外,定子电流中还包含了来自电网的背景色噪声,为了能从定子电流中分辨出故障特征频率,往往需要提高分析的分辨率,这势必造成更多伪峰的出现,故障特征不能很好的确定。针对定子电流特征频率所携带的故障信息,目前主要有两类处理方法:小波分解和频谱分析。而这两种方法只用到了频率信息,忽略了相位信息。双谱不仅利用了定子电流信号中的频率信息也利用了相位信息,通过分析定子电流中的故障特征频率与基频的耦合关系来确定电机轴承故障,所以双谱适于分析淹没在高
3、斯噪声中的非高斯信号。针对色噪声背景下弱周期性特征信号的提取问题,本文利用高阶累积量具有抑制高斯有色噪声的能力,结合多窗谱提取弱信号特征的能力,提出了基于多窗高阶谱特征提取方法。针对故障特征频率与基波之间存在非线性相位耦合的现象,利用多窗双谱进行二次相位耦合分析,实现了强信号特征下弱故障特征的识别。通过实验研究,针对电机所设置的轴承故障,利用该方法实现了故障状态的有效识别。关键词:多窗双谱;Slepian数据窗;轴承故障;相位耦合英文摘要ABSTRACTInindustrialenterpriseinductionmotoristhe
4、mostwidelyusedindrag,thefailureoftinductionmotorwilldirectlyaffectthenormaloperationoftheline,however,thebearingfaultoccurredinthehighestprobability.Thispapermainlystudiestheinductionmotorbearingfaultdiagnosismethod.Atpresent,basedOncurrentcharacteristicanalysisdiagnosi
5、sfaultgetmoreextensiveattention,Thismethodestablishedfunctionbetweenmotorstatorcurrentandthefrequencycharacteristicofthecommonfaults.BasedonthecharacteristicsoffrequencyCandetectmotorbearingsseveralcommonfaults.Whenthemotorrunindifferentstate,statorcurrentmaycontainsdif
6、ferentfaultcharacteristicfrequency,buttheamplitudeofFaultcharacteristicfrequencyofthesignalisverysmall,SOtheamplitudeofthefaultcharacteristicfrequencyinpowerspectrumisverysmall.Becausethemaincomponentsofthestatorcurrentisfundamentalharmonic.however,itcontainsthird,forth
7、,fivethharmonicandbackgroundnoisecomingfromgrid,weshouldimprovetheresolutionratiooftheanalysistodistinguishfaultfeaturefrequency,ifwedothis,thereareseveralfaultpeaksSOthatanalysisresultsdrop.Accordingtofrequencycharacteristicsofthesta{orcurrent,whichcarriesthefaultinfor
8、mation,therearetwomethods:Wavelet:decompositionandspectralanalysis.Butthetwomethodsonlyusedfrequencyinformatio
此文档下载收益归作者所有