论文部分内容阅读
感应电动机安全高效可靠运行尤为重要。转子断条故障占感应电动机所有故障的比例约为10%。目前,恒定负载下感应电动机转子断条故障诊断方法研究已较成熟,但负载变化下感应电动机转子断条故障诊断方法研究相对较少。本文将针对时变(负载随时间由空载增大到满载)和波动(负载转矩由一个恒定负载转矩和一个以单一确定频率波动的负载转矩叠加而成的)两种不同性质负载下感应电动机转子断条故障诊断问题进行研究。具体的研究内容以及成果如下:(1)基于多回路模型,分析了感应电动机在正常以及转子断条故障时的数学原理,阐述了转子断条故障机理,为进一步进行感应电动机转子断条故障诊断提供了理论基础。(2)针对时变负载下感应电动机转子断条故障检测方法进行了研究,提出一种基于Hankel-SVD与小波包分解相结合的故障检测方法。该方法首先采用Hankel-SVD方法对定子电流信号进行基波成分滤除,从而排除其对特征分量的干扰;然后利用小波包分解方法将不含基波成分的定子电流进行频段分解,同时提取各个频段能量;最后找到特征频率所在频段,并以此频段能量作为时变负载下感应电动机转子断条故障诊断的特征量。经过实验验证了该方法的有效性。(3)针对负载波动下感应电动机转子断条故障检测方法进行了研究,提出一种基于瞬时功率与小波包分解相结合的故障检测方法,并给出了负载波动情况下转子断条故障诊断判据。该方法首先根据转子断条故障与负载波动在瞬时无功功率和瞬时有功功率中的表现不同,将二者进行有效区分,避免了负载波动对转子断条故障的混淆;然后利用小波包分解技术对瞬时无功功率和瞬时有功功率同时进行频段分解并提取相应频段能量;最后将转子断条故障特征频率以及负载波动频率所在频段能量作为负载波动下感应电动机转子断条故障诊断的特征量。经过实验验证了该方法的有效性。(4)在利用第3、4章的方法对相应工况下的感应电动机提取故障特征向量的基础上,提出了基于集成分类器的变化负载下感应电动转子断条故障识别方法。该方法利用集成学习的原理,通过Bagging算法将BP神经网络、支持向量机以及随机森林组合起来,形成集成分类器,克服了单一分类器分类准确率低的弊端,更有利于准确快速识别负载变化下感应电动机转子断条故障。在经过仿真数据集分析了集成分类器性能的基础上,进一步经实验验证了该方法的有效性。