摘要：感应电动机转子一旦发生故障,对电机本体、生产系统有较大的负面影响,为及时、准确地检测出转子故障,面向感应电动机,以奇异值分解滤波为基本技术,提出一种转子故障检测方法。分析转子故障特征,取得转子故障检测依据。分别设计双层奇异值分解滤波技术、有效阶次选择策略与平滑能量解调技术并融合,设计感应电动机转子故障检测方法。将取得的故障信号频率与检测依据结合,得到故障检测结果。仿真在电动机满载和半载两种运行状态下展开,测试结果显示,所提方法始终高度拟合理想频谱的对应参数值,能够准确、快速地检测出人为设置的转子断条故障,且效果优越,证明方法具有显著的精准度与实时检测能力,是行之有效的转子故障检测手段。

摘要：为准确表征转子系统不同运行状态,提出一种改进的变分模态分解(Modified Variational Mode Decomposition,MVMD)与瞬时能量分布排列熵(Instantaneous Energy Distribution Permutation Entropy,IEDPE)结合的转子故障特征量化提取方法。利用相关性阈值策略确定变分模态分解(Variational Mode Decomposition,VMD)分解层参数并设计MVMD算法;然后,将采集到的振动信号输入MVMD中进行分解,计算各模态分量的瞬时能量分布;最后,提取各模态分量IEDPE作为故障量化特征。与MVMD+PE、EMD+IEDPE、EEMD+IEDPE进行对比,结果表明,提取的故障特征可更有效地表征转子故障状态之间的显著差别,使故障类别更准确识别。

摘要：现有的检测方法在检测三相异步电动机转子故障时,容易受负载量影响,无法准确判断转子断条数量,检测数据精度不能满足实际需求。因此,文章引入小波包分析方法,对三相异步电动机转子故障检测方法展开研究。在明确三相异步电动机转子故障特征的基础上,采集故障特征频率;利用小波包分解树对故障信号频带进行划分;通过小波包分析,实现对转子微弱故障信号的识别和检测。通过对比测试可以证明设计的检测方法对三相异步电动机转子故障的检测正确率和精度较高,可为三相异步电动机稳定运行提供可靠技术保障。

摘要：为了准确、有效地提取转子故障特征,提出了变分模态分解(VMD)和奇异值特征提取的方法,并采用模糊C均值聚类(FCM)进行转子故障识别。首先,利用分解精度高、模态混叠问题少的VMD算法进行振动信号分解,形成初始特征向量矩阵,然后对该向量矩阵进行奇异值分解,将求得奇异值作为故障特征向量,最后通过模糊C均值聚类形成聚类中心,并计算海明贴近度以实现不同工况下的转子故障分类。将此方法进行转子实验台振动数据验证,实验结果表明:该方法能够有效实现不同工况下转子故障信号的区分,取得了理想的故障诊断结果。

摘要：为了更完整的提取转子碰摩故障特征,提出了一种新的转子碰摩故障特征提取方法——全矢局部特征尺度分解(Full vector local characteristic decomposition,FVLCD)。FVLCD将局部特征尺度分解(Local characteristic decomposition,LCD)和全矢谱(Full vector spectrum,FVS)相结合,通过LCD将互相垂直通道的振动信号分解成系列内禀模态分量并用Hilbert变换对其进行解调得到包络信号;然后通过FVS融合包络信号得到相应的全矢谱,在此基础上进行机械故障诊断。转子松动-碰摩故障分析结果表明该方法有效融合两个通道的振动信号信息,获取的故障特征更全面、准确。

摘要：为改进普通转子试验台功能单一的不足,设计一套转子扭振与故障模拟多功能试验台。基于有限元分析软件ANSYS,对转子系统进行模态分析,经过反复计算与修改,完成转子的结构尺寸设计。针对转子圆盘、碰摩试验支座等组件设计特定外形,并开发专用的数据采集与分析应用软件。该平台可用于转子动力学分析与转子多故障的模拟和振动测试分析。

摘要：研究了利用BP神经网络进行转子系统典型故障诊断的算法,提出了将其应用于嵌入式数据采集器的具体实施方法。首先依据BP神经网络模型算法和实际诊断要求设计神经网络;然后在外部对网络进行模拟和仿真;最后在以Atmega64为CPU的嵌入式数据采集器中实施,完成前端实时诊断并进行实验验证。结果表明:该方法可以实现对旋转机械九种典型振动故障的初步诊断和预警。