关键词:
故障诊断
奇异值分解
最小二乘Prony算法
电机定子电流信号特征分析
摘要:
采用电机定子电流信号特征分析诊断转子断条故障时,基频两侧的故障特征频率和幅值是判断故障发生与否和严重程度的重要参数。FFT算法的诊断能力严重依赖于所分析的数据长度,最小二乘Prony分析算法虽然具有短时数据分析能力,但是该方法对噪声异常敏感,当电机低频低负载运行时同样存在故障特征提取能力不足和诊断失效的问题。为解决上述问题,提出改进奇异值分解和LS-PA算法相结合的转子断条故障诊断方法。首先采用按列截断方式重构奇异值分解矩阵,根据奇异值差商确定有效阶次,进而对定子电流信号进行预处理以适度抑制噪声,然后运用LS-PA算法对预处理后的信号做故障特征识别和诊断。有限元仿真和实验分析结果表明,所提出的方法能有效抑制电流信号噪声,具有短时数据高分辨率的诊断性能,在工频和变频供电时均能实现电机轻载到满载全工况稳定运行条件下的转子断条故障诊断,诊断性能高于经典的FFT方法。