简介:本文叙述了感应电动机在线检测的一种新方法。该系统使用了人工神经网络来学习正常电动机在线运行的频谱特性。这种学到的频谱可能包含了许多由对应于常规运行工况的负载所引起的谐波。为将不断受到监控的谐波数减少到易于处理的数量,使用了可选频率滤波器。该频率滤波器按照神经网簇算法只通过那些已知对故障检测有重要意义的谐波,或者那些连续在设定的水平以上的谐波。在充分的训练周期后,在形成新的簇且维持一段时间后,神经网络就发出潜在的故障状态信号。由于故障状态是通过与机器的先前状态作了比较后发觉的,同此,使用这个系统而不需要有关于电动机或负载特性的信息就不可实现在线故障预测。这个检测算法得到了实施,其性能在各类故障上得到了验证。
简介:本文提出一种故障检测技术,例如对感应电机转子导条有裂纹的缺陷进行监测。它曾作为维也纳监测法(Viennamonitoringmethod)被介绍过[1],[2]。转子导条故障引起在气隙中的不对称磁通分布图。这样,电流相量(或在由电流控制的电机中的电压相量),磁通相量,以及气隙转矩就与理想的对称电机的这些内容不一致了。维也纳监测法把代表一台理想电机的参考模型与一个测量模型进行比较。观察这两个模型的差异,就能探测、甚至确定转子故障部位。该方法可在不使用频率分析的情况下应用于逆变器供电的电机。通过从一个数字信号处理器(DSP)可控的绝缘门极双极晶体管(IGBT)逆变器传动装置得到的在线实验结果,对这个方法作了检验。所得数据与详尽的电机模拟结果相一致。由一个测量线圈系统所作的气隙磁通密度估计,证实了所介绍的方法优良的灵敏度和故障测定能力。