一种基于模型的异步电动机故障监测诊断方法技术

本发明专利技术公开了一种基于模型的异步电动机故障监测诊断方法，其首先采集能够正常运行的异步电动机的三相输入电压信号和三相输出电流信号，建立起数学模型，作为无故障模型；将无故障模型和在相同的输入电压u驱动下并行运行，得到即残差信号d；然后其进行时域分析，根据3σ原则确定异步电动机残差信号有效值的阈值η，通过监测异步电动机稳定运行时残差有效值dRMS是否超过阈值η来判断故障是否发生；再对残差信号d进行频域分析，根据残差频谱中出现的故障特征频率分量fF来确定故障类型。本发明专利技术可以有效地削弱输入电压对电机故障监测诊断造成的不利影响，提高故障信号的信噪比，从而提高电机故障监测的灵敏度和故障诊断的可靠性。

【技术实现步骤摘要】

本专利技术属于电动机故障检测
，涉及一种步电动机故障监测诊断方法，尤其是。
技术介绍
异步电动机具有结构简单、运行可靠的特点，是工农业生产中应用最广泛的驱动装置。但是电动机一旦发生故障会导致生产过程的中断，造成严重的经济损失，甚至威胁到现场操作人员的生命安全。目前，电动机故障诊断是主要是通过对定子电流信号直接进行频谱分析实现的。当电动机发生故障时，在定子电流信号的频谱中会出现如下所示的特征频率成分(k=l, 2,…；n=l, 3, 5,…):

【技术保护点】
一种基于模型的异步电动机故障监测诊断方法，其特征在于，包括以下步骤：1）首先采集新的能够正常运行的异步电动机稳定运行时的三相输入电压信号和三相输出电流信号，利用基于极限学习机算法的神经网络系统辨识方法建立起该异步电动机的数学模型，并把该数学模型作为该异步电动机的无故障模型；2）将该异步电动机的无故障模型和该电机在相同的输入电压u驱动下并行运行，得到二者的输出电流信号之差，即残差信号d；3）对残差信号d进行时域分析，根据3σ原则确定异步电动机残差信号有效值的阈值η，通过监测异步电动机稳定运行时残差有效值dRMS是否超过阈值η来判断故障是否发生；4）对残差信号d进行频域分析，根据残差频谱中出现的故障特征频率分量fF来确定故障类型。

【技术特征摘要】
1.一种基于模型的异步电动机故障监测诊断方法，其特征在于，包括以下步骤: 1)首先采集新的能够正常运行的异步电动机稳定运行时的三相输入电压信号和三相输出电流信号，利用基于极限学习机算法的神经网络系统辨识方法建立起该异步电动机的数学模型，并把该数学模型作为该异步电动机的无故障模型； 2)将该异步电动机的无故障模型和该电机在相同的输入电压u驱动下并行运行，得到二者的输出电流信号之差，即残差信号d ； 3)对残差信号d进行时域分析，根据3σ原则确定异步电动机残差信号有效值的阈值η，通过监测异步电动机稳定运行时残差有效值dMS是否超过阈值η来判断故障是否发生； 4)对残差信号d进行频域分析，根据残差频谱中出现的故障特征频率分量&来确定故障类型。2.根据权利要求1所述的基于模型的异步电动机故障监测诊断方法，其特征在于，步骤I)中，异步电动机的无故障模型通过采用基于极限学习机的神经网络系统辨识方法获得，包括以下步骤: (a)米集得到异步电动机稳定运行时的二相输入电压信号uA、uB、u。和二相定子电流信号iA、iB、i。，并按照比例分为训练样本和检验样本两部分，训练样本用于学习得到异步电动机的无故障数学模型，检验样本用来对模型的效果进行验证； (b)神经网络模型采用“串-并”辨识结构，神经网络的输入层节点数目选为15，包括三相电压信号的当前值、三相电压的延时信号、三相电流的延迟信号，神经网络的输入向量表示为: xk = [uA (k)，uB (k)，uc (k)，uA (k-1)，uB (k-1)，uc (k_l)，uA (k_2)，uB (k_2)，uc (k_2)，iA (k_l`)，iB(k-1), ic(k~l), iA(k_2), iB(k_2), ic(k_2)]T 其中k = 1，2，...，N，N为训练样本个数； 神经网络的输出层节点数目为3，对应三相输出电流信号k时刻的值，神经网络的输出向量表示为:I' k = [i' A(k)， i' B(k), i' c...

【专利技术属性】
技术研发人员：侯成刚，张利超，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61