基于eemd和fft結合的電機轉子斷條故障分析方法
【技術領域】
[0001] 本發(fā)明涉及檢測轉子斷條的方法，屬于檢測技術領域。
【背景技術】
[0002] 1994年，R.F.Walliser等學者用解析分析方法對單籠感應電動機斷裂故障后流 過斷條的內電流進行了研宄。通過解析分析能夠深刻的列出其中的數學關系，但是建立在 理想方程式上的實驗缺乏可實踐性。2001年，學者A.Bellini在考慮電磁轉矩、空間矢量電 流及瞬態(tài)功率的基礎上，通過電信號的分析方法，對轉子斷條故障做了定量評估。該方法繁 瑣難懂，不宜推廣。2005年浙江大學的黃進教授及其課題組的研宄人員提出了基于電磁轉 矩小波變換的感應電機轉子斷條故障診斷方法。將小波引入到斷條故障分析中，新穎且創(chuàng) 新，但理論尚未成熟，難免出現失誤。2008年，哈爾濱理工大學的時獻江教授針對異步電機 斷條故障時電流細化頻譜存在的故障頻率成分較弱和幅值不對稱問題，結合調制細化算法 與Hilbert變換算法，提出了一種新的細化包絡算法。故障特有頻率容易被直流分量淹沒， 難以觀察到故障信號。

【發(fā)明內容】

[0003] 本發(fā)明為了解決現有技術中存在的上述缺陷和不足，提供了一種基于EEMD和FFT 結合的電機轉子斷條故障分析方法，根據MF分量中故障特征頻率分量幅值和基頻幅值相 比較來判斷感應電機轉子斷條故障，準確率高。
[0004] 為解決上述技術問題，本發(fā)明提供一種基于EEMD和FFT結合的電機轉子斷條故障 分析方法，包括以下步驟：
[0005] 1)采集定子電流信號；
[0006] 2)對所述電流信號進行EEMD分解，得到IMF分量；
[0007] 3)對所述MF分量進行FFT變換，計算MF分量中故障特征頻率分量幅值和基頻 率分量幅值；
[0008] 4)根據所述故障特征頻率分量幅值和基頻率分量幅值，判斷電機轉子斷條故障。
[0009] 其中，所述步驟2)包括，
[0010] A在定子電流信號的基礎上添加隨機高斯白噪聲序列，得到加噪的待處理信號；
[0011] B計算出待處理信號的極大值點和極小值點；
[0012] C根據所述待處理信號的極大值點和極小值點，采用三次樣條插值法求出待處理 信號的上包絡和下包絡的平均值，然后計算出所述待處理信號與所述的上包絡和下包絡的 平均值的差；
[0013] D將所述待處理信號與上包絡和下包絡的平均值的差作為新的待處理信號，重復 步驟B、C，直到所述待處理信號與上包絡和下包絡的平均值的差滿足MF條件為止，得到第 一個IMF分量；
[0014]E從待處理信號中分離出剩余部分信號，將剩余部分信號作為新的待處理信號重 復步驟B、C、D，得到第二個IMF分量；
[0015] F重復循環(huán)步驟B、C、D，得到第N個MF分量；
[0016]G當MF分量滿足迭代停止條件時，迭代停止，待處理信號EEMD分解完畢。
[0017] 所述步驟D中，所述MF滿足條件為，所述待處理信號與上包絡和下包絡的平均值 的差的極值點的數量與零點數量相等或所述極值點的數量與零點數量的差為1，并且所述 待處理信號的上包絡和下包絡的局部平均值為零。
[0018] 所述步驟G中，所述迭代停止條件為MF分量為單調函數且待處理信號不能被分 解出另外的IMF分量。
[0019] 所述步驟3)中，對待處理信號的每個MF分量做FFT變換，觀察經過FFT變換的各 個IFM分量在45-55HZ出現的凸起現象，判斷電機斷條的故障情況，尤其在46. 5HZ、53. 5HZ 處出現的凸起現象。
[0020] 本發(fā)明所達到的有益技術效果：
[0021] 在使用定子電流信號的頻譜分析診斷感應電動機的故障時，轉子斷條故障特征頻 率分量容易泄漏，導致故障診斷的準確率下降?；谶@一情況，提出將集總經驗模態(tài)分解 (EEMD)和快速傅立葉變換（FFT)應用于提取異步電動機轉子故障特征，即先對定子電流信 號進行EEMD分解，提取反映故障信息的固有模態(tài)（MF)分量，再對該MF分量進行FFT。然 后，根據MF分量中故障特征頻率分量幅值和基頻幅值相比較來判斷感應電機轉子斷條故 障。故障診斷的準確率顯著提高。
【附圖說明】
[0022] 圖1本發(fā)明流程示意圖；
[0023] 圖2為定子電流譜圖；
[0024] 圖3-20為具體實施例1進行EEMD分解后各IMF分量圖譜；
[0025] 圖21為IFM3分量的頻譜圖。
【具體實施方式】
[0026] 為了審查員能更好的了解本發(fā)明的技術特征、技術內容及其達到的技術效果，現 將本發(fā)明的附圖結合實施例進行更詳細的說明。然而，所示附圖，只是為了更好的說明本發(fā) 明的技術方案，所以，請審查員不要就附圖限制本發(fā)明的權利要求保護范圍。
[0027] 下面結合附圖和實施例對本發(fā)明專利進一步說明。
[0028] 如圖1所示，本發(fā)明提供一種基于EEMD和FFT結合的電機轉子斷條故障分析方 法，包括以下步驟：
[0029] 1)采集定子電流信號x(t);
[0030] 2)對所述電流信號進行EEMD分解，得到IMF分量；
[0031] 3)對所述MF分量進行FFT變換，計算MF分量中故障特征頻率分量幅值和基頻 率分量幅值；
[0032] 4)根據所述故障特征頻率分量幅值和基頻率分量幅值，判斷電機轉子斷條故障。
[0033] 其中，所述步驟2)包括，
[0034] A在定子電流信號x(t)的基礎上添加隨機高斯白噪聲序列nm(t)，得到加噪的待 處理信號y(t)，即，
[0035]y(t) =x(t)+knm(t)
[0036] 其中，k為添加的白噪聲的幅值系數。
[0037] 添加噪聲，主要解決在信號分解的時候出現混頻的現象，它能夠使附加的白噪聲 均勻分布在整個時頻空間時，該時頻空間就由濾波器組分割成的不同尺度成分組成。當信 號加上均勻分布的白噪聲背景時，不同尺度的信號區(qū)域將自動映射到與背景白噪聲相關的 適當尺度上去。
[0038] B計算出待處理信號的極大值點和極小值點；
[0039]C根據所述待處理信號y(t)的極大值點和極小值點，采用三次樣條插值法求出待 處理信號y(t)擬合的上包絡線E1和下包絡線E2的平均值叫，mi= (El+E2)/2,然后計算 出所述待處理信號y(t)與平均值叫的差yi(t):
[0040]Yi(t) =y(t) -iHj
[0041] 0將71(〇作為新的待處理信號y(t)，重復步驟B、C，直到y(tǒng)i(t)滿足MF條件為 止，令Cl =yi(t)，即從待處理信號y(t)分離出的第一個MF分量；
[0042] E從待處理信號y(t)中分離出剩余部分信號ri，將剩余部分信號ri作為新的待處 理信號y(t)重復步驟B、C、D，得到第二個IMF分量c2;
[0043]r:=y(t)-c:
[0044] F重復循環(huán)步驟B、C、D，得到第N個MF分量rn;
【主權項】
1. 基于EEMD和FFT結合的電機轉子斷條故障分析方法，其特征在于：包括以下步驟： 1) 采集定子電流信號； 2) 對所述電流信號進行EEMD分解，得到IMF分量； 3) 對所述MF分量進行FFT變換，計算MF分量中故障特征頻率分量幅值和基頻率分 量幅值； 4) 根據所述故障特征頻率分量幅值和基頻率分量幅值，判斷電機轉子斷條故障。
2. 根據權利要求1所述的基于EEMD和FFT結合的電機轉子斷條故障分析方法，其特征 在于：所述步驟2)包括， A在定子電流信號的基礎上添加隨機高斯白噪聲序列，得到加噪的待處理信號； B計算出待處理信號的極大值點和極小值點； C根據所述待處理信號的極大值點和極小值點，采用三次樣條插值法求出擬合的待處 理信號的上包絡線和下包絡線的平均值，然后計算出所述待處理信號與所述平均值的差； D將所述待處理信號與平均值的差作為新的待處理信號，重復步驟B、C，直到所述待處 理信號與上包絡和下包絡的平均值的差滿足頂F條件為止，得到第一個MF分量； E從待處理信號中分離出剩余部分信號，將剩余部分信號作為新的待處理信號重復步 驟B、C、D，得到第二個IMF分量； F重復循環(huán)步驟B、C、D，得到第N個MF分量； G當頂F分量滿足迭代停止條件時，迭代停止，待處理信號EEMD分解完畢。
3. 根據權利要求2所述的基于EEMD和FFT結合的電機轉子斷條故障分析方法，其特征 在于：所述步驟D中，所述MF滿足條件為，所述待處理信號與上包絡和下包絡的平均值的 差的極值點的數量與零點數量相等或所述極值點的數量與零點數量的差為1，并且所述待 處理信號的上包絡和下包絡的局部平均值為零。
4. 根據權利要求2所述的基于EEMD和FFT結合的電機轉子斷條故障分析方法，其特征 在于：所述步驟G中，所述迭代停止條件為MF分量為單調函數且待處理信號不能被分解出 另外的MF分量。
5. 根據權利要求1所述的基于EEMD和FFT結合的電機轉子斷條故障分析方法，其特征 在于：所述步驟3)中，對待處理信號的每個MF分量做FFT變換，觀察經過FFT變換的各個 IFM分量在45-55HZ出現的凸起現象，判斷電機斷條的故障情況。
6. 根據權利要求5所述的基于EEMD和FFT結合的電機轉子斷條故障分析方法，其特征 在于：所述步驟3)中，對待處理信號的每個MF分量做FFT變換，觀察經過FFT變換的各個 IFM分量在46. 5HZ、53. 5HZ處出現的凸起現象，判斷電機斷條的故障情況。
【專利摘要】本發(fā)明提供一種基于EEMD和FFT結合的電機轉子斷條故障分析方法，提出將集總經驗模態(tài)分解EEMD和快速傅立葉變換FFT應用于提取異步電動機轉子故障特征，即先對定子電流信號進行EEMD分解，提取反映故障信息的固有模態(tài)IMF分量，再對該IMF分量進行FFT。然后，根據IMF分量中故障特征頻率分量幅值和基頻幅值相比較來判斷感應電機轉子斷條故障。此方法簡單，且大大提高了故障診斷的準確率。
【IPC分類】G01R31-02
【公開號】CN104614628
【申請?zhí)枴緾N201510006227
【發(fā)明人】沈凱凱, 耿德康, 齊廣亮, 史騰, 張有亮, 錢雨萍
【申請人】南京工程學院
【公開日】2015年5月13日
【申請日】2015年1月6日