一种监测笼型感应电动机转子断条故障的新方法

电机断电后，如果有导条断裂，转子磁通在定子绕组中的感应电压将直接受到影响。根据这一特点，提出了一种诊断笼型感应电动机转子断条的新方法，即通过分析定子绕组中感应电压高次谐波的变化来确定转子断条故障。与其他方法相比，该方法能消除三相电压不平衡以及电机磁饱和等现象对故障监测所造成的影响。仿真与试验结果证明了该方法的有效性。     

基于PSO-SVR的同步发电机励磁电流预测

【目的】采用粒子群优化支持向量回归(PSO-SVR)模型对同步发电机励磁电流进行预测,为更准确地实现同步发电机转子绕组匝间短路故障的在线诊断提供依据。【方法】以微型同步发电机动模试验的20组正常运行数据作为训练样本,用剩下的13组正常运行数据和33组故障运行数据为检验样本,选取机端电压、有功功率、无功功率为输入量,励磁电流为输出量,通过粒子群优化(PSO)支持向量回归(SVR)的结构和参数,建立PSO-SVR预测模型,进而进行励磁电流预测,并与在线实测的励磁电流进行比较,以误差超过阈值诊断为发生匝间短路故障。【结果】PSO-SVR预测模型的预测误差较误差反向传播(BP)神经网络预测模型小;PSO-SVR模型能设置阈值准确诊断运行状态,而BP神经网络预测模型却不能,并且至少有1次误诊情况出现。【结论】PSO-SVR预测模型的精度优于BP神经网络预测模型,能准确地进行转子绕组匝间短路故障诊断,为同步发电机励磁电流预测、转子绕组匝间短路故障的在线诊断提供了一种新途径。     

基于小波包和Elman神经网络的异步电机转子断条 故障诊断方法

提出了一种基于小波包分析（WPA）和Elman神经网络的异步电机转子断条故障诊断方法.针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响.采用Elman神经网络对故障进行识别,并对Elman网络进行改进,在关联层增加了自反馈增益因子,提高了网络性能.以频带能量作为Elman神经网络识别故障的特征向量,建立从特征向量到电机转子断条故障之间的映射.试验结果表明：基于小波包分析提取的故障特征明显,由WPA和Elman神经网络构成的诊断系统,能有效地识别出转子断条故障,故障诊断准确率高.     

农用电动机运行时的监视与维护

电动机在额定工作状态下运行时，电动机电流不允许超过铭牌上所规定的额定电流，否则电动机定子线圈将因过热而烧毁。同时，三相电流要平衡，若任意两相间的电流差值大于额定电流的10％，则说明电动机有故障。一般情况下，电动机三相电流的不平衡不是由电动机定子绕组层间有短路现象引起的，     

Smith单相电容电动机电容器故障运行的建模

建立了Smith单相电动机电容器故障运行时在α - β - 0坐标系下的瞬态数学模型.此模型适用于任何接线方式的对称三绕组单相电容电动机电容器故障的瞬态分析,尤其便于计算机编程.通过实例进行仿真和试验,验证了该模型的正确性.研究表明,Smith单相电容电动机运行中电容器短路是一种较为严重的故障,有可能产生很大的冲击转矩,造成强烈的机械振动;电容器开路故障有可能使定子三相电流严重不平衡,致使某相绕组烧毁.     

电动汽车用内置式永磁无刷直流电机设计研究

设计一台电动汽车用内置式永磁无刷直流电动机,分析气隙尺寸、永磁体厚度、定子绕组匝数等主要结构参数对电机效率、转矩电流比的影响,针对电动车辆复杂的工况对比分析不同负载率下电机的运行性能,完成优化样机研制及测试.研究结果表明：在机械加工能力允许的前提下,适当减小气隙长度可提高电机低速区性能;在兼顾成本的同时,适当增加永磁体用量可提升电机整体性能;适当减少绕组匝数可提高电机高速区性能,但会导致低速区的转矩电流比下降.电机在额定负载时整体效率最高,说明设计方案对额定点的选取合理;转矩电流比随负载率的增加而增大,分析认为这与输出转矩中的磁阻转矩分量有关,这是内置式永磁电机与表贴式永磁电机的一个重要区别,设计需要特别注意.样机测试结果表明：恒转矩区和恒功率区的转矩、功率都满足驱动系统要求.     

水电机组振动故障的粗糙集-神经网络诊断方法

针对当前水电机组故障原因复杂,实际监测数据量大,采用神经网络方法进行机组故障诊断存在网络结构复杂、训练时间长、诊断困难的问题,文章将粗糙集理论引入到水电机组故障诊断中,提出了基于粗糙集理论与RBF神经网络相结合的水电机组故障诊断方法。在保持分类能力不变的前提下,用粗糙集理论对故障信息进行约简处理,然后用RBF神经网络对预处理后的故障信息进行诊断,使神经网络的输入神经元数目明显减少,其结构得以简化。通过对某电站实测机组数据进行离线故障诊断,证明该诊断方法有效提高了机组故障诊断的效率和准确性。     

遗传小波神经网络在模拟电路故障诊断中的应用

提出一种基于遗传算法(Genetic Algorithm, GA)、小波变换及神经网络(NN)的模拟电路故障诊断方法.该方法将小波基作为神经网络的传递函数,利用遗传算法优化神经网络的结构和权值,从而避免了BP神经网络结构设计的盲目性和局部最优等问题,大大减少了网络训练时间.利用该方法对模拟电路进行故障诊断有利于提高诊断的智能性及识别故障类别的能力,提高诊断的精度与速度.实例诊断结果表明文中所提方法是可行的.     

“听、看、摸、闻”预防农用电动机故障

<正>农用电动机运行时,可通过听、看、摸、闻四种方法来及时预防和排除故障,保证电动机的安全运行。1.听电动机若发出噪声太大,包括电磁噪声、轴承杂音、通风噪声、机械摩擦声等,均可能是故障先兆或故障现象。(1)对于电磁噪声。如果电动机发出忽高忽低且沉重的声音,则原因可能有以下几种。1定子与转子间气隙不均匀,此时声音忽高忽低且高低音间隔时间不变,这是轴承磨损从而使定子与转子不同心所致。2三相电流不平衡。这是三相绕组存在误接、短路或接触不良等原因,若声音很沉闷则说明电动机严重过载或缺相运行。3铁芯松动。电动机在运行中因     

虚拟矢量模型预测控制抑制逆变器输出共模电压

针对三相电压源逆变器驱动电机系统存在较高共模电压的问题,提出一种虚拟矢量模型预测电流控制方法,以非零矢量合成虚拟矢量构成有限控制矢量集代替传统的脉冲宽度调制方法,抑制系统共模电压。提出的控制方法可以在抑制共模电压的同时提高负载电流性能。仿真和实验结果验证了方法的有效性。