CN110988676B - 机械设备故障诊断方法、装置及存储介质 - Google Patents
机械设备故障诊断方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110988676B CN110988676B CN201911166531.7A CN201911166531A CN110988676B CN 110988676 B CN110988676 B CN 110988676B CN 201911166531 A CN201911166531 A CN 201911166531A CN 110988676 B CN110988676 B CN 110988676B
- Authority
- CN
- China
- Prior art keywords
- motor
- sampling
- preset
- moments
- signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Electric Motors In General (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明实施例提供一种机械设备故障诊断方法、装置及存储介质,其中,该方法应用于基于电机驱动的机械设备,该方法包括:首先,根据第一采样间隔,获取预设时间段内N个时刻电机的三相电流信号;接着,对N个时刻电机的三相电流信号进行Park矢量变换,获得N个时刻的Park矢量模平方信号;通过分析电机的Park矢量模平方信号,消除了电源频率的影响;进一步利用计算阶次跟踪处理对Park矢量模平方信号进行计算重构,由等时间间隔的信号重构成等角度间隔的信号,从而消除了变频和变速的影响,实现了在变频、变速以及电频频率影响下对基于电机驱动的机械设备进行准确的故障诊断。
Description
技术领域
本发明涉及故障诊断技术领域,尤其涉及一种机械设备故障诊断方法、装置存储介质。
背景技术
电动机、发电机、轴承、风机、泵机等旋转机械被广泛应用于各式各样的成套工程机械设备中。为了保证工程机械设备的正常运转,因此,需要对机械设备进行监测及故障诊断。目前,针对旋转机械的故障诊断有基于振动的时域分析法、基于振动的频域分析方法以及基于振动的时频分析法、基于噪声的时域分析法、基于噪声的频域分析方法以及基于噪声的时频分析法、基于定子电流的电机电流特征分析法以及三相定子电流Park矢量分析法等。
但是,上述方法受电源频率影响较大,且无法适应于变速、变频情况下的机械故障诊断,因此,如何实现变速、变频情况下,且不受电源频率影响的机械设备故障诊断是亟待解决的问题。
发明内容
本发明实施例提供一种机械设备故障诊断方法、装置及存储介质,以实现在变频、变速以及电频频率影响下对基于电机驱动的机械设备进行准确的故障诊断。
第一方面,本发明实施例提供一种机械设备故障诊断方法,应用于基于电机驱动的机械设备,所述方法包括:
根据第一采样间隔,获取预设时间段内N个时刻电机的三相电流信号,其中,N为大于等于1的正整数;
对所述N个时刻电机的三相电流信号进行Park矢量变换,获得N个时刻的Park矢量模平方信号;
根据所述N个时刻的Park矢量模平方信号以及所述预设时间段内所述电机的转速进行计算阶次跟踪处理,获得所述N个时刻的Park矢量模平方信号对应的等角度间隔采样信号;
根据所述等角度间隔采样信号以及所述机械设备的故障特征频率,获得所述机械设备的故障诊断结果,其中,所述机械设备的故障特征频率包括所述机械设备的一个或多个旋转机械部件分别对应的特征频率。
可选地,所述根据所述N个时刻的Park矢量模平方信号以及所述预设时间段内所述电机的转速进行计算阶次跟踪处理,获得所述N个时刻的Park矢量模平方信号对应的等角度间隔采样信号,包括:
根据预设时间段内所述电机的转速进行曲线拟合,获得S个重采样时刻;
根据采样定理、所述N个时刻的Park矢量模平方信号以及所述S个重采样时刻,获得所述等角度间隔采样信号。
可选地,所述根据预设时间段内所述电机的转速进行曲线拟合,获得S个重采样时刻,包括:
根据预设时间段内所述电机的转速以及第二采样间隔,获得R个采样点分别对应的角速度,其中,R为大于等于1的正整数;
根据第r个采样点和第r+1个采样点的角速度、以及所述第二采样间隔,获取第r个第二采样间隔内所述电机的角加速度,其中,第r个第二采样间隔为第r个采样点和第r+1个采样点之间的第二采样间隔;
根据预设的等角度采样率、第三采样间隔,R-1个第二采样间隔内电机的角加速度以及所述R个采样点分别对应的采样时刻,获得所述S个重采样时刻。
可选地,所述方法还包括:所述获取所述预设时间段内所述电机的转速;
其中,所述获取所述预设时间段内所述电机的转速,包括:
对第1个预设期望分析窗内的M1个Park矢量模平方信号进行傅里叶变换,获取所述第1个预设分析窗内所述电机的转差频率,其中,第1个预设期望分析窗的中心为时刻t1,所述转差频率为所述电机的转差率与电机磁场旋转频率的乘积;
根据所述第1个预设期望分析窗内的M1个Park矢量模平方信号的功率谱或幅值谱、所述第1个预设分析窗内所述电机的转差频率以及第1预设转差率区间,获取时刻t1所述电机的转频,并根据时刻t1所述电机的转频获得时刻t1所述电机的转速;
对第i个预设期望分析窗内的Mi个Park矢量模平方信号进行傅里叶变换,获取所述第i个预设分析窗内所述电机的转差频率,其中,Mi是根据时刻ti-1所述电机的转速以及第一采样间隔确定的;
根据时刻ti-1所述电机的转频、第i个预设期望分析窗内的Mi个Park矢量模平方信号的功率谱或幅值谱、所述第i个预设分析窗内所述电机的转差频率以及第i预设转差率区间,获取时刻ti所述电机的转频,并根据时刻ti所述电机的转频获得时刻ti所述电机的转速;其中,第i个预设期望分析窗的中心为时刻ti;
更新i=i+1,直至所述i+1等于I,获取时刻tI所述电机的转速;其中,I为大于等于1的正整数。
可选地,所述根据所述第1个预设期望分析窗内的M个Park矢量模平方信号的功率谱或幅值谱,所述第1个预设分析窗内所述电机的转差频率以及第1预设转差率区间,获取时刻t1对应的转频,包括:
根据所述第1预设转差率区间,确定第一采样区间,其中,所述第一采样区间为所述第1个预设期望分析窗内的M个Park矢量模平方信号的功率谱或幅值谱的采样区间;
根据所述第1个预设期望分析窗内的M个Park矢量模平方信号的功率谱或幅值谱的最大值、电源频率、以及所述第1个预设分析窗内所述电机的转差频率,获取时刻t1对应的转频。
可选地,所述对所述N个时刻的三相电流信号进行Park变换,获得N个时刻的Park矢量模平方信号,包括:
对所述N个时刻的三相电流信号进行Park矢量变换,获得N个时刻对应的两相电流信号;
根据N个时刻对应的两相电流信号,获得所述N个时刻的Park矢量模平方信号。
可选地,所述根据所述等角度间隔采样信号以及所述机械设备的故障特征频率,获得所述机械设备的故障诊断结果,包括:
根据所述等角度间隔采样信号,获得所述等角度间隔采样信号的功率谱和/或幅值谱;
根据所述等角度间隔采样信号的功率谱和/或幅值谱,确定所述机械设备的故障特征频率对应的功率值和/或幅值;
所述机械设备的故障特征频率对应的功率值和/或幅值以及预设条件,获得所述机械设备的故障诊断结果。
第二方面,本发明实施例提供一种机械设备故障诊断装置,应用于基于电机驱动的机械设备,所述机械设备故障诊断装置包括:
获取模块,用于根据第一采样间隔,获取预设时间段内N个时刻电机的三相电流信号,其中,N为大于等于1的正整数;
处理模块,用于对所述N个时刻电机的三相电流信号进行Park变换,获得所述N个时刻电机的Park矢量模平方信号;以及用于根据所述N个时刻的Park矢量模平方信号以及所述预设时间段内所述电机的转速进行计算阶次跟踪处理,获得所述N个时刻的Park矢量模平方信号对应的等角度间隔采样信号;
所述处理模块,还用于根据所述等角度间隔采样信号以及所述机械设备的故障特征频率,获得所述机械设备的故障诊断结果,其中,所述机械设备的故障特征频率包括所述机械设备的一个或多个旋转机械部件分别对应的特征频率。
第三方面,本发明实施例还提供一种机械设备故障诊断装置,应用于基于电机驱动的机械设备,该机械设备故障诊断装置包括:存储器、处理器以及计算机程序指令;
所述存储器存储所述计算机程序指令;
所述处理器执行所述计算机程序指令,以执行如第一方面任一项所述的机械设备故障诊断方法。
第四方面,本发明实施例还提供一种可读存储介质,其特征在于,应用于基于电机驱动的机械设备,该可读存储介质包括:程序;
所述程序被处理器执行时,以执行如第一方面任一项所述的机械设备故障诊断方法。
第五方面,本发明实施例还提供一种程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,所述机械设备故障检测装置的至少一个处理器可以从所述可读存储介质中读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得所述机械设备故障检测装置执行如第一方面任一项所述的机械设备故障检测方法。
本发明实施例提供一种机械设备故障诊断方法、装置及存储介质,其中,该方法应用于基于电机驱动的机械设备,该方法包括:首先,根据第一采样间隔,获取预设时间段内N个时刻电机的三相电流信号,其中,N为大于等于1的正整数;接着,对N个时刻电机的三相电流信号进行Park矢量变换,获得N个时刻的Park矢量模平方信号;根据所述N个时刻的Park矢量模平方信号以及所述预设时间段内所述电机的转速进行计算阶次跟踪处理,获得所述N个时刻的Park矢量模平方信号对应的等角度间隔采样信号;根据所述等角度间隔采样信号以及所述机械设备的故障特征频率,获得所述机械设备的故障诊断结果。本发明实施例提供的方法通过分析电机的Park矢量模平方信号,消除了电源频率的影响;进一步利用计算阶次跟踪处理对Park矢量模平方信号进行计算重构,由等时间间隔的信号重构成等角度间隔的信号,从而消除了变频和变速的影响,实现了在变频、变速以及电频频率影响下对基于电机驱动的机械设备进行准确的故障诊断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的机械设备故障诊断方法的应用场景示意图;
图2为本发明提供的机械设备故障诊断方法实施例一的流程图;
图3为本发明提供的机械设备故障诊断方法实施例二的流程图;
图4为本发明提供的机械设备故障诊断方法实施例三的流程图;
图5为本发明提供的机械设备故障诊断方法实施例四的流程图;
图6为本发明提供的机械设备故障诊断装置实施例一的结构示意图;
图7为本发明提供的机械设备故障诊断装置实施例二的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了保证工程机械设备的正常运转,因此,需要对旋转机械进行监测及故障诊断。目前,针对旋转机械的故障诊断有基于振动的时域分析法、基于振动的频域分析方法以及基于振动的时频分析法、基于噪声的时域分析法、基于噪声的频域分析方法以及基于噪声的时频分析法、基于定子电流的电机电流特征分析法(motor current signatureanalysis,MCSA)以及三相定子电流Park矢量分析法等。振动分析法和噪声分析法虽然对故障检测灵敏度高,但是需要安装传感器,安装传感器会对机械设备造成损害;定子电流分析方法虽然无需安装额外的传感器,但是由于故障特征微弱,已被电源频率以及其他杂波淹没,导致无法准确确定故障特征,进而导致对机械设备故障诊断结果准确性较低。因而又发展出一些其他基于定子电流的故障诊断方法,例如,瞬时转矩法,这些方法同样未克服电源频率的影响,且无法适应变频、变速的影响,导致对机械设备故障诊断准确性较低。
因此,本发明实施例提供一种机械设备故障诊断方法,以解决现有技术中的故障诊断方法易受电源频率影响,且无法在变频、变速的情况下准确进行故障诊断的问题。
图1为本发明提供的机械故障诊断方法的应用场景示意图。如图1所示,该场景包括:电机、一个或多个旋转机械部件。其中,电机可以为交流电机,一个或多个旋转部件由电机驱动,例如,旋转部件可以为齿轮箱、轴承等,机械故障诊断装置获取电机定子的三相电流信号,并电机定子的三相电流信号对机械设备进行故障诊断。
下面通过几个具体实施例对本发明提供的机械设备故障诊断方法进行详细介绍:
图2为本发明提供的机械设备故障诊断方法实施例一的流程图。本发明实施例提供的机械设备故障诊断方法应用于基于电机驱动的机械设备。机械设备故障诊断方法的执行主体可以为本发明实施例提供的机械设备故障诊断装置,该装置可以通过任意的软件和/或硬件的方式实现。该装置可以集成在基于电机驱动的机械设备中,或者也可以独立设置,若该机械设备故障诊断装置独立设置时,其可以与基于电机驱动的机械设备之间进行通信。
参照图2所示,本实施例的方法包括:
S201、根据第一采样间隔,获取预设时间段内N个时刻电机的三相电流信号。
本步骤中,机械设备故障诊断装置在预设时间段内周期性地采集电机定子的三相电流信号,获得N个时刻电机的三相电流信号,其中,电机的三相电流信号分别记为ia、ib、ic,则N个时刻电机的三相电流信号分别记为ia(n)、ib(n)、ic(n),n=0,1,…N-1,其中,N为大于等于1的正整数。
在实际应用中,可通过电流传感器获得电机定子的三相电流信号,机械设备故障诊断装置能够接收电流传感器周期性采集的三相电流信号,采样周期可以为第一采样间隔Δt,示例性地,该电流传感器为霍尔电流传感器,在电机的定子的三相输入供电线路上分别套接电流传感器。
S202、对N个时刻电机的三相电流信号进行Park矢量变换,获得N个时刻的Park矢量模平方信号。
本步骤中,首先,对N个时刻的三相电流信号分别进行Park矢量变换,获得N个时刻电机的三相电流信号分别对应的两相电流信号id(n)、iq(n),具体可通过公式(1)和公式(2)实现:
在上述公式(1)和公式(2)中,n=0,1,…N-1;γ表示进行Park矢量变换时,三相定子坐标系与两相旋转坐标系之间相位角。
接着,根据上述N个时刻电机的三相电流信号分别对应的两相电流信号进行取模平方运算,获得N个时刻的Park矢量模平方信号,具体可通过公式(3)实现:
is(n)=|id(n)+jiq(n)|2=id(n)2+iq(n)2=iα(n)2+iβ(n)2 公式(3)
在公式(3)中,is(n)表示Park矢量模平方信号,且n=0,1,…N-1。
本步骤通过对电机定子的三相电流信号进行Park矢量变换,获得Park矢量模平方信号,基于Park矢量模平方信号进行故障特征分析,消除了电源频率的影响。
需要说明的是,Park矢量变换也可以称为派克矢量变换等其他名称,本发明实施例对此不作限制。
S203、根据N个时刻的Park矢量模平方信号以及预设时间段内电机的转速进行计算阶次跟踪处理,获得N个时刻的Park矢量模平方信号对应的等角度间隔采样信号。
本步骤的目的在于利用计算阶次跟踪处理技术对等时间间隔的采样信号进行计算重构,获得等角度间隔的采样信号,从而消除变频和变速的影响,这里所指的等时间间隔的采样信号即为N个时刻的Park矢量模平方信号。
具体地,参照图3所示,S203包括以下步骤:
S2031、根据预设时间段内电机的转速进行曲线拟合,获得S个重采样时刻。
具体地,根据预设时间段内电机的转速以及N个时刻Park矢量模平方信号is(n)进行曲线拟合,获得S个重采样时刻,其中,重采样时刻记为Ts,s=1,2,…S。根据预设时间段内电机的转速以及N个时刻Park矢量模平方信号获得S个重采样时刻的具体实施方式将在后续实施例中详细描述。
S2032、根据采样定理、N个时刻的Park矢量模平方信号以及S个重采样时刻,获得等角度间隔采样信号。
具体地,采样定理满足公式(4):
在公式(4)中,iω(s)表示等角度间隔采样信号,Δt表示第一采样间隔,is(n)表示Park矢量模平方信号,s=1,2,…S。
本步骤可根据公式(4)、N个时刻的Park矢量模平方信号以及S个重采样时刻,获得等角度间隔采样信号。
S204、根据等角度间隔采样信号以及机械设备的故障特征频率,获得机械设备的故障诊断结果。
该方案中,在基于电机驱动的机械设备中,电机本体以及由电机驱动的旋转机械部件分别对应一个或多个特征频率,例如,电机轴承、定子、转子、电机驱动的齿轮箱分别对应一个或多个特征频率。因此,可通过分析等角度间隔采样信号的功率谱和/或幅值谱中与各个旋转机械部件对应的一个或多个特征频率的功率和/或幅值的大小情况,确定机械设备中各个旋转机械部件是否发生故障。
一种可能的实现方式,首先,采用多窗谱分析法获得等角度间隔采样信号的功率谱和/或幅值谱;接着,根据等角度间隔采样信号的功率谱和/或幅值谱,确定机械设备的故障特征频率对应的功率值和/或幅值;然后,根据机械设备的故障特征频率对应的功率值和/或幅值以及预设条件,确定该机械设备的故障诊断结果,其中,机械设备的故障特征频率包括所述机械设备的一个或多个旋转机械部件分别对应的特征频率。
其中,预设条件可以数值化为具体的预设阈值,例如,若机械设备的故障特征频率对应的功率值和/或幅值大于或等于预设阈值,则认为机械设备发生故障,且能够根据该故障特征频率确定是哪个旋转机械部件发生故障;若机械设备的故障特征频率对应的功率值和/或幅值小于预设阈值,则机械设备未发生故障。
其中,多窗谱分析法可也称为多窗谱估计、多窗口谱分析等名称,本发明实施例对此不作限制。
本实施例中,根据第一采样间隔,获取预设时间段内N个时刻电机的三相电流信号,其中,N为大于等于1的正整数;接着,对N个时刻电机的三相电流信号进行Park矢量变换,获得N个时刻的Park矢量模平方信号;根据所述N个时刻的Park矢量模平方信号以及所述预设时间段内所述电机的转速进行计算阶次跟踪处理,获得所述N个时刻的Park矢量模平方信号对应的等角度间隔采样信号;根据所述等角度间隔采样信号以及机械设备的故障特征频率,获得所述机械设备的故障诊断结果。本实施例通过分析电机的Park矢量模平方信号,消除了电源频率的影响;进一步利用计算阶次跟踪处理对Park矢量模平方信号进行计算重构,由等时间间隔的信号重构成等角度间隔的信号,从而消除了变频和变速的影响,实现了在变频、变速以及电源频率影响下对基于电机驱动的机械设备进行准确的故障诊断。
图4为本发明提供的机械设备故障诊断方法实施例三的流程图。在图3所示实施例的基础上,S2031可以包括本实施例中的步骤,如图4所示,本实施例的方法包括:
S401、根据预设时间段内所述电机的转速以及第二采样间隔,获得R个采样点分别对应的角速度。
R个采样点中,相邻的两个采样点在时域上的采样间隔为第二采样间隔,其中,R为大于等于1的正整数。
其中,第二采样间隔可以为第一采样间隔的整数倍,即第二采样间隔Δt2=KΔt1,其中,K为大于等于1的正整数。需要说明的是,在实际的应用中,第二采样间隔也可以不是第一采样间隔的整数倍,本实施例中,仅以第二采样间隔为第一采样间隔的整数倍为例进行详细说明。
第r个采样点对应的电机的角速度满足公式(5):
ω(tr)=2πfr 公式(5)
在公式(5)中,tr表示第r个采样点对应的采样时刻;ω(tr)表示第r个采样点的角速度;fr表示第r个采样点对应的电机的转频,可根据第r个采样点的转速获得;其中,若第二采样间隔等于第一采样间隔,即Δt2=Δt1时,r=1,2,…R;若第二采样间隔为第一采样间隔的整数倍,且K不等于1,即Δt2=KΔt1,K≠1时,
在实际应用中,R个采样点中的第1个采样点对应的采样时刻,与N个时刻中的第1个采样时刻可以为同一采样时刻。
S402、根据第r个采样点电机的角速度、第r+1个采样点电机的角速度、以及第二采样间隔,获取第r个第二采样间隔内电机的角加速度。
其中,第r个第二采样间隔为第r个采样点和第r+1个采样点之间的采样间隔。本步骤可根据相邻的两个采样点分别对应电机的角速度,获取该相邻的两个采样点之间的第二采样间隔内电机的角加速度。
具体地,该第r个第二采样间隔内电机的角加速度满足公式(6):
brKΔt1=ω(tr+1)-ω(tr) 公式(6)
在公式(6)中,ω(tr)表示第r个采样点电机的角速度,ω(tr-1)表示第r+1个采样点电机的角速度,br表示第r个第二采样间隔内电机的的角加速度,在公式(6)中r=1,2,…R-1。
S403、根据预设等角度采样率、第三采样间隔、R-1个第二采样间隔内电机的角加速度以及预设重采样率,获得S个重采样时刻。
该方案中,获得的S个重采样时刻中,每相邻的两个重采样时刻间隔电机转动的角度是相同的,其中,S为大于等于1的正整数。
其中,预设等角度采样率U表示电机转动一周的采样点A的数量。第三采样间隔Δt3表示每两个相邻的重采样时刻之间的采样间隔,无论电机处于变频或变速情况下,或者电机处于定频或匀速情况下,每两个相邻的重采样时刻之间的采样点A的数量相同;在时域上,若电机处于变频或变速情况下,每两个相邻的重采样时刻之间的第三采样间隔Δt3可以是不断变化的,若电机处于定频或匀速情况下,每两个相邻的重采样时刻之间的第三采样间隔Δt3是相同的。预设重采样率H为预先设定的电机每转动一周对应的重采样时刻的数量,H为大于等于1的正整数。
重采样时刻可根据公式(7)获得:
Ts=tr+Δt3,s 公式(7)
公式(7)中,Ts表示第s个重采样时刻,tr表示第r个采样点对应的采样时刻,Δt3,s表示第s个重采样时刻与第s-1个重采样时刻之间的第三采样间隔。
其中,tr中r的取值满足公式(8):
Δt3,s满足公式(9):
公式(9)中,θu表示预设重采样率为H时,相邻的两个重采样时刻之间电机的转角。
其中,θu满足公式(10):
本实施例中,通过上述方式获得S个重采样时刻,获取上述S个重采样时刻对应的Park矢量模平方信号,根据上述S个重采样时刻的Park矢量模平方信号获取基于电机驱动的机械设备的故障诊断结果,从而消除了变频以及变速的影响,提高了机械设备故障诊断的准确性。
图5为本发明提供的机械设备故障诊断方法实施例四的结构示意图。参照图5所示,本实施例的方法包括:
S501、对第1个预设期望分析窗内的M1个Park矢量模平方信号进行傅里叶变换,获得第1个预设分析窗内电机的转差频率。
S502、根据第1个预设期望分析窗内的M1个Park矢量模平方信号的功率谱或幅值谱、第1个预设分析窗内所述电机的转差频率以及第1预设转差率区间,获取时刻t1所述电机的转频。
S503、根据时刻t1电机的转频,获得时刻t1电机的转速。
在实际应用中,在将等时间间隔信号重构为等角度间隔信号时,若电机为定频或匀速情况下,可通过查看电机的相关参数获得电机的转速;若电机为变频或变速情况下,则需要获取电机在预设时间段内转速的变化曲线。在实际应用中,可通过预设时间段内电机定子的三相电流信号进行基于移动平均的加窗DFT算法,获取电机在预设时间段内转速的变化曲线。
在该方案中,预设期望分析窗可以为矩形窗,也可以为汉宁窗,本发明实施例对此不作限制,预设期望分析窗的长度可根据实际应用来设定,本发明实施例中对于如何确定预设期望分析窗的长度的具体实现方式不作限制。其中,预设期望分析窗长度为M,若预设求取顺序为按照时间增序时,第1个预设期望分析窗的中心时刻t1为第M/2个采样时刻,若预设求取顺序为按照时间降序时,第1个预设期望分析窗的中心时刻t1为第N-1-M/2个采样时刻。
首先,对第1个预设期望分析窗内的M1个Park矢量模平方信号进行傅里叶变换,获得第1个预设分析窗内电机的转差频率,该转差频率为电机的转差率与电机磁场旋转频率的乘积;其中,转差率还可以称为滑差率,转差率能够表示定子磁场旋转的速度与转子旋转的速度之间的同步程度,电机磁场旋转频率与电源频率以及电机极对数相关联,电源频率即为电机提供工作电能的电源频率,例如,电机接入市电,则市电的频率即为电源频率。
接着,对第1个预设期望分析窗内的M1个Park矢量模平方信号的功率谱或幅值谱在频域上进行采样,频域采样区间的功率或幅值满足区间(k1,k2),其中,k1满足公式(11),k2满足公式(12):
在公式(11)和公式(12)中,lm表示阶次;Δf表示在第1个预设期望分析窗内的M1个Park矢量模平方信号的功率谱或幅值谱在频域上的采样间隔;f0表示电机磁场旋转频率;S1表示第1预设转差率区间,在计算k1时,S1-取第1预设转差率区间的最小值,在计算k2时,S1+取第1预设转差率区间的最大值;表示向上取整。
接着,根据采样区间(k1,k2)内的功率谱或幅值谱的最大值,以及公式(13)中的方程组,获得时刻t1电机的转频:
其中,k0,i为采样区间(k1,k2)内,第1个预设期望分析窗内的M1个Park矢量模平方信号的功率谱或幅值谱的最大值,在公式(13)中,lm=li,且lm=1。
在实际应用中,可根据采样区间(k1,k2)内,预设初始转频以及与预设初始转频的频率之差的绝对值小于预先设定的阈值,在上述频率范围内的多条谱线的功率值或幅值的最大值以及公式(13),获得时刻t1电机的转频。
进一步,求解公式(13)中的方程组可得公式(14):
接着,根据时刻t1电机的转频,获取时刻t1电机的转速。需要说明的是,在公式(13)以及公式(14)中,i取值可以为1。
S504、更新i=i+1。
若更新后i小于等于I,则执行S505,若更新后i大于I,则执行S507。
S505、根据时刻ti-1电机的转频、第i个预设期望分析窗内的Mi个Park矢量模平方信号的功率谱或幅值谱、第i个预设分析窗内电机的转差频率以及第i预设转差率区间,获取时刻ti电机的转频。
采样上述方法按照预设求取顺序,以及预设的电机的转速曲线的控制点间隔,对第i个预设期望分析窗内的Park矢量模平方信号进行分析。
其中,第i个预设期望分析窗的长度可以根据相邻的第i-1个预设期望分析窗的中心时刻电机的转速确定。具体地,根据电机的整周期转数以及在相邻的第i-1个预设分析窗的中心时刻电机的转速,确定第i个预设期望分析窗内的Park矢量模平方信号的数量,即确定Mi。
S506、根据时刻ti电机的转频,获得时刻ti电机的转速。
循环执行S504至S506,直至i大于I,则执行S507。
S507、结束。
本实施例中,通过预设时间段内电机定子的三相电流信号获取电机在预设时间段内的转速曲线,无需在基于电机驱动的机械设备上安装传感器,因此,避免了对基于电机驱动的机械设备造成损害。且通过本实施例的方法获取电机在预设时间段内的转速曲线的准确度较高,有效保证了故障诊断结果的准确性。
在实际的应用中,S506之前,还可以包括S506′、根据能量重心法对时刻ti所述电机的转频进行校正,获得校正后的时刻ti所述电机的转频。
则S506、根据时刻ti电机的转频,获得时刻ti电机的转速,包括:根据校正后的时刻ti电机的转频,获得时刻ti电机的转速。
需要说明的是,在S503之前,还可以根据能量重心法对时刻t1所述电机的转频进行校正,获得校正后时刻t1所述电机的转频。则S503、根据时刻t1电机的转频,获得时刻t1电机的转速,包括:根据校正后的时刻t1电机的转频,获得时刻t1电机的转速。
本实施例中,通过对电机时刻ti电机的转频进行校正,提高了电机的转速曲线的准确性,同时进一步提高了机械设备故障诊断结果的准确性。
图6为本发明提供的机械设备故障诊断装置实施例一的结构示意图。本实施例提供的机械设备故障诊断装置600应用于基于电机驱动的机械设备。如图6所示,本实施例的装置600包括:获取模块601和处理模块602。
其中,获取模块601用于根据第一采样间隔,获取预设时间段内N个时刻电机的三相电流信号,其中,N为大于等于1的正整数;
处理模块602,用于对所述N个时刻电机的三相电流信号进行Park变换,获得所述N个时刻电机的Park矢量模平方信号;以及根据所述N个时刻的Park矢量模平方信号以及所述预设时间段内所述电机的转速进行计算阶次跟踪处理,获得所述N个时刻的Park矢量模平方信号对应的等角度间隔采样信号;
所述处理模块602,还用于根据所述等角度间隔采样信号以及所述机械设备的故障特征频率,获得所述机械设备的故障诊断结果,其中,所述机械设备的故障特征频率包括所述机械设备的一个或多个旋转机械部件分别对应的特征频率。
在一些可能的设计中,处理模块602,具体用于根据预设时间段内所述电机的转速进行曲线拟合,获得S个重采样时刻;以及根据采样定理、所述N个时刻的Park矢量模平方信号以及所述S个重采样时刻,获得所述等角度间隔采样信号。
在一些可能的设计中,处理模块602,具体用于根据预设时间段内所述电机的转速以及第二采样间隔,获得R个采样点分别对应的角速度,其中,R为大于等于1的正整数;根据第r个采样点和第r+1个采样点的角速度、以及所述第二采样间隔,获取第r个第二采样间隔内所述电机的角加速度,其中,第r个第二采样间隔为第r个采样点和第r+1个采样点之间的第二采样间隔;以及根据预设的等角度采样率、第三采样间隔,R-1个第二采样间隔内电机的角加速度以及所述R个采样点分别对应的采样时刻,获得所述S个重采样时刻。
在一些可能的设计中,处理模块602还用于获取所述预设时间段内所述电机的转速。
处理模块602,具体用于:
对第1个预设期望分析窗内的M1个Park矢量模平方信号进行傅里叶变换,获取所述第1个预设分析窗内所述电机的转差频率,其中,第1个预设期望分析窗的中心为时刻t1,所述转差频率为所述电机的转差率与电机磁场旋转频率的乘积;
根据所述第1个预设期望分析窗内的M1个Park矢量模平方信号的功率谱或幅值谱、所述第1个预设分析窗内所述电机的转差频率以及第1预设转差率区间,获取时刻t1所述电机的转频,并根据时刻t1所述电机的转频获得时刻t1所述电机的转速;
对第i个预设期望分析窗内的Mi个Park矢量模平方信号进行傅里叶变换,获取所述第i个预设分析窗内所述电机的转差频率,其中,Mi是根据时刻ti-1所述电机的转速以及第一采样间隔确定的;
根据时刻ti-1所述电机的转频、第i个预设期望分析窗内的Mi个Park矢量模平方信号的功率谱或幅值谱、所述第i个预设分析窗内所述电机的转差频率以及第i预设转差率区间,获取时刻ti所述电机的转频,并根据时刻ti所述电机的转频获得时刻ti所述电机的转速;其中,第i个预设期望分析窗的中心为时刻ti;
更新i=i+1,直至所述i+1等于I,获取时刻tI所述电机的转速;其中,I为大于等于1的正整数。
在一些可能的设计中,处理模块602具体用于:根据所述第1预设转差率区间,确定第一采样区间,其中,所述第一采样区间为所述第1个预设期望分析窗内的M个Park矢量模平方信号的功率谱或幅值谱的采样区间;
根据所述第1个预设期望分析窗内的M个Park矢量模平方信号的功率谱或幅值谱的最大值、电源频率、以及所述第1个预设分析窗内所述电机的转差频率,获取时刻t1对应的转频。
在一些可能的设计中,处理模块602具体用于对所述N个时刻的三相电流信号进行Park矢量变换,获得N个时刻对应的两相电流信号;以及根据N个时刻对应的两相电流信号,获得所述N个时刻的Park矢量模平方信号。
在一些可能的设计中,处理模块602具体用于根据所述等角度间隔采样信号,获得所述等角度间隔采样信号的功率谱和/或幅值谱;根据所述等角度间隔采样信号的功率谱和/或幅值谱,确定所述机械设备的故障特征频率对应的功率值和/或幅值;以及所述机械设备的故障特征频率对应的功率值和/或幅值以及预设条件,获得所述机械设备的故障诊断结果。
本实施例的装置,可以用于执行图2至图5所示任一方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图7为本发明实施例提供的机械设备故障诊断装置实施例二的结构示意图。如图7所示,本实施例的装置700包括:存储器701、处理器702以及计算机程序。
其中,计算机程序存储在存储器701中,并被配置为由处理器702执行以实现图2至图5任一实施例所示的机械设备故障诊断方法。相关说明可以对应参见图2至图5的步骤所对应的相关描述和效果进行理解,此处不做过多赘述。
其中,本实施例中,存储器701和处理器702通过总线703连接。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行以实现本发明图2至图5任一实施例所示的机械设备故障诊断方法。
本发明实施例还提供一种程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,所述机械设备故障诊断装置的至少一个处理器可以从所述可读存储介质中读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得所述机械设备故障诊断装置执行如图2至图5任一实施例所示的机械设备故障诊断方法。
本发明实施例还提供一种基于电机驱动的机械设备。基于电机驱动的机械设备包括:电机、旋转机械部件以及机械设备故障诊断装置。
本实施例中的电机可以为交流电机;旋转机械部件的数量可以为一个,也可以为多个,多个旋转机械部件可直接与电机连接,或者也可通过其他连接件连接,电机处于工作状态时,电机能够直接或间接驱动上述旋转机械部件转动;机械故障诊断装置可以用于执行上述图2至图5任一实施例的机械设备故障诊断方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
用于实施本发明实施例的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
最后应说明的是:尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种机械设备故障诊断方法,其特征在于,应用于基于电机驱动的机械设备,所述方法包括:
根据第一采样间隔,获取预设时间段内N个时刻电机的三相电流信号,其中,N为大于等于1的正整数;
对所述N个时刻电机的三相电流信号进行Park矢量变换,获得N个时刻的Park矢量模平方信号;
根据预设时间段内所述电机的转速以及第二采样间隔,获得R个采样点分别对应的角速度,其中,R为大于等于1的正整数;
根据第r个采样点和第r+1个采样点的角速度、以及所述第二采样间隔,获取第r个第二采样间隔内所述电机的角加速度,其中,第r个第二采样间隔为第r个采样点和第r+1个采样点之间的第二采样间隔;
根据预设的等角度采样率、第三采样间隔,R-1个第二采样间隔内电机的角加速度以及所述R个采样点分别对应的采样时刻,获得所述S个重采样时刻;
根据采样定理、所述N个时刻的Park矢量模平方信号以及所述S个重采样时刻,获得所述N个时刻的Park矢量模平方信号对应的等角度间隔采样信号;
根据所述等角度间隔采样信号以及所述机械设备的故障特征频率,获得所述机械设备的故障诊断结果,其中,所述机械设备的故障特征频率包括所述机械设备的一个或多个旋转机械部件分别对应的特征频率。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:所述获取所述预设时间段内所述电机的转速;
其中,所述获取所述预设时间段内所述电机的转速,包括:
对第1个预设期望分析窗内的M1个Park矢量模平方信号进行傅里叶变换,获取所述第1个预设分析窗内所述电机的转差频率,其中,第1个预设期望分析窗的中心为时刻t1,所述转差频率为所述电机的转差率与电机磁场旋转频率的乘积;
根据所述第1个预设期望分析窗内的M1个Park矢量模平方信号的功率谱或幅值谱、所述第1个预设分析窗内所述电机的转差频率以及第1预设转差率区间,获取时刻t1所述电机的转频,并根据时刻t1所述电机的转频获得时刻t1所述电机的转速;
对第i个预设期望分析窗内的Mi个Park矢量模平方信号进行傅里叶变换,获取所述第i个预设分析窗内所述电机的转差频率,其中,Mi是根据时刻ti-1所述电机的转速以及第一采样间隔确定的;
根据时刻ti-1所述电机的转频、第i个预设期望分析窗内的Mi个Park矢量模平方信号的功率谱或幅值谱、所述第i个预设分析窗内所述电机的转差频率以及第i预设转差率区间,获取时刻ti所述电机的转频,并根据时刻ti所述电机的转频获得时刻ti所述电机的转速;其中,第i个预设期望分析窗的中心为时刻ti;
更新i=i+1,直至所述i+1等于I,获取时刻tI所述电机的转速;其中,I为大于等于1的正整数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第1个预设期望分析窗内的M个Park矢量模平方信号的功率谱或幅值谱,所述第1个预设分析窗内所述电机的转差频率以及第1预设转差率区间,获取时刻t1对应的转频,包括:
根据所述第1预设转差率区间,确定第一采样区间,其中,所述第一采样区间为所述第1个预设期望分析窗内的M个Park矢量模平方信号的功率谱或幅值谱的采样区间;
根据所述第1个预设期望分析窗内的M个Park矢量模平方信号的功率谱或幅值谱的最大值、电源频率、以及所述第1个预设分析窗内所述电机的转差频率,获取时刻t1对应的转频。
4.根据权利要求1所述的方法,其特征在于,所述对所述N个时刻的三相电流信号进行Park变换,获得N个时刻的Park矢量模平方信号,包括:
对所述N个时刻的三相电流信号进行Park矢量变换,获得N个时刻对应的两相电流信号;
根据N个时刻对应的两相电流信号,获得所述N个时刻的Park矢量模平方信号。
5.根据权利要求1所述的方法,其特征在于,所述根据所述等角度间隔采样信号以及所述机械设备的故障特征频率,获得所述机械设备的故障诊断结果,包括:
根据所述等角度间隔采样信号,获得所述等角度间隔采样信号的功率谱和/或幅值谱;
根据所述等角度间隔采样信号的功率谱和/或幅值谱,确定所述机械设备的故障特征频率对应的功率值和/或幅值;
所述机械设备的故障特征频率对应的功率值和/或幅值以及预设条件,获得所述机械设备的故障诊断结果。
6.一种机械故障特征诊断装置,其特征在于,应用于基于电机驱动的机械设备,所述机械设备故障诊断装置包括:
获取模块,用于根据第一采样间隔,获取预设时间段内N个时刻电机的三相电流信号,其中,N为大于等于1的正整数;
处理模块,用于对所述N个时刻电机的三相电流信号进行Park变换,获得所述N个时刻电机的Park矢量模平方信号;
根据预设时间段内所述电机的转速以及第二采样间隔,获得R个采样点分别对应的角速度,其中,R为大于等于1的正整数;根据第r个采样点和第r+1个采样点的角速度、以及所述第二采样间隔,获取第r个第二采样间隔内所述电机的角加速度,其中,第r个第二采样间隔为第r个采样点和第r+1个采样点之间的第二采样间隔;根据预设的等角度采样率、第三采样间隔,R-1个第二采样间隔内电机的角加速度以及所述R个采样点分别对应的采样时刻,获得所述S个重采样时刻;以及根据采样定理、所述N个时刻的Park矢量模平方信号以及所述S个重采样时刻,获得所述N个时刻的Park矢量模平方信号对应的等角度间隔采样信号;
所述处理模块,还用于根据所述等角度间隔采样信号以及所述机械设备的故障特征频率,获得所述机械设备的故障诊断结果,其中,所述机械设备的故障特征频率包括所述机械设备的一个或多个旋转机械部件分别对应的特征频率。
7.一种机械设备故障诊断装置,其特征在于,应用于基于电机驱动的机械设备,所述机械设备故障诊断装置包括:存储器、处理器以及计算机程序指令;
所述存储器存储所述计算机程序指令;
所述处理器执行所述计算机程序指令,以执行如权利要求1至5任一项所述的机械设备故障诊断方法。
8.一种可读存储介质,其特征在于,应用于基于电机驱动的机械设备,所述可读存储介质包括:程序;
所述程序被处理器执行时,以执行如权利要求1至5任一项所述的机械设备故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166531.7A CN110988676B (zh) | 2019-11-25 | 2019-11-25 | 机械设备故障诊断方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166531.7A CN110988676B (zh) | 2019-11-25 | 2019-11-25 | 机械设备故障诊断方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110988676A CN110988676A (zh) | 2020-04-10 |
CN110988676B true CN110988676B (zh) | 2022-02-22 |
Family
ID=70086513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911166531.7A Active CN110988676B (zh) | 2019-11-25 | 2019-11-25 | 机械设备故障诊断方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110988676B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116981913A (zh) * | 2021-04-21 | 2023-10-31 | 深圳市速腾聚创科技有限公司 | 电机检测方法、装置、计算机可读存储介质及终端设备 |
CN116793667B (zh) * | 2023-08-18 | 2024-02-20 | 麦格纳动力总成(江西)有限公司 | 一种变速器齿轮啮合状态检测方法和检测装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1402013A (zh) * | 2002-09-23 | 2003-03-12 | 清华大学 | 一种同步发电机空载电势相量的纯电气测量方法 |
CN103308152A (zh) * | 2013-06-06 | 2013-09-18 | 沈阳大学 | 基于瞬时频率估计的旋转机械振动信号角域重采样方法 |
CN103499443A (zh) * | 2013-09-12 | 2014-01-08 | 西安交通大学 | 一种齿轮故障无键相角域平均计算阶次分析方法 |
CN104655380A (zh) * | 2015-03-16 | 2015-05-27 | 北京六合智汇技术有限责任公司 | 一种旋转机械设备故障特征提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI264663B (en) * | 2003-11-07 | 2006-10-21 | Univ Nat Chiao Tung | High-resolution intelligent rotor machine diagnostic system and method |
-
2019
- 2019-11-25 CN CN201911166531.7A patent/CN110988676B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1402013A (zh) * | 2002-09-23 | 2003-03-12 | 清华大学 | 一种同步发电机空载电势相量的纯电气测量方法 |
CN103308152A (zh) * | 2013-06-06 | 2013-09-18 | 沈阳大学 | 基于瞬时频率估计的旋转机械振动信号角域重采样方法 |
CN103499443A (zh) * | 2013-09-12 | 2014-01-08 | 西安交通大学 | 一种齿轮故障无键相角域平均计算阶次分析方法 |
CN104655380A (zh) * | 2015-03-16 | 2015-05-27 | 北京六合智汇技术有限责任公司 | 一种旋转机械设备故障特征提取方法 |
Non-Patent Citations (1)
Title |
---|
基于转速信号的旋转机械故障诊断方法研究;李仲兴 等;《重庆理工大学学报(自然科学)》;20180331;第32卷(第3期);35-41 * |
Also Published As
Publication number | Publication date |
---|---|
CN110988676A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Tacholess speed estimation in order tracking: A review with application to rotating machine fault diagnosis | |
US10852214B2 (en) | Detecting faults in wind turbines | |
JP5932022B2 (ja) | 電気機械システムの状態を監視する方法及び装置 | |
Wang et al. | Rolling element bearing fault diagnosis via fault characteristic order (FCO) analysis | |
WO2018043009A1 (ja) | 状態監視装置 | |
Cao et al. | Vibration signal correction of unbalanced rotor due to angular speed fluctuation | |
CN110988676B (zh) | 机械设备故障诊断方法、装置及存储介质 | |
CN104819841B (zh) | 基于内置编码信息的单传感柔性角度域平均方法 | |
CN103956957B (zh) | 一种异步电机转子电阻辨识方法和装置 | |
CN113316889B (zh) | 电力转换装置、旋转机***以及诊断方法 | |
BR112014007556B1 (pt) | método de determinação de sinais estacionários para o diagnóstico de um sistema eletromecânico | |
Silva et al. | A method for measuring torque of squirrel-cage induction motors without any mechanical sensor | |
CN111259765A (zh) | 一种基于数控机床主轴电流信号的阶次分析方法 | |
CN103116032A (zh) | 用于获取风力发电机组的转速的方法和设备 | |
Wu et al. | Fault diagnosis in speed variation conditions via improved tacholess order tracking technique | |
CN109450333A (zh) | 一种永磁同步电机输出转矩估算的方法 | |
CN106546762B (zh) | 一种异步发电机发电控制***中的转速测试电路工作方法 | |
JP2016118419A (ja) | 回転機械の振動解析装置およびプログラム | |
Wang et al. | Stray flux-based rotation angle measurement for bearing fault diagnosis in variable-speed BLDC motors | |
Takeuchi et al. | Development of Motor Health Examination System Using Arduino Uno | |
CN113029553B (zh) | 齿轮箱轴转速信息提取方法、***、装置及存储介质 | |
Roque et al. | Sensorless speed estimation for inductions motors using slot harmonics and time-based frequency estimation | |
CN103986396A (zh) | 一种异步电机互感参数辨识方法和装置 | |
US20220365138A1 (en) | Systems and methods for hybrid drive control for an electric motor | |
Odavic et al. | Real-time fault diagnostics for a permanent magnet synchronous motor drive for aerospace applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |