News center
杏彩体育官网app
杏彩体育:一种基于CCWEEMDAN的断条故障特征提取方法
- 分类：杏彩体育官网app
- 作者：杏彩体育官网
- 来源：杏彩体育官网app
- 发布时间：2024-12-23 01:46:14
- 访问量：
杏彩体育:一种基于CCWEEMDAN的断条故障特征提取方法
【概要描述】制动器供应商：制动器按结构可分为块式、带式、盘式和锥形。根据操作条件，可分为常闭、常开、综合等。按驱动方式可分为自动控制和综合控制。根据动力源类型的不同，可分为手动、脚踏、电磁、液压和电磁液压组合。
- 分类：杏彩体育官网app
- 作者：杏彩体育官网
- 来源：杏彩体育官网app
- 发布时间：2024-12-23 01:46:14
- 访问量：
：为了克服经验模态分解（EMD）中的模态混叠问题，提出了一种改进EMD的完全互补小波噪声辅助集总经验模态分解（CCWEEMDAN）的信号提取方法。在断条故障诊断中，首先添加高斯白噪声处理，提取出本征模态函数，通过调制解调得到信号包络，最后使用傅里叶变换得到包络谱。实验结果表明，该方法能够有效提取出断条故障特征频率。
异步电动机以其结构简单、制造成本低等优点被广泛应用。断条故障是异步电机最常见的故障之一，约占10%，电机的频繁启动、集肤效应等因素都会引起转子导条断裂，如果不及时发现故障，会导致其他导条应力增加发生断裂，机器损坏进而导致大规模损失[1]。因此，对异步电机进行早期的运行状态检测是十分必要的。傅里叶变换的电机电流特征分析（MCSA）是最广泛使用的方法，将时域中很难观测到的信息在频域中有很好的体现，但不适用于分析非平稳和非线]使EMD的时频域分析方法，可以将定子电流信号进行有效分解。但是在分解时，会出现模态混叠问题。
EMD基础上，提出了基于完全互补小波噪声辅助集总经验模态分解（CCWEEMDAN）算法[4]的断条故障诊断方法，以下简称C 算法。C 算法能够有效克服EMD 算法中的模态混叠问题，将噪声信号更好地分离出来，得到更好的模式分量。它分两步发生，第1 步是通过添加高斯白噪声的方式对多分量信号进行分解，将信号分解为各含有不同信号频率的本征模态函数（IMF）。第2 步，这些分解得到的模式分量信号调制解调，从而提取出故障特征频率。
，转子旋转磁场相对于定子旋转磁场是静止的，电机中只存在正向旋转磁场。如果出现断条故障，则转子电路不对称，转子电流的对称性被破坏，产生不对称的转子磁场，可分为正向和反向旋转磁场。正向旋转磁场和原定子磁场保持同步，它们的相互作用产生与普通感应电机相同的电磁转矩。但反向旋转磁场的旋转方向与转子相反。它相对于转子的速度是，相对于定子的速度是n3 = n − sn1 = (1− 2s)n1。并且在定子绕组中感应出电动势和电流，频率为（1-2s) f1
。这种电流与基本气隙磁通相互作用产生2sf1 的谐波，这种现象会在给定的频率上产生一系列额外的电流分量：
[4]在EMD 基础上给原信号添加高斯白噪声可以有效抑制模态混叠，但会存在伪模态问题。为了克服EEMD 中的问题，互补集总经验模态分解（CEEMD）[4]在原信号添加互补高斯白噪声，但会出现基频模态偏差问题。因此提出了C 算法，通过在每阶模态分解中添加互补的经小波变换分解重构的噪声，可以有效地解决上述问题。在C 算法中，定义Wj(●)算子为信号进行小波变换重构后第j个细节信号，M()算子为经过EMD 分解后的一阶模态的残差。
对比3、4 图可知，无论是EMD 还是C 算法都可将原始信号分解成从高频到低频的各个分量。可以看出，EMD 分解的信号具有严重的模态混叠问题，含有多个不同频率分量，信号分解效果较差。C 算法通过添加高斯白噪声有效解决了模态混叠问题，图3 中IMF1 为噪声信号，IMF2 为二次谐波信号，IMF3 为基频分量调制信号，可以发现，C 算法能比较准确地分解出原始信号。由此可见，应用C 算法对于提取信号具有可行性。
对收集到的定子电流信号先经过C 算法分解，将原始信号分解为从高频到低频的各个本征模态函数，进而对分解信号希尔伯特调制解调，在此基础上进行FFT分析，得到包络谱，精确的提取出故障频率特征，流程如图5 所示。
2）利用希尔伯特变换滤波特性进行调制解调，得到解析信号和包络信号。3）使用FFT 将信号转化到频域中，得到信号包络谱，提取故障特征频率。
4）观察包络谱中的特征频率并与理想边带频率2sf1 进行对比，判别故障频率。如若不是则从1）开始。
由图6 和图8 可以发现，经过C 分解后，有两个模式分量。IMF1 为原始信号中的噪声与添加的噪声信号，IMF2 为得到的所需信号，因此对IMF2 进行后续处理。图7 和图9 包络谱图显示，健康电机状态时，并不会有任何明显的故障频率出现。但由于电机在制作材料装配中存在的一些问题，依旧会有一些很小的边频成分存在，这是不可避免的。电机发生一根断条故障时，可以发现有一个明显的故障特征频率2.68 Hz 成分。对比负载转矩为2.5 N·m，转差率s = 2.3% 时，理想故障特征频率2sf1 = 2.76 Hz 可知，图9 中的2.68 Hz 就是对应的故障特征频率。由此验证了运用此方法是可以有效提取出故障特征频率。
以三相异步电机定子电流为研究对象，运用了C 分解的信号处理方法，通过调制解调和FFT 对断条故障进行诊断识别。方法重点在于使用C 算法将定子电流数据分解为含有不同频率成分的本征模态函数，通过调制解调得到模态函数的解析包络信号，利用傅里叶变换提取到包络谱，实现了
识别的目的。相比单纯使用频域分析FFT，可以有效提取故障特征频率，同时使用改进EMD 的C 算法处理数据能有效避免EMD 算法中存在的模态混叠，得到更好的模式分量，对于数据的处理更好，在实际在线监测异步电机断条