基于MUSIC算法的電動機斷條故障檢測.pdf

1、電機故障診斷是指在線監(jiān)測電機運行相關(guān)參數(shù)(如電流、電壓、磁通、轉(zhuǎn)速、溫度、噪聲、振動、局部放電等)并采用適當?shù)姆椒ㄔu估電機當前的運行狀態(tài)；若電機處于故障狀態(tài)，則進一步確定故障的類型、發(fā)生部位、嚴重程度。這項技術(shù)的出現(xiàn)是電機在線監(jiān)測領(lǐng)域的一次革命，它使傳統(tǒng)的事后維修方式轉(zhuǎn)變?yōu)轭A(yù)知維修方式，極大地提高了電機運行的安全性，減少了很多不必要的經(jīng)濟損失。
　　 電機電流信號分析方法(Motor Current Signature Anal

2、ysis)是電機故障診斷技術(shù)的一個分支，它的主要原理是通過對電機電流的監(jiān)測來檢測電機的故障情況。具體到籠型異步電機的斷條故障檢測，是通過對電機定子電流作頻譜分析，提取故障特征分量，從而達到檢測目的。傳統(tǒng)的頻譜分析方法是用傅里葉變換，然而，異步電動機轉(zhuǎn)子斷條后，定子電流中出現(xiàn)的故障特征分量(1±2s)f0離基頻分量極近且幅值很小，傅里葉變換要得到這么高的分辨率必須有足夠的采樣數(shù)據(jù)長度(即較長的采樣時間)，這樣不僅使運算量加大，而且易受到負

3、荷波動的影響，所以，傅里葉變換并不適用于異步電子轉(zhuǎn)子斷條故障的檢測。
　　 MUSIC算法即多信號分類算法(Multiple Signal Classification)是空間譜估計發(fā)展史上具有里程碑意義的算法。它的基本思想是通過對信號的自相關(guān)矩陣的特征值分解，將信號的特征空間分解為同信號分量對應(yīng)的信號子空間和同信號分量相正交的噪聲子空間，利用這兩個空間的正交性來估計信號的頻率。它在理論上具有任意高的分辨率，通過仿真還表明它還具