双馈异步风力发电机气隙偏心故障诊断研究现状与发展

双馈异步风力发电机(DFIG)机械故障在实际运行中尤其不可忽略,不论是转子刚度不足还是轴承磨损或安装误差,都会导致气隙偏心,严重时甚至会烧毁电机,因此对风机进行准确高效的气隙偏心故障诊断至关重要。简单介绍DFIG产生气隙偏心的故障机理,再对当前已有的相关故障诊断方法做重点归类阐述,最后展望未来的DFIG气隙偏心故障诊断方法的发展趋势和方向。     

可模拟绕组内部故障的双馈风力发电半实物实时仿真平台

双馈风力发电机(DFIG)系统控制复杂,离线仿真与传统全实物的故障试验存在一定局限性。在控制功能强大的MATLAB/Simulink环境下构建基于dSPACE1007系统的双馈风力发电系统半实物实时仿真平台,解决可模拟绕组内部故障的实物电机、dSPACE与Simulink软件三方联调时的数据接口与控制问题。试验结果表明,该平台在DFIG定、转子匝间短路故障工况下,通过Control Desk界面可灵活改变控制参数及算法,实现电机绕组内部故障状态下的容错运行,为DFIG故障检测和容错控制研究提供硬件平台。     

双馈异步发电机定转子绕组过热故障监测方法

双馈异步发电机(DFIG)在长期运行中很容易发生定转子绕组过热故障。以绕组温度为研究对象,在分析绕组过热故障成因的基础上,分别从电机热性能和参数辨识两方面进行检测。使用参数辨识法时,首先利用电机电磁数学模型辨识定转子绕组电阻,再根据电阻与温度之间的关系计算定转子温度,从而判断绕组是否过热。最后基于MATLAB软件仿真验证了定转子绕组参数辨识法的正确性,为DFIG诊断绕组过热故障提供理论支撑。     

适用于无轴承开关磁阻电机的功率变换器设计

 无轴承开关磁阻电机不仅具有开关磁阻电机的优点,而且拓宽了无轴承技术的应用范围。而功率变换器是无轴承开关磁阻电机的重要组成部分,其向电机绕组提供电流,以产生所需转矩和悬浮力,对电机旋转和悬浮性能有重要影响。根据无轴承开关磁阻电机电磁转矩和悬浮力控制原理,详细分析了其对功率变换器的要求,提出了主绕组功率变换器和悬浮绕组功率变换器的设计原则,并分析了其各种工作模式和数学模型。最后通过对实验样机的调试,给出了实验结果,实现了无轴承开关磁阻电机的稳定悬浮。     

定子匝间短路故障下双馈风力发电机组高压穿越性能研究

为了研究定子绕组匝间短路(SWITSC)故障对双馈风力发电机组高压穿越的影响,基于多回路理论建立了计及定子绕组匝间短路故障的双馈感应发电机(DFIG)仿真模型,并在MATLAB/Simulink下建立了其S-函数。依据短路故障回路特性,分别在SWITSC前后建立了DFIG风电机组的ABC坐标系统和dq0坐标系统下的数学模型,并简要分析了SWITSC故障下的电磁特性。对双馈风电机组的高压穿越能力做出分析,分析了风电场电压升高的原因、高压穿越的标准及双馈风机在电网电压骤升下的暂态过程。重点研究了DFIG在SWITSC故障前后高压穿越的仿真结果。结果表明,定子绕组匝间短路故障会严重降低风电场的高压穿越的能力。     

一种感应电机转子断条早期故障诊断方法

针对感应电机转子发生早期断条故障时,定子电流故障特征频率容易被基波频率淹没,导致电机转子断条故障发现不及时的问题,采用多回路方程建立感应电机发生转子断条故障的模型,推导了dq0坐标系下感应电机发生早期断条故障的模型。在该故障模型的基础上,利用参数辨识和滑窗技术得到电机等效参数变化曲线。该方法得到的电机等效参数曲线对转子早期断条故障具有明显的故障特征信号,通过辨识曲线特征可诊断电机转子断条故障,同时给出了转子发生不同程度故障时的差异指标。最后试验验证了该方法的可行性。     

滚动轴承故障诊断的品质因子可调小波重构方法

针对轴承早期故障诊断困难的问题,提出了基于信号共振稀疏分解与品质因子可调小波重构的滚动轴承故障诊断方法.该诊断方法首先对轴承故障信号进行共振稀疏分解获得高共振分量和低共振分量;然后对低共振分量进行品质因子可调小波重构,并结合峭度分析,筛选出最佳分析信号;最后对最佳分析信号进行希尔伯特解调分析,从而提取滚动轴承故障特征信息.通过对仿真信号和实际故障信号进行分析,该方法能有效提取轴承故障信号中的冲击成分,凸显故障特征.      

基于瞬时频率分析的笼型电机转子断条故障诊断

电机电流信号特征分析方法诊断笼型电机转子断条故障时,诊断效果受制于电机运行状态的影响,甚至会发生误诊断。针对这一问题,提出基于瞬时频率分析的笼型电机转子断条故障诊断方法。首先对起动电流进行FIR低通滤波,以提取包含转子断条故障特征的单分量谐波信号,然后采用相位微分方法计算该信号的瞬时频率,并根据fs平面上的瞬时频率-滑差曲线判断故障发生与否。在3 kW电机试验平台上对所提出的方法进行验证,试验结果表明了所提方法的有效性。     

基于感测线圈和KPCA的电机轴承故障检测

在电机定子中嵌入感测线圈并结合核主元分析(KPCA)进行电机轴承的故障检测。8只线圈分别嵌入电机定子的前端和后端,通过分时复用形成6组反应电机状态的差动信号。针对6组感测信号与电机状态间的非线性特征,采用KPCA进行多变量分析。着重介绍分析了KPCA故障检测的算法、监测指标和步骤。最后,用机车变压器油泵电机为对象开展了试验研究,验证了所提电机轴承故障监测方法的有效性和正确性。     

基于频谱法与神经网络的航空起动发电机的故障检测与诊断

应用频谱法对航空直流起动发电机发电状态进行故障检测与诊断。采用对电机的电枢纹波电流信号进行频谱分析,提取该信号在频率域特征量,将频谱特征向量作为学习样本,通过训练,使神经网络能够反映频谱特征向量和故障类型的映射关系,从而达到故障检测与诊断的目的。电机故障实验和分析表明,与常规方法相比,频谱分析与神经网络相结合的方法进行实时检测和诊断具有简单、有效等优点。     

电压跌落至不同程度时双馈风力发电机内部电磁场分析

随着风电规模的日趋庞大和低电压穿越技术的日趋成熟,人们迫切需要知道电机内部在低电压穿越工况下的电磁场变化,为电机的故障诊断提供依据。求出了双馈风力发电机在电网电压跌落至不同程度时的电机内部的电磁场,并在此基础上分析了电机内部电磁场的不同和变化趋势,为分析风机的早期故障诊断及其演化趋势做基础工作。     

基于自适应分段混合系统的轴承故障诊断

针对强噪声背景下轴承早期故障的诊断问题,提出一种基于自适应分段混合随机共振（adaptive piecewise hybrid stochastic resonance,APHSR）系统的检测方法。采用经验模态分解法（EMD）进行信号预处理,分别采用能量密度法和相关系数法去除高、低频噪声,自动筛选最优固有模态函数,经尺度变换后输入分段混合随机共振系统模型,提取故障信号。工程实验显示:经过APHSR系统,轴承故障特征频率的频谱幅值、频谱幅值与周围最大噪声之差和最大信噪比（SNR）均高于经验模态分解和经典随机共振方法,其中齿轮箱故障轴承信噪比分别提高了9.579 dB和7.473 dB,转子故障轴承信噪比分别提升了8.597 dB和5.695 dB,对凯斯西储大学故障轴承数据处理后的信噪比分别提升了3.369 dB和17.043 dB。数据表明APHSR方法具有高效性,提高了轴承故障信号诊断能力。      

基于CEEMDAN降噪与双谱分析的滚动轴承故障诊断

滚动轴承早期故障信号中的噪声成分会影响到故障特征的提取。为了提高含噪故障信号中滚动轴承早期故障特征提 取的准确性，将基于自适应噪声的完备经验模态分解（CEEMDAN）用于滚动轴承振动信号的降噪中，并对降噪后的轴承故障信号 进行双谱分析。结果表明：CEEMDAN可有效去除轴承振动信号中的低频噪声干扰，经CEEMDAN降噪后的不同轴承故障信号的 双谱全局图存在明显差异，根据这些差异可在宏观上对不同轴承故障加以区分；通过经CEEMDAN降噪后的不同轴承故障信号的 双谱细节图可以正确提取不同轴承故障的特征频率，从而实现对各轴承故障的有效诊断。CEEMDAN降噪结合双谱分析可为滚 动轴承故障诊断提供一种新的有效方法。     

基于机匣振动信号的滚动轴承故障协同诊断技术

针对基于机匣测点信号的航空发动机滚动轴承故障诊断问题,提出了一种滚动轴承故障的协同诊断技术。通过最小熵解卷积消除信号传递路径的影响以增强信号中的冲击性成分;通过小波变换提取共振频带;通过自相关分析抑制频带信号中的非周期性成分并进一步提升信噪比。依托带机匣的转子试验器分别对人工故障轴承和真实故障轴承进行了两组试验,试验结果表明:相比于其他典型方法,采用所提协同诊断法得到的包络谱中故障特征频率对应的谱峰更加清晰、明显。      

基于WPD-KVI-Hilbert变换相结合的滚动轴承早期故障特征精准识别

为了能够有效地从轴承早期故障激励的高频振动信号中提取出故障特征信息,基于最优小波包基选取方法和峭度值最大筛选原则,提出了一种改进的小波包分解（WPD）、峭度值指标（KVI）与Hilbert变换相结合的滚动轴承早期故障特征识别方法。计算选取最优小波包基,确定分解层数;采用WPD方法对轴承故障振动信号进行分解,获得若干个Node分量;基于峭度值指标最大原则筛选出有效的Node分量进行信号重构;对重构信号进行包络解调分析,提取出故障特征频率对轴承故障进行诊断。采用建立的方法对凯斯西储大学滚珠轴承外圈、内圈故障实验数据和自行开展的滚棒轴承外圈、滚动体故障实验数据进行了分析与诊断。研究结果表明：该方法能够有效提高故障信号高频分辨率、保留周期性冲击成分,并能准确有效提取出滚珠和滚棒轴承故障特征频率的1~7倍频及其与轴转频调制的系列边频带频率,实现对滚动轴承故障特征的精准识别与故障诊断。