-
公开(公告)号:CN115586441B
公开(公告)日:2023-03-10
申请号:CN202211593137.3
申请日:2022-12-13
Applicant: 湖南大学
Abstract: 本发明公开一种基于梳状滤波的电机故障诊断方法,采用永磁同步电机自身的转速信号、转矩电流信号以及定子电流信号进行轴承故障诊断,实现了电机故障的在线诊断;同时解决了传统振动检测法中需要额外安装振动传感器的缺点,降低了诊断系统的成本;同时信号采集过程中受环境噪声的干扰较小,能够提高诊断信号的信噪比,降低后期信号处理的难度,提高故障诊断的精度;将工况信号通过带通滤波器后,再通过梳状滤波器,可以有效滤除工况信号中的转速基频信号,从而突出故障特征频率;该方法无需对信号进行复杂变换,同时能够保留故障信息,能够实现轴承故障的快速精确诊断。本发明还提供一种基于梳状滤波的电机故障诊断装置及存储介质。
-
公开(公告)号:CN115616403A
公开(公告)日:2023-01-17
申请号:CN202211620993.3
申请日:2022-12-13
Applicant: 湖南大学
Abstract: 本发明公开了一种永磁同步电机轴承故障初期诊断方法,将采集的工况信号作为自适应预测滤波器的输入,分别进行0~M阶自适应滤波,得到M个第一输出信号;对每个所述第一输出信号进行与故障特征相关的多参数计算,对计算出的多参数进行加权计算得到故障信息因子,选取故障信息因子最大时的第一输出信号作为最佳故障信号,对其进行包络谱分析,分析信号中的实际故障特征频率值,通过与理论故障特征频率值进行对比,完成故障诊断以及类型判别。同时,本发明还提供一种永磁同步电机轴承故障初期诊断装置以及存储介质。本发明不要额外安装振动传感器,降低了检测系统的成本,同时,采集的信号信噪比高,可实现故障的快速精准检测和诊断。
-
公开(公告)号:CN118914842A
公开(公告)日:2024-11-08
申请号:CN202411301259.X
申请日:2024-09-18
Applicant: 湖南大学
IPC: G01R31/34 , G01M13/045 , G06F18/24 , G06F18/213 , G06F17/13 , G06F123/02
Abstract: 本发明公开了一种基于编码器信号的永磁电机故障诊断方法,属于电机故障诊断技术领域,本发明通过利用永磁电机驱动系统中可直接测量得到的编码器进行故障诊断,不需要安装额外的传感器,从而降低检测系统的成本,并实现实时检测;通过编码器信号获取的电机转速信号来提取故障谐波,不易受环境噪声干扰的影响,有利于故障特征谐波的准确提取;通过提取信号中的故障特征谐波,利用编码器信号获取的转子位置信息对其进行重采样,将时域非稳态信号转换为角域中的稳态信号,再进行包络谱分析,实现了稳态转速以及变转速下的故障诊断。
-
公开(公告)号:CN117970183A
公开(公告)日:2024-05-03
申请号:CN202410369873.3
申请日:2024-03-29
Applicant: 湖南大学
IPC: G01R31/52
Abstract: 本申请提供一种牵引传动系统主回路接地故障诊断方法,基于机理对全工况下不同接地故障类型的等效电路进行分析,建立W1‑W3工况下能区分不同接地故障类型的故障特征变量和故障特征指标,并基于无故障运行工况下残差统计规律设置相关阈值;通过分析在W4和W5工况下能表征不同故障类型的故障特征指标,基于决策树分类方法建立决策树诊断模型并转换成相应的规则库。实时诊断阶段,采集相关传感器信号和状态信息,基于相关方程计算残差及相关检测统计量并与相应阈值比较生成故障标志;得到相关故障标志;最后,利用系统相关状态进行当前工况判断,根据工况以及不同工况下的诊断模型输出结果进行综合诊断决策。
-
公开(公告)号:CN117807715A
公开(公告)日:2024-04-02
申请号:CN202410086944.9
申请日:2024-01-22
Applicant: 湖南大学
IPC: G06F30/15 , G06F30/27 , G06F18/213 , G06F18/214 , G06F18/243 , G06N3/0464 , G06N3/08 , G06N3/126 , G06F111/08 , G06F119/14
Abstract: 本申请公开了轨道列车车轮失圆类型智能识别方法、系统及电子设备,属于列车车轮失圆状态识别技术领域,通过构建完备和充足的车轮失圆数据集,确保模型拥有良好的鲁棒性及泛化能力;采用轨道列车‑轨道刚柔耦合动力学模型,获取各种车轮状态下轴箱振动信号;结合轴箱振动为一维时间序列的特点,构建1DCNN模型,实现轴箱振动时域信号与车轮失圆类型之间“端到端”的智能识别;利用遗传算法对1DCNN模型结构进行调节寻优,得到全局最优的轨道列车车轮失圆类型识别模型,最终可实现正常、擦伤、多边形、局部缺陷与随机非圆化5类车轮状态智能识别,模型识别精度高、速度快,相比于其他典型车轮失圆类型识别模型,具有更好的有效性和优越性。
-
-
-
-