[发明专利]一种电机断条故障的集合经验模态分解电流诊断方法

说明书

本发明公开了一种电机断条故障的集合经验模态分解电流诊断方法，根据电机转子断条故障特征，结合EEMD分解与Hilbert解调的优点，对于电机空载和负载工况下的电机断条电流信号，采用具有自适应性、高信噪比的EEMD分析方法分别对其进行自适应分解，对整个频段进行精细划分，然后选取与原始信号相关系数较大的IMF分量重构信号，对重构信号采用Hilbert包络解调，从电流信号的解调结果中提取出与故障息息相关的故障特征，突出和分离故障特征信息，使电机的断条故障特征在电流信号中更加明显化，为电机断条故障的电流检测与诊断提供依据。

技术领域

本发明属于检测技术领域，具体涉及一种用于异步感应电机转子断条故障的状态监测与故障诊断的电机断条故障的集合经验模态分解电流诊断方法。

背景技术

电流传感器采集到的信号为时域波形，时域的波形比较直观，包含的信息量大，但是与故障之间的关系并不明显，一般情况下不能直接作为判断依据，但可以作为辅助特征使诊断结果更加精确。

频谱分析是信号分析中常用的方法，傅里叶变换是频谱分析的理论基础，对平稳信号的分析非常有效，但有一点不足就是它缺乏空间局部性，对突变信号不是很有效，如傅里叶变换对均匀重载荷电流信号分析非常有效，对空载或变载荷不是很有效。

2006年，法国南锡第一大学研究人员Gaetan Dither,Eric Ternisien等人对电机断条的所有的故障参数做了研究，通过巴特利特周期图分析了瞬时功率谱，并指出利用瞬时功率谱对电流信号的检测方法仅适用在电机负载较小的工况。

小波分析被认为是现代傅立叶变换的重大突破，有望替代传统傅里叶变换技术。许伯强等将小波分析引入到电机断条故障中，运用自适应滤波，将傅里叶变换结合到小波变换中，其优点是避免了由负载波动造成的影响；李天云等通过小波变换，利用随机共振技术优化断条故障的检测技术，使小波变换在有噪声干扰的情况下仍可进行较好的检测和诊断，提高了故障信号检测的灵敏度。但小波分析需要根据经验值选取小波基函数，限制了小波分析在工程应用中的自适应性。

发明内容

针对上述现有技术中描述的不足，本发明提供一种电机断条故障的集合经验模态分解电流诊断方法，本发明采用EEMD分解与Hilbert包络解调结合的检测方法，以从电流信号中提取电机断条故障特征，对于电机空载和负载工况下的电机断条电流信号，采用具有自适应性、高信噪比的EEMD分析方法分别对其进行自适应分解，对整个频段进行精细划分，然后选取与原始信号相关系数较大的IMF分量重构信号，对重构信号采用Hilbert包络解调，从电流信号的解调结果中提取出与故障息息相关的故障特征，使电机的断条故障特征在电流信号中更加明显化，为电机断条故障的电流检测与诊断提供依据。

为解决上述技术问题，本发明所采用的技术方案如下：

一种电机断条故障的集合经验模态分解电流诊断方法，步骤如下：

S1，采集电机在某恒定转速的定子电流；

通过电流传感器(电流钳)和数据采集系统获取电机运行过程中的定子电流。

S2，对获得的定子电流进行集合经验模态EEMD分解，得到IMF分量。

S2.1，在定子电流的原始信号中添加一组均值为零，方差相等的随机高斯白噪声信号，使定子电流的原始信号为添加高斯白噪声的混合信号。

S2.2，得到混合信号的上包络线和下包络线。

S2.2.1，确定混合信号的局部极大值。

S2.2.2，对获得局部极大值点采用三次样条插值方法得到混合信号的上包络线。

S2.2.3，确定混合信号的局部极小值点。

S2.2.4，对获得局部极小值点采用三次样条插值方法得到混合信号的下包络线。