提出了一种基于多重信号分类(multiple signal classification,MUSIC)与模式搜索算法(pattern search algorithm,PSA)的异步电动机转子断条故障检测新方法。MUSIC方法对于短时信号具备高频率分辨力,可以准确计算转子断条故障特征分量以...提出了一种基于多重信号分类(multiple signal classification,MUSIC)与模式搜索算法(pattern search algorithm,PSA)的异步电动机转子断条故障检测新方法。MUSIC方法对于短时信号具备高频率分辨力,可以准确计算转子断条故障特征分量以及其他分量的频率;但对诸频率分量幅值和初相角则无法准确求解。因此引入PSA确定诸频率分量的幅值、初相角,并对1台Y100L-2型3 kW笼型异步电动机完成了转子断条故障检测实验。实验结果表明:基于MUSIC与PSA的异步电动机转子断条故障检测方法切实可行,适用于负荷波动、噪声等干扰严重情况。展开更多
提出了一种基于多重信号分类(Multiple Signal Classification,MUSIC)与模拟退火算法(Simulated Annealing Algorithm,SAA)的异步电动机转子断条故障检测新方法。首先以转子断条故障仿真信号检验MUSIC性能,结果表明:MUSIC对于短时信号...提出了一种基于多重信号分类(Multiple Signal Classification,MUSIC)与模拟退火算法(Simulated Annealing Algorithm,SAA)的异步电动机转子断条故障检测新方法。首先以转子断条故障仿真信号检验MUSIC性能,结果表明:MUSIC对于短时信号具备高频率分辨力,可以准确计算转子断条故障特征分量以及其他分量之频率;但对诸频率分量幅值、初相角,MUSIC无能为力。为此,引入SAA确定诸频率分量幅值、初相角,效果理想。进而,对一台Y100L—2型3kW笼型异步电动机完成了转子断条故障检测实验。实验结果表明:基于MUSIC与SAA的异步电动机转子断条故障检测方法是切实可行的,并且因仅需处理短时信号而适用于负荷波动、噪声等干扰严重情况。展开更多
将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signa...将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signal parameters via rotational invariancetechnique,ESPRIT),应用模拟转子故障的定子电流信号测试其频率分辨力、精度等性能,结果表明:即使对于短时信号,二者仍具高频率分辨力,可以准确地分辨定子电流信号中转子故障特征分量、主频分量之频率;但对其幅值、初相角,仅能提供"粗糙"估计。为此,尝试以优化算法——模拟退火算法(simulated annealing algorithm,SAA)与模式搜索算法(pattern search algorithm,PSA)确定各分量的幅值与初相角。同时,分别对MUSIC与ESPRIT、SAA与PSA做了性能对比,遴选优者并应用于转子故障检测。最后,针对转子断条故障进行实验,结果表明:基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测方法有效、可行,即使在负载波动、噪声等干扰严重情况下仍然适用。展开更多
叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal clas...叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。展开更多
为了实现异步电动机转子断条故障的准确检测,提出了一种基于多重信号分类MUSIC(root multiple signal classification)与普罗尼P rony算法相结合的异步电动机转子断条故障检测新方法。MUSIC方法具有频率分辨力高,所需数据少的特点。首...为了实现异步电动机转子断条故障的准确检测,提出了一种基于多重信号分类MUSIC(root multiple signal classification)与普罗尼P rony算法相结合的异步电动机转子断条故障检测新方法。MUSIC方法具有频率分辨力高,所需数据少的特点。首先利用该方法计算出异步电机转子发生断条故障时的特征分量及其他分量的频率值,进而引入扩展Prony法中的最小二乘法,估计出特征分量及其它分量的幅值和初相角。仿真及实验结果表明,基于MUSIC和Prony算法的异步电动机转子断条故障检测方法切实可行,并且适用于负荷波动、噪声干扰等不利情况。展开更多
针对电机定子绕组匝间短路时,定子电流中干扰信号影响大,故障信号较微弱等缺点,研究了一种基于互高阶累积量的多重信号分类的故障特征检测方法(Multiple Signal Classification,MUSIC)。通过MUSIC算法对定子电流信号进行快速分解,形成...针对电机定子绕组匝间短路时,定子电流中干扰信号影响大,故障信号较微弱等缺点,研究了一种基于互高阶累积量的多重信号分类的故障特征检测方法(Multiple Signal Classification,MUSIC)。通过MUSIC算法对定子电流信号进行快速分解,形成噪声子空间和信号子空间,确定定子匝间短路故障特征频率分量。由于互高阶累积量可以有效地抑制相关和非相关噪声,在混合噪声条件下,该方法仍具有很高的谱分辨率和谱估计性能。仿真和实验结果表明,该方法在对电机定子匝间短路故障检测时,在不需要对分析数据进行整周期采样前提下,更准确地反映故障特征频率,证明了此方法的有效性。展开更多
目前,Wi-Fi已被广泛应用于公共和私人领域,基于无线技术的无设备人体入侵检测在实现资产安全、应急响应和个性化服务等室内服务中有着广泛的应用前景。针对现有方法存在误报和漏报严重、海量信息难以分析、部署麻烦等问题,文中提出了一...目前,Wi-Fi已被广泛应用于公共和私人领域,基于无线技术的无设备人体入侵检测在实现资产安全、应急响应和个性化服务等室内服务中有着广泛的应用前景。针对现有方法存在误报和漏报严重、海量信息难以分析、部署麻烦等问题,文中提出了一种基于Wi-Fi信号的入侵检测方法。首先利用Wi-Fi设备上细粒度的信道状态信息(Channel State Information, CSI)捕捉由人体移动引起的微小变化;其次利用多重信号分类算法(Multiple Signal Classification, MUSIC)采样协方差矩阵特征分解得到的噪声子空间以估计目标到达角度(Angle of Arrival, AOA);最后通过计算人体移动导致的不同路径相位差变化来判断是否有人入侵。与传统方法的区别在于,所提方法将谱峰搜索和相位差相结合,二者优势互补,克服了环境和噪声干扰,解决了多径效应对结果的影响。文中选取两种典型的室内环境——会议室和暗室来测试该方法的有效性。实验结果显示,所提方法在两种室内环境中的平均假阴性(False Negative, FN)和假阳性(False Positive, FP)分别为1.83%和1.4%。此外,文中还评估了所提方法在不同运动模式下的检测性能,平均假阴性和假阳性分别为2.26%和1.46%。与其他方法的对比结果验证了该方法的有效性和稳定性。该方法具有很强的鲁棒性和实用价值,为今后入侵检测技术的发展提供了参考方案。展开更多
文摘提出了一种基于多重信号分类(Multiple Signal Classification,MUSIC)与模拟退火算法(Simulated Annealing Algorithm,SAA)的异步电动机转子断条故障检测新方法。首先以转子断条故障仿真信号检验MUSIC性能,结果表明:MUSIC对于短时信号具备高频率分辨力,可以准确计算转子断条故障特征分量以及其他分量之频率;但对诸频率分量幅值、初相角,MUSIC无能为力。为此,引入SAA确定诸频率分量幅值、初相角,效果理想。进而,对一台Y100L—2型3kW笼型异步电动机完成了转子断条故障检测实验。实验结果表明:基于MUSIC与SAA的异步电动机转子断条故障检测方法是切实可行的,并且因仅需处理短时信号而适用于负荷波动、噪声等干扰严重情况。
文摘将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signal parameters via rotational invariancetechnique,ESPRIT),应用模拟转子故障的定子电流信号测试其频率分辨力、精度等性能,结果表明:即使对于短时信号,二者仍具高频率分辨力,可以准确地分辨定子电流信号中转子故障特征分量、主频分量之频率;但对其幅值、初相角,仅能提供"粗糙"估计。为此,尝试以优化算法——模拟退火算法(simulated annealing algorithm,SAA)与模式搜索算法(pattern search algorithm,PSA)确定各分量的幅值与初相角。同时,分别对MUSIC与ESPRIT、SAA与PSA做了性能对比,遴选优者并应用于转子故障检测。最后,针对转子断条故障进行实验,结果表明:基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测方法有效、可行,即使在负载波动、噪声等干扰严重情况下仍然适用。
文摘叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。
文摘为了实现异步电动机转子断条故障的准确检测,提出了一种基于多重信号分类MUSIC(root multiple signal classification)与普罗尼P rony算法相结合的异步电动机转子断条故障检测新方法。MUSIC方法具有频率分辨力高,所需数据少的特点。首先利用该方法计算出异步电机转子发生断条故障时的特征分量及其他分量的频率值,进而引入扩展Prony法中的最小二乘法,估计出特征分量及其它分量的幅值和初相角。仿真及实验结果表明,基于MUSIC和Prony算法的异步电动机转子断条故障检测方法切实可行,并且适用于负荷波动、噪声干扰等不利情况。
文摘针对电机定子绕组匝间短路时,定子电流中干扰信号影响大,故障信号较微弱等缺点,研究了一种基于互高阶累积量的多重信号分类的故障特征检测方法(Multiple Signal Classification,MUSIC)。通过MUSIC算法对定子电流信号进行快速分解,形成噪声子空间和信号子空间,确定定子匝间短路故障特征频率分量。由于互高阶累积量可以有效地抑制相关和非相关噪声,在混合噪声条件下,该方法仍具有很高的谱分辨率和谱估计性能。仿真和实验结果表明,该方法在对电机定子匝间短路故障检测时,在不需要对分析数据进行整周期采样前提下,更准确地反映故障特征频率,证明了此方法的有效性。
文摘目前,Wi-Fi已被广泛应用于公共和私人领域,基于无线技术的无设备人体入侵检测在实现资产安全、应急响应和个性化服务等室内服务中有着广泛的应用前景。针对现有方法存在误报和漏报严重、海量信息难以分析、部署麻烦等问题,文中提出了一种基于Wi-Fi信号的入侵检测方法。首先利用Wi-Fi设备上细粒度的信道状态信息(Channel State Information, CSI)捕捉由人体移动引起的微小变化;其次利用多重信号分类算法(Multiple Signal Classification, MUSIC)采样协方差矩阵特征分解得到的噪声子空间以估计目标到达角度(Angle of Arrival, AOA);最后通过计算人体移动导致的不同路径相位差变化来判断是否有人入侵。与传统方法的区别在于,所提方法将谱峰搜索和相位差相结合,二者优势互补,克服了环境和噪声干扰,解决了多径效应对结果的影响。文中选取两种典型的室内环境——会议室和暗室来测试该方法的有效性。实验结果显示,所提方法在两种室内环境中的平均假阴性(False Negative, FN)和假阳性(False Positive, FP)分别为1.83%和1.4%。此外,文中还评估了所提方法在不同运动模式下的检测性能,平均假阴性和假阳性分别为2.26%和1.46%。与其他方法的对比结果验证了该方法的有效性和稳定性。该方法具有很强的鲁棒性和实用价值,为今后入侵检测技术的发展提供了参考方案。
