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
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。
