论文部分内容阅读
感应电机因其结构简单、价格便宜、运行可靠等优良特性,被广泛应用于国防军事、交通运输、生产生活等领域。而轴承作为感应电机中至关重要的部件,一旦发生故障影响极为严重。因此进行轴承故障诊断的研究,对于确保感应电机的平稳运行有着重要意义。由于基于外部磁场进行轴承故障诊断具有非侵入式、检测方便等优点,已逐渐成为该领域研究的热点。本文考虑轴承故障会引起气隙偏心的实际情况,提出了新的气隙变化模型。针对轴承故障会同时引起气隙变化与转矩波动的实际状况,结合两种理论模型推导出了轴承实际故障情况下的电机外部磁通密度公式。相比于气隙变化模型与转矩波动模型,新的理论模型增加了转子频率,频率成分更加丰富。由于外部磁密信号的频率成分复杂、故障特征频率识别困难,本文提出了一种基于参数优化的变分经验模态分解(VMD)和Teager-Kaiser能量算子(TKEO)的轴承故障检测方法。首先利用VMD对磁密信号进行分解,针对VMD方法需要预先给定分解个数,且分解个数直接影响分解结果等不足,本文提出了一种计算瞬时频率均值的方法对其进行参数优化。随后计算VMD的分解结果的相关系数,从而选择有效的模态函数进行信号重构。针对磁密信号中不存在单独的故障特征频率的问题,对其进行TKEO处理。TKEO解调出了故障特征频率以及许多包含特征频率的调制边频,为轴承故障诊断提供了充足的依据。最后搭建了轴承故障试验平台,并利用试验平台采集了健康轴承与故障轴承的电机外部磁密信号。利用参数优化的VMD-TKEO方法对磁密信号进行处理,实现了轴承故障的检测,验证了改进的外部磁密理论模型的正确性,也验证了所提方法的有效性。通过与EMD、EEMD、EWT、TKEO方法进行对比,结果表明了本文提出的方法的有效性与优越性。