[发明专利]一种基于经验模态分解的电机铁芯异常检测方法

说明书

技术领域

本发明涉及电机异常检测领域，具体涉及一种基于经验模态分解的电机铁芯异常检测方法。

背景技术

电机已开始用于现代工业中的关键业务，但是其可靠性并不能得到很好的保证，需要对电机进行异常诊断以保证其安全性能。电机的定子铁芯异常是电机异常中最严重的异常之一，如果只是定子铁芯发生了变形、松动或偏心，维护人员是很难发现电机的异常情况的，但这些异常同样将导致电机运行发生严重事故。

因此，为了保证电机安全性能，能够可靠运行，尽早发现电机运行异常是当前亟待解决的问题。

发明内容

本发明所要解决的技术问题是提供一种基于经验模态分解的电机铁芯异常检测方法，用经验模态分解法分析电机铁芯振动信号，使维护人员尽早发现电机运行异常，保证了电机安全可靠运行。

本发明解决上述技术问题的技术方案如下：

一种基于经验模态分解的电机铁芯异常检测方法，包括如下步骤：

(1)对铁芯振动信号的时间序列进行EMD经验模态分解，得到多个IMF分量；

(2)根据瞬时频率突然出现波动大的地方为异常分量的判定规则，提取每个IMF分量中的异常分量；

(3)对IMF分量中的异常分量进行Hilbert变换，得到异常分量的Hilbert谱；

(4)根据Hilbert谱的振动能量和异常关系，建立运行状态和能量特征的对应关系，得到三维Hilbert谱；

(5)分析三维Hilbert谱的能量分布特征，提取状态指纹，以判断电机铁芯是否发生异常。

本发明的有益效果是：通过经验模态分解法分析电机铁芯振动信号，使维护人员尽早发现电机运行异常，减少异常损失成本。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述步骤(1)的对铁芯振动信号的时间序列进行EMD经验模态分解，得到多个IMF分量，具体实现方法为：

(11)确定时间序列x(t)的局部极大值和局部极小值；

(12)利用三次样条曲线插值连接局部极大值和局部极小值，分别得到极大值包络x_max(t)和极小值包络x_min(t)；

(13)对极大值包络x_max(t)和极小值包络x_min(t)取平均，得到瞬时平均值m(t)：m(t)＝[x_max(t)+x_min(t)]/2；

(14)用时间序列x(t)减去瞬时平均值m(t)，得到一个去掉低频的新数列h(t)：h(t)＝x(t)-m(t)；

(15)检查h(t)＝x(t)-m(t)是否满足IMF分量的条件，若满足，则转到下一步，否则将h₁(t)代替x_i(t)从步骤(11)开始迭代，直到满足IMF条件或预先设置的停止条件，则求得分量h_k(t)＝h_(k-1)(t)-m_k(t)；

(16)当分量m_k或剩余分量h_k小于预定值时，或当剩余分量h_k为单调函数时，则将去掉低频的新数列h(t)与本征模态函数imf1(t)序例相加，得到原时间序列：

其中，h_k(t)为剩余分量，m_i(t)为经验模态分解得到的IMF分量。

进一步，所述步骤(3)对IMF分量中的异常分量进行Hilbert变换，得到异常分量的Hilbert谱，其具体实现方法为：

(31)对各IMF分量中的异常分量的时间序列x(t)进行Hilbert变换：

(32)将各IMF分量中的异常分量的时间序列x(t)作为实部，时间序列x(t)的Hilbert变换作为虚部，得到复信号z(t)：

(33)将各IMF分量中的异常分量的进行希尔伯特变换后得到的复信号z(t)进行累加，得到Hilbert幅值谱：

式中，Re表示取实部即得到幅值函数a(t)和相位函数θ(t)；

(34)由Hilbert幅值谱，得到边际谱为：

附图说明

图1为本发明电机振动信号测量示意图；

图2为本发明方法流程图；

图3为本发明经验模态分解法流程图；