将基于奇异值分解(Singular Value Decomposition,SVD)滤波的旋转不变信号参数估计技术(Estimation Of signal parameters via rotational invariance technique,ESPRIT)与粒子群(Particle Swarm Optimization,PSO)算法相结合提出一种异步电动机转子断条故障检测方法。利用ESPRIT的高频率分辨力特性,通过SVD滤波准确提取定子电流信号中转子断条故障特征分量及主频分量之频率,但因其对幅值和初相位估计的效果欠佳,进而尝试应用粒子群优化算法确定各频率分量的幅值和初相位。仿真及试验结果表明,基于SVD-ESPRIT与粒子群算法的异步电动机转子断条故障检测方法是有效的,且因算法简单、运行耗时短亦可用于在线检测。
供电电压闪变可能对异步电动机转子故障在线检测产生不利影响,导致基于定子电流信号分析(motor current signature analysis,MCSA)的转子故障在线检测方法失效。通过理论分析,揭示供电电压闪变恶化转子故障在线检测性能的机制。提出免于供电电压闪变影响的异步电动机转子故障在线检测方法,首先,根据转子故障主特征频率分量预判转子健康或故障;继而,根据转子故障独有的辅助特征频率分量进一步确认转子健康或故障。仿真与实验结果证明了该方法的有效性。
