提出一种基于旋转不变信号参数估计技术(Estimation of signal parameters via rotational invariance technique,ESPRIT)与模式搜索算法(Pattern search algorithm,PSA)的异步电动机转子故障检测新方法。模拟形成转子故障情况下的定子电流信号并以之检验ESPRIT性能。结果表明:即使对于短时信号,ESPRIT仍具备高频率分辨力,可以准确估计定子电流各个分量的频率;但对其幅值、初相角的估计欠缺准确性、稳定性。随后,采用PSA确定各个频率分量的幅值、初相角。对一台异步电动机完成了转子故障检测试验,结果表明:基于ESPRIT与PSA的异步电动机转子故障检测方法是切实可行的,并且因仅需短时信号即可达到高频率分辨力而适用于负荷波动情况。
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。
