基于 rlmd 与 ht 技术的转子故障诊断新方法

快速傅里叶变换(FFT)在诊断松动箍-bar(BRB)故障的 squirrel-cage 意象电动机(IM)时，频域分析是流行的方法之一。然而，FFT 分析受采样频率和时间获取约束，在时变条件下效果较差。为克服这些困难，本文提出一种用于非平稳条件的 BRB 故障检测方法。该方案基于近期发展的鲁棒局部均分解(RLMD)和希尔伯特变换(HT)方法。通过这些技术，可仅从一个相电流 stator 电流中获取 BRB 特征频率和�幅分量，实现自动化特征检测过程。事实上，HT 用于提取 stator 电流包络(SCE)。随后，对 SCE 进行 RLMD 处理以确定子信号产生函数(PFs)。最后，对最敏感的 PF 应用 HT 以计算其瞬时频率和振幅。BRB 故障特征的跟踪可向我们提供意象电动机的运行状态。通过在 Matlab 环境中进行仿真验证了所提出诊断策略的有效性。仿真结果表明，该方法能够准确跟踪 2sf 分量的频率和振幅，其中 f 和 s 分别代表基本 stator 电流频率和电动机滑移。