将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signa...
详细信息
将高频率分辨力谱估计技术与优化算法相结合而提出一种新的异步电动机转子故障检测方法。针对两种典型的高频率分辨力谱估计技术——多重信号分类(multiple signalclassification,MUSIC)与旋转不变信号参数估计技术(estimation of signal parameters via rotational invariancetechnique,ESPRIT),应用模拟转子故障的定子电流信号测试其频率分辨力、精度等性能,结果表明:即使对于短时信号,二者仍具高频率分辨力,可以准确地分辨定子电流信号中转子故障特征分量、主频分量之频率;但对其幅值、初相角,仅能提供"粗糙"估计。为此,尝试以优化算法——模拟退火算法(simulated annealing algorithm,SAA)与模式搜索算法(pattern search algorithm,PSA)确定各分量的幅值与初相角。同时,分别对MUSIC与ESPRIT、SAA与PSA做了性能对比,遴选优者并应用于转子故障检测。最后,针对转子断条故障进行实验,结果表明:基于高频率分辨力谱估计技术与优化算法的异步电动机转子故障检测方法有效、可行,即使在负载波动、噪声等干扰严重情况下仍然适用。
获得大工作空间是并联机构设计中的一个重要目标,利用3种优化算法对并联机构工作空间体积进行优化,以6自由度机构6-RSS为例,建立优化模型,分析比较优化算法的性能。考察的性能指标主要有优化效果、数值稳定性、时间效率。涉及到的优化算法包括多岛遗传算法、广义简约梯度法、序列二次规划法,后两种算法在应用时与试验设计(Design of experiment,DOE)方法进行集成。试验分析表明,DOE结合局部优化算法的改进型优化方法有明显优势,优化后6-RSS并联机构的工作空间体积增加为原来的2.59倍,优化时间仅为多岛遗传算法的1/5,优化结果稳定。
暂无评论