简介:众所周知,电动机电流是一种不稳定信号,其特性随电动机的随时间变化的正常工况而变化,结果,傅立叶分析难以将电动机的正常工况与故障工况区别开来,另一方面,时间-频率分析法清楚地显示了在变换域中,使与故障检测相关信号特性更明显的电动机电流,在本文中,我们提出了一个自适应的检测断条和轴承损坏的时间-频率统计法,由于电动机随时间变化的正常工况以及电动机几何结构对于电流的影响,我们使用了一种以训练为基础的方法,使用该方法,在实际的测试开始之前为来训练识别电动机的正常运行方式的算法。在训练阶段,利用转矩和机械转速估计来估计与故障检测有关的特性,然后,对这些特性进行统计分析,并将它们划分成电动机的几种正常运行方式,对于每一种方式要计算一个有代表性值和界定值,而后将其存入数据库,以用作测试阶段的基础,在测试阶段,要计算测试特性与模态代表值的距离,并将其与界定值进行比较,如果它比所有的界定值大,该测量值就称作为一个潜在的损坏信号,在后处理阶段,为了有多个测量值,该测试被反复进行,以提高检测的精度。从我们的研究中得到的实验结果表明,所推荐的方法提供了以电动机-电流为基础的故障探测的强有力的通用手段。
简介:Zernike矩是以Zernike多项式为核函数的矩,Zernike多项式构成了一个完备正交集。Zernike多项式的正交性使得Zernike矩互相独立,使它在特征表达能力和低的噪声敏感度方面具有较大的优越性。
简介:Legendre矩是以Legendre多项式为核函数的矩,在单位圆内Legendre多项式构成了一个完备正交集。Legendre多项式的正交性使得Legendre矩互相独立,并具有最小的信息冗余度。图像的亮度结构也可以从它的Legendre矩的集合中得以恢复。