PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Monitorowanie i diagnostyka uszkodzeń silników indukcyjnych z wykorzystaniem sieci neuronowych

Autorzy
Identyfikatory
Warianty tytułu
EN
Monitoring and diagnostics of the induction motor faults using neural networks
Języki publikacji
PL
Abstrakty
PL
Przedstawiono podstawowe problemy związane z monitorowaniem i diagnostyką silników indukcyjnych klasycznymi metodami wykrywania uszkodzeń, w połączeniu z nowymi możliwościami stworzonymi przez sztuczne sieci neuronowe. Omówiono przyczyny powstawania uszkodzeń elektrycznych i mechanicznych w silnikach indukcyjnych klatkowych. Scharakteryzowano podstawowe metody wykrywania uszkodzeń stosowane obecnie w diagnostyce eksploatacyjnej. Szczególną uwagę zwrócono na omówienie metod monitorowania i diagnostyki na podstawie analizy częstotliwościowej sygnałów prądu stojana, strumienia poosiowego oraz drgań mechanicznych. Zaprezentowano metodykę zastosowania sztucznych sieci neuronowych do wykrywania podstawowych uszkodzeń w silnikach indukcyjnych i budowania neuronowych detektorów uszkodzeń, mających za zadanie wspomóc klasyczne metody diagnozowania i zobiektywizować proces wykrywania i oceny uszkodzenia. Szczególną uwagę zwrócono na zastosowanie sieci typu per-ceptron wielowarstwowy oraz sieci samoorganizujących Kohoncna do budowy neurodetektorów uszkodzeń, realizujących funkcje klasyfikatora uszkodzeń. Zbadano neuronowe detektory uszkodzeń wirników klatkowych, zwarć międzyzwojowych w stojanie oraz łożysk tocznych, opracowane na podstawie danych zebranych klasycznymi metodami na rzeczywistym obiekcie. Wykazano przydatność analizy falkowej do wstępnego przetwarzania sygnałów diagnostycznych w celu otrzymania danych przydatnych do trenowania i testowania neuronowych detektorów uszkodzeń. Przedstawiono wstępne wyniki badań laboratoryjnych neuronowych detektorów uszkodzeń wirników i łożysk tocznych, pracujących on-line na rzeczywistej maszynie i zrealizowanych programowo w komputerze PC z kartą kontrolera DSP.
EN
In the monograph, the basic problems connected with the monitoring and diagnostics of induction motors using classical fault detection methods, supported by new possibilities generated by artificial neural networks, have been presented. The main sources of electrical and mechanical faults of the squirrel cage induction motors are described. Basic methods of fault detection used in the industrial diagnostics of induction machines are characterized. The main attention was focused on the monitoring and diagnosis methods based on the frequency analysis of the motor current, the axial flux and mechanical vibration signals. The possibility of applying the neural networks to fault detection in the stator, rotor and bearings of the induction motors is presented. A methodology for the design of neural detectors, supporting the classical diagnostics methods and making fault detection and evaluation process reliable, has been developed. Special attention is focused on the application of multilayer perceptron and Kohonen networks for the design of fault detectors, used as fault classifiers. Various structures of neural detectors of rotor cages, stator inter-turn short-circuits and rolling bearings, trained using experimental data obtained from a real machine, have been tested and evaluated. It has also been proved that wavelet analysis applied to the initial preprocessing of the diagnostic signals, is a useful and powerful tool for collection of the training and testing data for neural fault detectors. The developed neural detectors of the rotor and bearing faults were implemented in the laboratory test bench using a digital signal processor, which performed the data acquisition of the stator current and/or vibration signals, Fast Fourier Transformation of Wavelet Transformation of the diagnostic signals in the real-time operation. Experimental results of laboratory tests for are demonstrated and evaluated.
Twórcy
  • Politechnika Wrocławska, Instytut Maszyn, Napędów i Pomiarów Elektrycznych, 50-372 Wrocław, ul. Smoluchowskiego 19.
Bibliografia
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPW8-0001-0041
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.