Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-article-BPW9-0005-0152

Czasopismo

Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały

Tytuł artykułu

Faulty states detection of synchronous motor using neural network

Autorzy Głowacz, Z.  Kozik, J. 
Treść / Zawartość http://www.imnipe.pwr.wroc.pl/wyd-stud.dhtml
Warianty tytułu
PL Wykrywanie stanów awaryjnych maszyny synchronicznej z wykorzystaniem sieci neuronowych
Języki publikacji EN
Abstrakty
EN Electrical machines, similarly to the other electrical and mechanical devices are constantly exposed to both external and internal influences which cause the changes to their physical state and functionality [1]. These gradually developing irreversible changes worsen the efficiency of the machine and thus the industrial process it is the part of and finally can lead to complete damage to the machine and very expensive breaks. To minimize these adverse effects the state of the machine should be periodically checked allowing the maintenance works to be done before the fault develops. Rapid development of a digital measurement techniques in the last decades created new possibilities of machines condition diagnostics, which do not require any disintegration to the machine, and can be undertaken even without stopping the process. These new methods include: spectral analysis of currents, axis flux, vibration and sound analysis, thermal pattern recognition. The conclusions are usually done by experts, but recently the growing importance acquire the automatic methods of detection employing an artificial intelligence [2]. This paper describes an automatic recognition of synchronous motor faults based on spectral analysis of stator and field currents with the aid of neural network.
PL W referacie poruszony został problem wykrywania uszkodzeń silnika synchronicznego metodą nieinwazyjną bazującą na analizie spektralnej prądów stojana. Badanym obiektem była maszyna synchroniczna o specjalnym wykonaniu posiadająca w każdej z faz dwie gałęzie równoległe, z których każda podzielona jest na dwie grupy zezwojów. Końce każdej z grup zezwojów wyprowadzone sana zewnątrz maszyny umożliwiając ich różne połączenia. Brano pod uwagę uszkodzenia takie jak: przerwa w jednej grupie zezwojów w jednej, dwóch oraz trzech fazach, zwarcie w jednej grupie zezwojów w jednej fazie, a także różne kombinacje zwarć i przerw (w sumie 19 rożnych stanów awaryjnych). Na podstawie dokonanej analizy spektralnej prądów stojana oraz prądu wirnika wytypowano częstotliwości, których amplitudy najsilniej reagują na dany stan awaryjny, a następnie użyto tych częstotliwości w automatycznym procesie wykrywania rodzaju uszkodzenia. Rozpoznawanie stanu maszyny dokonywane było z użyciem sieci neuronowych typu feed-forward. Zbadano wpływ struktury sieci na poprawność dokonywanej detekcji uszkodzeń. Wykonane badania potwierdzają duża skuteczność tego rodzaju wykrywania.
Słowa kluczowe
PL maszyna synchroniczna   wykrywanie uszkodzeń w sieciach neuronowych  
EN synchronous machine   faulty states detectiom neural network   spectral analysis  
Wydawca Oficyna Wydawnicza Politechniki Wrocławskiej
Czasopismo Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
Rocznik 2008
Tom Vol. 62, nr 28
Strony 466--473
Opis fizyczny Bibliogr. 3 poz.
Twórcy
autor Głowacz, Z.
autor Kozik, J.
Bibliografia
[1] KORBICZ J., KOSCIELNY J.M., KOWALCZUK Z., CHOLEWA W., Diagnostyka procesów. Modele. Metody sztucznej inteligencji. Zastosowania. WNT, Warszawa, 2002.
[2] KOWALSKI C.T., Zastosowanie sztucznej inteligencji w diagnostyce silników indukcyjnych, Przeglad Elektrotechniczny, R. 82, Nr 11/2006, pp. 53–58.
[3] OSOWSKI S., Sieci neuronowe do przetwarzania informacji, OWPW, Warszawa, 2006.
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-article-BPW9-0005-0152
Identyfikatory