PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2010 | R. 48, nr 2 | 36-40
Tytuł artykułu

Diagnostyka silnika synchronicznego oparta na analizie spektrum sygnałów akustycznych

Treść / Zawartość
Warianty tytułu
EN
Synchronous motor diagnostics based on analysis of acoustic signal spectrum
Języki publikacji
PL
Abstrakty
PL
Przedstawiono koncepcję badania sygnałów akustycznych stanów przedawaryjnych silnika synchronicznego. Zastosowano algorytmy przetwarzania i analizy sygnałów akustycznych, w tym algorytm FFT i klasyfikator Nearest Mean z metryką kosinusową. Zaimplementowano oprogramowanie do rozpoznawania dźwięków. Przeprowadzono badania dla sygnałów akustycznych stanów przedawaryjnych. Wyniki badań potwierdzają poprawne działanie systemu rozpoznawania dźwięku w silniku synchronicznym.
EN
An idea to investigate acoustic signals of pre-failure states of a synchronous motor has been presented in the paper. The processing algorithms and the algorithms of acoustic signal analysis including the FFT algorithms and the Nearest Mean classifier with cosine distance have been applied. Software for sound recognition has been implemented. There have been made tests of acoustic signals emitted at pre-failure states. The results of research have confirmed a correct operation of the sound recognition system designed for a synchronous motor.
Wydawca

Rocznik
Strony
36-40
Opis fizyczny
Wz., wykr., rys.,Bibliogr. 16 poz.,
Twórcy
autor
autor
  • Katedra Maszyn Elektrycznych, Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki, Akademia Górniczo-Hutnicza, Kraków
Bibliografia
  • 1. Mitrovic D., Zeppelzauer M., Eidenberger H.: Analysis of the Data Quality of Audio Features of Environmental Sounds, Journal of Universal Knowledge Management, vol. 1, no. 1(2006), 4-17.
  • 2. Yoshii K., Goto M. and Okuno H. G.: Drum Sound Recognition for Polyphonic Audio Signals by Adaptation and Matching of Spectrogram Templates With Harmonic Structure Suppression, IEEE Transactions on Audio, Speech, and Language Processing, Vol. 15, No. 1., January 2007, 333-345.
  • 3. Dubois D., Guastavino C.: Cognitive evaluation of sound quality: Bridging the gap between acoustic measurements and meanings. Proceedings of 19th International Congress on Acoustics - ICA07, September 2-8 2007, Madrid, Spain.
  • 4. Lee K.: Effective Approaches to Extract Features and Classify Echoes in Long Ultrasound Signals from Metal Shafts, Ph. D. dissertation, Brisbane, Australia, 2006.
  • 5. The MARF Development Group, Modular Audio Recognition Framework v.0.3.0-devel-20050606 and its Applications, Application note, Montreal, Quebec, Canada, 2005.
  • 6. Kinnunen T., Karpov E., Fränti P.: Real-Time Speaker Identification and Verification, IEEE Transactions on Audio, Speech, and Language Processing, Vol. 14, No. 1, Jan 2006, 277- 288.
  • 7. Głowacz A., Głowacz W.: Dc machine diagnostics based on sound recognition with application of FFT and fuzzy logic, Przegląd Elektrotechniczny (Electrical Review), R. 84. NR 12/2008, pp. 43-46.
  • 8. Głowacz A., Głowacz W.: Sound recognition of dc machine with application of FFT and backpropagation neural network, Przegląd Elektrotechniczny (Electrical Review), R. 84, NR 9/2008, pp. 159-162.
  • 9. Głowacz Z., Zdrojewski A.: Analiza spektralna sygnałów silnika komutatorowego prądu stałego zasilanego ze źródła napięcia stałego, Przegląd Elektrotechniczny; 82 (2006) nr 11, 76-79.
  • 10. Sutowski P.: Wykorzystanie wartości skutecznej sygnału emisji akustycznej oraz metod sztucznej inteligencji do oceny zużycia ściernicy, Pomiary Automatyka Kontrola, vol. 55, 4/2009, 255-258.
  • 11. Antal M., Antal L., Zawilak J.: Badania eksperymentalne silnika indukcyjnego z uszkodzoną klatką wirnika, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej; nr 59, Studia i Materiały, Oficyna Wydaw. PWroc., 2006, s. 69-77.
  • 12. Kowalski C. T.: Monitorowanie i diagnostyka uszkodzeń silników indukcyjnych z wykorzystaniem sieci neuronowych, Wyd. Pol. Wrocławskiej, Monografie, t.57, nr 18, Wrocław, 2005.
  • 13. Sałat R., Osowski S., Siwek K.: Principal Component Analysis for feature selection at the diagnosis of electrical circuits, Przegląd Elektrotechniczny, 2003, No 10, pp. 667-670.
  • 14. Pasko M., Walczak J.: Teoria Sygnałów, Wydawnictwo Politechniki Śląskiej, 2007.
  • 15. Kowal M., Korbicz J.: Robust fault detection using neuro-fuzzy models, Przegląd Elektrotechniczny, 2006, No 1, pp. 32-36.
  • 16. Tadeusiewicz R.: Speech recognition versus understanding of the nature of speech deformation in pathological speech analysis (Abstract), Archives of Acoustics, vol. 28, No. 3, 2003, pp. 260.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-article-BGPK-2826-0842
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.