Diagnostyka łożysk silnika indukcyjnego na podstawie prądu zasilającego przy użyciu sztucznych sieci neuronowych

• Autorzy: Ciszewski T. , Swędrowski L.

Warianty tytułu

EN

Diagnostics of induction motor bearings with use of supply current signal and artificial neural networks

• Języki publikacji: PL

Abstrakty

PL

W artykule zawarto wyniki badań dotyczące diagnostyki łożysk silnika indukcyjnego na podstawie pomiarów prądu zasilającego z wykorzystaniem sztucznych sieci neuronowych. Zaprezentowano wyniki uczenia sieci oraz rezultaty testów przeprowadzonych na danych spoza zbioru uczącego. Badania wykonane zostały na obiektach z celowo wprowadzonymi uszkodzeniami łożysk. Przedstawiona nowa koncepcja zakłada użycie zestawu sieci neuronowych wybieranych na podstawie prędkości obrotowej silnika podczas pomiaru. Metoda ta ma szanse na wdrożenie w przemyśle.

EN

The paper contains research results on the diagnostics of induction motor bearings by measuring the supply current with usage of artificial neural networks. Bearing failure amount is greater than 40% of all engine failures, so their damage-free operation is so important [1]. Tests were performed on objects with intentionally made bearings defects. Section 2 introduces the concept of artificial neural networks. It presents the general structure of a multilayer neural network (Fig.1) and the model of a single neuron (Fig. 2) which explains how to create an output signal (1,2). A backpropagation algorithm was chosen to be the learning method for the network being created. It uses equation (4) for calculating the errors in the k-th layer. As the model data for the network learning, DREAM vibration diagnostics system results were used. Section 3 describes how the network input data was created. The essence of the algorithm is to choose the right set of weights for each rotor speed. This is an innovative solving of this diagnostic problem. The results of this study are listed in Table 1. Equations (6) - (14) describe how each error was counted. The method presented in this paper, after developing, can be very useful for industry.

Słowa kluczowe

PL

diagnostyka; silnik indukcyjny; sieci neuronowe; uszkodzenia łożysk

EN

diagnostics; induction motor; neural networks; bearings defects

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2013
• Tom: R. 59, nr 4
• Strony: 316--318
• Opis fizyczny: Bibliogr. 6 poz., rys., tab., wykr., wzory

Twórcy

autor

Ciszewski T.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki, Katedra Metrologii i Systemów Informacyjnych, ul. G. Narutowicza 11/12, 80-233 Gdańsk

autor

Swędrowski L.

• Politechnika Gdańska, Wydział Elektrotechniki i Automatyki, Katedra Metrologii i Systemów Informacyjnych, ul G. Narutowicza 11/12, 80-233 Gdańsk

Bibliografia

• [1] Ciszewski T., Swędrowski L., Wołoszyk M., Ziółko M.: Porównanie wyników badań diagnostycznych łożysk silnika indukcyjnego poprzez pomiary wibracji i prądu stojana, Electrical engineering, Issue 72, s. 217, Poznań University of Technology, Poznań 2012.
• [2] Kowalski Cz. T.: Monitorowanie i diagnostyka uszkodzeń silników indukcyjnych z wykorzystaniem sieci neuronowych, monografia nr 18, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2005.
• [3] Rusek J., Swędrowski L.:Induction machine model for current diagnostics of bearings. Tagungsband 48. Internationales Wissenschartliches Kolloquium. Ilmenau, 2003.
• [4] Swędrowski L., Wołoszyk M., Ziółko M.: Nowe rozwiązanie przetwornika prądu w diagnostyce prądowej silników indukcyjnych, Pomiary Automatyka Kontrola nr 12, s. 1570–1572 (2011).
• [5] Rutkowski L.: Metody i techniki sztucznej inteligencji. Wydawnictwo naukowe PWN, Warszawa 2006.
• [6] Swędrowski L.: Nowa metoda diagnostyki silnika indukcyjnego oparta na pomiarze i analizie widmowej prądu zasilającego. Wydawnictwo Politechniki Gdańskiej, Gdańsk 2005.