Tytuł artykułu
Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
Badania i zastosowanie sztucznej sieci neuronowej do diagnostyki zwarcia uzwojenia stojana w silniku indukcyjnym pierścieniowym
Języki publikacji
Abstrakty
The paper presents an application of an artificial neural network (ANN) to diagnostics of short-circuit between one phase of the stator winding and the motor housing. A set of machine vibration acceleration measurements for different values of resistance, through which winding and the housing was short-circuited, was gathered. Four resistance values and four load torque values were examined. From the frequency spectrum of machine vibration accelerations a set containing the amplitudes values of the frequencies: 100, 200, 300, 400, 500, 600 Hz was chosen. Thus prepared set of the vibration accelerations amplitudes supplemented with RMS phase currents and the load torque values was used to train the artificial neural network. The network response was the value of the short-circuit resistance between the stator winding and the motor housing.
W artykule przedstawiono zastosowanie sztucznej sieci neuronowej (SSN) do diagnostyki zwarcia uzwojenia stojana z obudową silnika. Zgromadzono zbiór pomiarów przyspieszeń drgań maszyny dla różnych wartości rezystancji, przez którą zwierano uzwojenie z obudową. Rozpatrzono cztery wartości rezystancji oraz cztery wartości momentu obciążenia silnika. Z widma częstotliwościowego przyspieszeń drgań maszyny stworzono zbiór zwierający wartości amplitud o częstotliwościach: 100, 200, 300, 400, 500, 600 Hz. Tak przygotowany zbiór wartości amplitud przyspieszeń drgań uzupełniony o wartości skuteczne prądów fazowych oraz wartość momentu obciążenia posłużył do wytrenowania sztucznej sieci neuronowej. Natomiast odpowiedzią sieci była wartość rezystancji zwarcia uzwojenia stojana z obudową.
Wydawca
Czasopismo
Rocznik
Tom
Strony
181--184
Opis fizyczny
Bibliogr. 9 poz., rys., tab., wykr.
Twórcy
autor
- Politechnika Poznańska, Instytut Elektrotechniki i Elektroniki Przemysłowej
autor
- Politechnika Poznańska, Instytut Elektrotechniki i Elektroniki Przemysłowej
Bibliografia
- [1] Bacha K., Henaob H., Gossa M., Capolino G. A.: Induction machine fault detection using stray flux EMF measurement and neural network-based decision, Elsevier Electric Power Systems Research 78 (2008), pp. 1247–1255.
- [2] Glinka T.: Badania diagnostyczne maszyn elektrycznych w przemyśle. BOBRME KOMEL, Katowice, 1998
- [3] Kamiński M., Orłowska-Kowalska T., Kowalski Cz. T.: Zastosowanie radialnych sieci neuronowych w detekcji uszkodzeń wirnika silnika indukcyjnego, Politechnika Wrocławska, Zeszyty Problemowe – Maszyny Elektryczne Nr 84/2009.
- [4] Pietrowski W.: Application of Radial Basis Neural Network to diagnostics of induction motor stator faults using axial flux, Przegląd Elektrotechniczny R. 87, Nr 6/2011, ss. 190-192.
- [5] Rawicki S., Koczorowski J., Mirski R., Nowak M., Badanie spektrum drgań trójfazowego silnika indukcyjnego przy uszkodzeniach uzwojenia stojana, Zeszyty Problemowe – Maszyny Elektryczne Nr 81/2009, str. 47-50, 2009
- [6] Sobczyk T., Węgiel T., Sułowicz M., Warzecha A., Weinreb K.: A distributed system for diagnostics of induction motors. Proceedings of IEEE Symposium on Diagnostics for Electric Machines, Power Electronics and Drives, SDEMPED’ 2005: Viena, 2005.
- [7] Toumi D., Boucherit M.S., Tadjine M., Observer-based fault diagnosis and field oriented fault tolerant control of induction motor with stator inter-turn fault, Archives Of Electrical Engineering, Vol. 61(2), 2012, pp. 165-188.
- [8] Rawicki S., Koczorowski J., Mirski R.: On-line diagnostics of three-phase induction motors basing on analysis of vibration, noise, current and torque spectra. Proceedings of International Conference on Models and Simulation MS’08: Palma de Majorca – Spain, 2008
- [9] Antal M., Antal L., Zawilak J.: Badania uszkodzeń uzwojenia stojana klatkowego silnika indukcyjnego. Zeszyty Problemowe BOBRME KOMEL, Nr 76, 2007
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-2dfa6160-8d61-402d-885b-985f76e7cd8d