Faults detection in PMSM drive using Artificial Neural Network

• Autorzy: Urbański K. , Majchrzak D.

Identyfikatory

DOI

10.15199/48.2017.06.06

Warianty tytułu

PL

Detekcja uszkodzeń w napędzie z PMSM przy użyciu Sztucznej Sieci Neuronowej

• Języki publikacji: EN

Abstrakty

EN

In this paper, simulation research results of PMSM drive with open phase fault detection are presented. Proposed fault detection system is implemented using two artificial neural networks. One of them is neural model of healthy PMSM and another one generates diagnostic signals. When the fault occurs, the amplitude of current residuals increases and evaluation system returns diagnosis. In proposed system detection time is about 1 ms. Moreover, diagnosis does not depend on load state.

PL

Artykuł przedstawia wyniki badań symulacyjnych napędu PMSM z detekcją przerwy fazy. Proponowany system detekcji uszkodzeń zaimplementowano z użyciem dwóch sztucznych sieci neuronowych. Jedna z nich pełni rolę modelu neuronowego sprawnego PMSM, natomiast druga generuje sygnały diagnostyczne. W przypadku wystąpienia uszkodzenia amplituda residuów prądów wzrasta, a system ewaluacji zwraca diagnozę. Czas detekcji w przedstawionym układzie jest rzędu 1 ms. Ponadto działanie systemu nie zależy od stanu obciążenia.

Słowa kluczowe

EN

artificial neural network; PMSM; fault detection; electric drive

PL

sztuczna sieć neuronowa; PMSM; detekcja uszkodzeń; napęd elektryczny

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2017
• Tom: R. 93, nr 6
• Strony: 22--25
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Urbański K.

• Politechnika Poznańska, Instytut Automatyki i Inżynierii Informatycznej, ul. Piotrowo 3a, 60-965 Poznań

autor

Majchrzak D.

• Politechnika Poznańska, Instytut Automatyki i Inżynierii Informatycznej, ul. Piotrowo 3a, 60-965 Poznań

Bibliografia

• [1] Ertugrul N., Soong W., Dostal G., Saxon D., Faulttolerant motor drive system with redundancy for critical applications, proceedings of the IEEE Power Electronics Specialists Conference 2002 (PESC ‘02), pp. 1457-1462, 2002.
• [2] Łuczak D., Siembab K., Comparison of fault tolerant control algorithm using space vector modulation of PMSM drive, proceedings of the 16th Mechatronika, pp. 24-31, 2014.
• [3] Khlaief A. , Boussak M. , Gossa M., Phase faults detection in PMSM drives based on current signature analysis, XIX International Conference on Electrical Machines (ICEM), pp. 1-8, 2010.
• [4] Riba J.R., Rosero J.A., Garcia A., Romeral L., Detection of demagnetization faults in permanent-magnet synchronous motors under nonstationary conditions, IEEE Transactions on Magnetics, vol 45, no. 7, pp. 2961-2969, 2009.
• [5] Liu X.Q., Zhang H.Y., Liu J., Yang J., Fault Detection and Diagnosis of Permanent Magnet DC Motor Based on Parameter Estimation and Neural Network, IEEE Transactions on Industrial Electronics, vol 47, no. 5, pp.1021-1030, 2000.
• [6] Park B.G., Jang J.S., Kim T.S., Hyun D.S. , EKF based fault diagnosis for open-phase faults of PMSM driver, proceedings of the IEEE In Power Electronics and Motion Control Conference, pp. 418-422, 2009.
• [7] Park B.G., Kim R.Y., Hyun D.S., Fault diagnosis using recursive least square algorithm for permanent magnet synchronous motor drives, in Power Electronics and ECCE Asia (ICPE & ECCE), pp. 2506-2510, 2011.
• [8] Korbicz J., Koscielny J.M., Kowalczuk Z., Cholewa W., Fault Diagnosis. Models, Artificial Intelligence, Applications, Springer ,Berlin 2004.
• [9] Quang N.P., Dittrich J.-A., Vector Control of Three- Phase AC Machines, Springer, Berlin 2008.
• [10] Levenberg K., A Method for the Solution of Certain Non-Linear Problems in Least Squares. Quarterly of Applied Mathematics 2, pp. 164–168, 1944.
• [11] Marquardt D., An Algorithm for Least-Squares Estimation of Nonlinear Parameters. SIAM Journal on Applied Mathematics 11 (2), pp. 431–441, 1963.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).