Diagnostyka silnika indukcyjnego oparta na analizie sygnałów akustycznych z użyciem dyskretnej transformaty falkowej Haara i klasyfikatora najbliższej średniej z metryką Euklidesa

• Autorzy: Głowacz A.

Warianty tytułu

EN

Diagnostics of an induction motor based on the analysis of acoustic signals with the use of the discreet Haar wavelet and the nearest mean classifier with Euclidean metrics

• Języki publikacji: PL

Abstrakty

PL

W artykule zaproponowana została nieinwazyjna metoda diagnostyki stanów przedawaryjnych silnika indukcyjnego. Zastosowana metoda oparta jest na analizie sygnałów akustycznych silnika indukcyjnego. Przedstawiono badania dla trzech stanów silnika indukcyjnego, które zostały przeprowadzone dla algorytmów przetwarzania danych: Dyskretnej transformaty falkowej Haara i klasyfikatora najbliższej średniej z metryką Euklidesa. Opisano proces tworzenia wzorców do rozpoznawania, który został przeprowadzony dla 27 próbek dźwięku oraz proces identyfikacji który został przeprowadzony dla 75 próbek dźwięku. Podkreślono, że metoda ta może być zastosowana w różnych gałęziach przemysłu.

EN

In this paper a non-invasive diagnostic method for an induction motor was proposed. The applied method is based on the analysis of acoustic signals of the induction motor. The tests were carried out for three conditions of the induction motor. The tests were conducted for the following data processing algorithms: discrete Haar wavelet transform and Nearest Mean classifier with Euclidean metrics. The pattern development process was carried out for 27 samples of sound, while the identification process – for 75 samples of sound. This method can be used in industry as well as in electrical equipment.

Słowa kluczowe

PL

silniki indukcyjne; analiza sygnałów akustycznych; transformata falkowa Haara

EN

induction motors; acoustic signals analysis; discreet Haar wavelet

• Wydawca: Instytut Technik Innowacyjnych EMAG
• Czasopismo: Mechanizacja i Automatyzacja Górnictwa
• Rocznik: 2013
• Tom: R. 51, nr 6
• Strony: 24--27
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Głowacz A.

• Akademia Górniczo-Hutnicza. Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej

Bibliografia

• 1. Glavas Z., Unikic F., Lisjak D.: The Prediction of the Microstructure Constituents of Spheroidal Graphite Cast Iron by Using Thermal Analysis and Artificial Neural Networks, „Archives of Metallurgy and Materials", vol. 55, issue 1/2010, pp. 213-220.
• 2. Głowacz A.: Diagnostics of dc machine based on sound recognition with application of FFT and Jacquard distance, „Przegląd Elektrotechniczny”, cz. 86, nr 4, 2010, s. 292-295.
• 3. Głowacz Z., Kozik J.: Selekcja symptomów zwarć uzwojeń twornika silnika synchronicznego z wykorzystaniem algorytmu genetycznego i odległości Mahalanobisa, „Przegląd Elektrotechniczny”, cz. 88, nr 2, 2012, s. 204-207.
• 4. Gomółka Z., Kwiatkowski B., Pękala R.: Bezinwazyjna diagnostyka uzwojeń magnesujących przy użyciu sztucznych sieci neuronowych, „Przegląd Elektrotechniczny", cz. 87, nr 8, 2011, s. 66-69.
• 5. Gutten M., Jurcik J., Brandt , Polansky R.: Mechanical effects of short-circuit currents analysis on autotransformer windings, „Przegląd Elektrotechniczny", cz. 87, nr 7, 2011, s. 272-275.
• 6. Pietrowski W.: Application of Radial Basis Neural Network to diagnostics of induction motor stator faults using axial flux, „Przegląd Elektrotechniczny", cz. 87, nr 6, 2011, s. 190-192.
• 7. Porwik P., Lisowska A.: The Haar-Wavelet Transform in digital image processing: its status and achievements, „Machine Graphics and Vision", vol. 13, issue 1/2004, pp. 79-98.
• 8. Rad M.: Diagnostyka wirnika maszyn indukcyjnych z wykorzystaniem analizy falkowej i układów uczących się, Rozprawa doktorska, Akademia Górniczo-Hutnicza, Kraków 2009.
• 9. Rusek J.: Harmonics and inter-harmonics of voltage converter supplied induction machine stator currents, ICREPQ'07, International Conference on "Renewable Energy and Power Quality”: Sevilla, 28-30 of March, 2007, pp. 113.
• 10. Szczebiot R., Cieślik S.: .Application of genetic algorithm for optimal placement of wind generators in the MV power grid, „Przegląd Elektraechniczny, cz 87. nr 3. 2011. s. 198-200.
• 11. Tarasiuk J., Wierzbanowski K., Lodini A.: Use of Genetic Algorithms for Optimisation of Materials Properties, „Archives of Metallurgy and Materials” vol. 54, issue 1/2009, PP. 35-39.
• 12. The MARF Development Group: Modular Audio Recognition Framework v.0.3.0-devel-20050606 and its Applications, Application note, Montreal, Quebec, Canada, 2005.