Diagnostyka silnika synchronicznego oparta na rozpoznawaniu dźwięku z zastosowaniem FFT i GSDM

• Autorzy: Głowacz A.

Warianty tytułu

EN

Synchronous motor diagnostics based on sound recognition with use of FFT and GSDM

• Języki publikacji: PL

Abstrakty

PL

Zamierzeniem pracy jest przedstawienie metody rozpoznawania dźwięku silnika synchronicznego wykorzystującej FFT i GSDM. Badania rozpoznawania dźwięków przeprowadzono dla silnika synchronicznego podczas pracy bez uszkodzeń, ze zwarciem zezwojów w obwodzie stojana, z jedną przerwą w obwodzie stojana i z trzema przerwami w obwodzie stojana. Wyniki badań potwierdzają dużą skuteczność rozpoznawania dźwięku w silniku synchronicznym.

EN

The work has aimed to present a method of sound recognition of a synchronous motor with use of FFT and GSDM. The research on sound recognition has been done for a synchronous motor during operation without any failures, then in case of a short-circuit of coils in stator circuit, in case of one break in stator circuit and three breaks in stator circuit. The research results have validated a high effectiveness of sound recognition in a synchronous motor.

Słowa kluczowe

PL

diagnostyka; szybka transformacja Fouriera; GSDM; genetyczna rozrzedzona pamięć rozproszona; silnik synchroniczny

EN

diagnostics; fast Fourier transform; FFT; GSDM; Genetic Sparse Distributed Memory; synchronous motor

• Wydawca: Instytut Technik Innowacyjnych EMAG
• Czasopismo: Mechanizacja i Automatyzacja Górnictwa
• Rocznik: 2010
• Tom: R. 48, nr 3
• Strony: 25--29
• Opis fizyczny: Rys., wykr.,Bibliogr. 11 poz.,

Twórcy

autor

Głowacz A.

• 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 Harmonie 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. Kinnunen T., Karpov E., Fränti P.: Real-Time Speaker Identification and Veritication, IEEE Transactions on Audio, Speech, and Language Processing, Vol. 14, No. 1, 277- 288, .Jan 2006.
• 6. Pasko M., Walczak J.: Teoria Sygnałów, Wydawnictwo Politechniki Śląskiej, 2007.
• 7. Głowacz Z., Zdrojewski A.: Analiza spektralna sygnałów silnika komutatorowego prądu stałego zasilanego ze źródła napięcia stałego, Przegląd Elektrotechniczny; 82 (2006) nr 11, 76-79.
• 8. Głowacz A.: Rozpoznawanie dźwięków maszyny prądu stałego z zastosowaniem LPC i algorytmu wstecznej propagacji błędów, Materiały konferencji: Telekomunikacja i Systemy Bezpieczeństwa w Górnictwie (ATI 2008), Szczyrk, 28-30 Maj 2008, 223-230.
• 9. 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.
• 10. Fan K.-C., Wang Y.-K.: A Genetic Sparse Distributed Memory Approach To The Application Of Handwritten Character Recognition, Pattern Recognition, Volume 30, Nurnber 12, December 1997, pp. 2015-2022(8).
• 11. Mizera P.: Rozpoznawanie mówcy z wykorzystaniem GSDM, Praca dyplomowa, Politechnika Krakowska, Kraków 2006.