Selekcja symptomów zwarć uzwojeń twornika silnika synchronicznego z wykorzystaniem algorytmu genetycznego i odległości Mahalanobisa

• Autorzy: Głowacz Z. , Kozik J.

Warianty tytułu

EN

Feature selection of the armature windings short circuit fault in synchronous motor using genetic algorithm and the Mahalanobis distance

• Języki publikacji: PL

Abstrakty

PL

Artykuł opisuje procedurę automatycznego wyboru symptomów towarzyszących zwarciom w uzwojeniach twornika silnika synchronicznego. Procedura ta, nazywana selekcją cech, prowadzi do wyboru spośród pełnego zestawu cech opisujących dany problem takiego podzbioru, który pozwalałby na jak najlepsze odróżnienie stanu bezawaryjnego od stanu awaryjnego. Poszczególnymi cechami są amplitudy składowych widm sygnałów prądowych silnika. Wyniki zostały porównane z procedurą diagnostyczną, w której symptomy wybierane są przez eksperta.

EN

The article describes a procedure for automatic selection of symptoms accompanying the short circuit in the armature windings of the synchronous motor. This procedure, called the feature selection, leads to choosing from a full set of features describing the problem, such a subset that would allow the best distinguishing between healthy and damaged states. As a features the spectra components amplitudes of the motor current signals were used. The results are compared with the diagnostic procedure, in which symptoms are chosen by an expert.

Słowa kluczowe

PL

silnik synchroniczny; diagnostyka; selekcja cech; algorytm genetyczny

EN

synchronous motor; diagnostics; feature selection; genetic algorithm

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2012
• Tom: R. 88, nr 2
• Strony: 204--207
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Głowacz Z.

autor

Kozik J.

• Akademia Górniczo-Hutnicza, Katedra Maszyn Elektrycznych, al. Mickiewicza 30, 30-059 Kraków,

Bibliografia

• [1] Antal M., Antal L., Zawilak J., Badania uszkodzeń uzwojenia stojana klatkowego silnika indukcyjnego, Zeszyty Problemowe BOBRME Komel, nr 76/2007, str. 83-88.
• [2] Dash, M., Liu, H., Feature selection for classification. International Journal of Intelligent Data Analysis, 1(3), 1997, pp. 131-156.
• [3] El Alami M. E., A filter model for feature subset selection based on genetic algorithm, Journal of Knowledge-Based Systems, Volume 22 (2009) pp. 356–362.
• [4] Glinka T., Badania diagnostyczne maszyn elektrycznych w przemyśle, Komel, Katowice 2000.
• [5] Głowacz Z., Kozik J., Detection of synchronous motor inter-turn faults based on spectral analysis of Park’s vector. Archives of Metallurgy and Materials, 56/2011.
• [6] Goldberg D.E., Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 2003.
• [7] Guyon I., Elisseeff A., An Introduction to Variable and Feature Selection, Journal of Machine Learning Research 3 (2003), pp. 1157-1182.
• [8] Kowalski C. T., Wolkiewicz M., Ewert P., Analiza uszkodzeń stojana silnika indukcyjnego zasilanego z przemiennika częstotliwości, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej, nr 62, 2008.
• [9] Rutkowski L., Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2006.
• [10] Weinreb K., Sułowicz M.: Nieinwazyjna diagnostyka wewnętrznych niesymetrii uzwojeń maszyny synchronicznej, Zeszyty Problemowe – Maszyny Elektryczne nr 77/2007, s. 59- 64.