Diagnostics of Direct Current motor with application of acoustic signals, reflection coefficients and K-Nearest Neighbor classifier

• Autorzy: Głowacz A. , Głowacz W.

Warianty tytułu

PL

Diagnostyka silnika prądu stałego z zastosowaniem sygnałów akustycznych, współczynników odbiciowych i klasyfikatora KNajbliższego Sąsiada

• Języki publikacji: EN

Abstrakty

EN

One of the main problems faced by engineers, is to ensure the operation of Direct Current motors. In this paper a pattern recognition method was used to provide the diagnostics of dc motor. This method is based on a study of acoustic signal. Plan of study of acoustic signals for two conditions of Direct Current motor was proposed. Studies were carried out for algorithms of data processing: reflection coefficients and K-Nearest Neighbor classifier with Manhattan distance. Developed method can be performed automatically. This system is a significant step towards the maintenance-free diagnostic systems of Direct Current motors.

PL

Jednym z podstawowych problemów, z jakim spotykają się inżynierowie, jest zapewnienie funkcjonowania silników elektrycznych. W niniejszej pracy metoda rozpoznawania wzorców została użyta do diagnostyki silnika prądu stałego. Metoda ta oparta jest na badaniu sygnału akustycznego. Zaproponowano plan badania sygnałów akustycznych dla dwóch stanów silnika prądu stałego. Badania zostały przeprowadzone dla algorytmów przetwarzania danych: współczynników odbiciowych i klasyfikatora K-Najbliższego Sąsiada z metryką Manhattan. Opracowana metoda może być wykonywana automatycznie. System ten jest istotnym krokiem w kierunku bezobsługowych systemów diagnostycznych silników prądu stałego.

Słowa kluczowe

EN

acoustic signal; reflection coefficients; direct current motor

PL

sygnał akustyczny; współczynniki odbiciowe; silnik prądu stałego

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2012
• Tom: R. 88, nr 5a
• Strony: 231--233
• Opis fizyczny: Bibliogr. 24 poz., schem., wykr.

Twórcy

autor

Głowacz A.

autor

Głowacz W.

• AGH University of Science and Technology,

Bibliografia

• [1] Dumitru Negrea M., Electromagnetic Flux Monitoring for Detecting Faults in Electrical Machines, PhD. Dissertation, Helsinki University of Technology, 2006
• [2] Suliga M., The Influence of the High Drawing Speed on Mechanical-Technological Properties of High Carbon Steel Wires, Archives of Metallurgy and Materials, Vol. 56, Issue 3/2011, pp. 823-828
• [3] Żaba K., The Influence of Temperature and Time of Exhibition on a Change of Al-Si Coating Thickness and Surface Texture on the Steel Plates, Archives of Metallurgy and Materials, Volume 55, Issue 1/2010, pp. 151-160
• [4] Derlecki S., Kuśmierek Z., Dems M., Szulakowski J., Właściwości materiałów magnetycznych i ich wpływ na konstrukcję maszyn elektrycznych, Przegląd Elektrotechniczny (Electrical Review), Vol. 86, n. 4/2010, pp. 83-86
• [5] Madej M., The Tribological Properties of High Speed Steel based Composites, Archives of Metallurgy and Materials, Volume 55, Issue 1/2010, pp. 61-68
• [6] Gutten M., Jurcik J., Brandt M., Polansky R., Mechanical effects of short-circuit currents analysis on autotransformer windings, Przegląd Elektrotechniczny (Electrical Review), n. 7/2011, pp. 272-275
• [7] Kudelcik J., Gutten M., Virdzek P., Measurement of electrical parameters of breakdown in transformer oil, Przegląd Elektrotechniczny (Electrical Review), n. 8/2011, pp. 159-162
• [8] Głowacz Z., Automatic Recognition of Armature Current of DC Motor with Application of FFT and GSDM, Archives of Metallurgy and Materials, Vol. 56, Issue 1/2011, pp. 25-30
• [9] Kurek J., Osowski S., Diagnostic feature selection for efficient recognition of different faults of rotor bars in the induction machine, Przegląd Elektrotechniczny (Electrical Review), Vol. 86, n. 1/2010, pp. 121–123
• [10] Sułowicz M., Borkowski D., Węgiel T., Weinreb K., Specialized diagnostic system for induction motor, Przegląd Elektrotechniczny (Electrical Review), Vol. 86, n. 4/2010, pp. 285-291
• [11] Sapiński B., Matras A., Krupa S., Analiza generatora z magnesami trwałymi i cewką z uzwojeniem foliowym dla tłumika MR przy okresowych wymuszeniach kinematycznych, Przegląd Elektrotechniczny (Electrical Review), Vol. 86, n. 4/2010, pp. 280-284
• [12] Głowacz Z., Zdrojewski A., Analiza spektralna sygnałów silnika komutatorowego prądu stałego zasilanego ze źródła napięcia stałego, Przegląd Elektrotechniczny (Electrical Review); 82 (2006) n. 11, 76–79
• [13] Niedziejko P., Dobrowolski A., Krysowaty I., Współczesne metody analizy dźwięku serca, Przegląd Elektrotechniczny (Electrical Review), n. 9a/2011, pp. 1-7
• [14] The MARF Development Group, Modular Audio Recognition Framework v.0.3.0-devel-20050606 and its Applications, Application note, Montreal, Quebec, Canada, 2005
• [15] Głowacz A., Diagnostyka maszyny prądu stałego oparta na rozpoznawaniu dźwięku z zastosowaniem LPC i GSDM, Przegląd Elektrotechniczny (Electrical Review), Vol. 86, No. 6/2010, pp. 243-246
• [16] Itakura F., Line spectrum representation of linear predictive coefficients of speech signals, Journal of the Acoustical Society of America, 57(1), 35, 1975
• [17] Zhu X. and Wyse L., Sound Texture Modelling and Time-Frequency LPC, Proc. 7th International Conference on Digital Audio Effects, Naples, Italy, 2004, pp. 345–349
• [18] http://www.mathworks.com
• [19] Szczebiot R., Cieślik S., Application of genetic algorithm for optimal placement of wind generators in the MV power grid, Przegląd Elektrotechniczny (Electrical Review), n. 3/2011, pp. 198-200
• [20] Skrzat A., Fuzzy Logic Application to Strain-Stress Analysis in Selected Elastic-Plastic Material Models, Archives of Metallurgy and Materials, Vol. 56, Issue 2/2011, pp. 559-568
• [21] Pietrowski W., Application of Radial Basis Neural Network to diagnostics of induction motor stator faults using axial flux, Przegląd Elektrotechniczny (Electrical Review), n. 6/2011, pp.190-192
• [22] 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, Volume 55, Issue 1/2010, pp. 213-220
• [23] Gomółka Z., Kwiatkowski B., Pękala R., Bezinwazyjna diagnostyka uzwojeń magnesujących przy użyciu sztucznych sieci neuronowych, Przegląd Elektrotechniczny (Electrical Review), n. 8/2011, pp. 66-69
• [24] Mahdiyeh Eslami, Hussain Shareef, Azah Mohamed: Application of artificial intelligent techniques in PSS design: a survey of the state-of-the-art methods, Przegląd Elektrotechniczny (Electrical Review), n. 4/2011, pp. 188-197