Diagnostyka silnika synchronicznego oparta na analizie sygnałów akustycznych z zastosowaniem MMFC i GSDM

• Autorzy: Głowacz A. , Głowacz W. , Głowacz Z.

Warianty tytułu

EN

Diagnostics of synchronous motor based on analysis of acoustic signals with application of MFCC and GSDM

• Języki publikacji: PL

Abstrakty

EN

The paper presents method of diagnostics of imminent failure conditions of synchronous motor. This method is based on a study of acoustic signals generated by synchronous motor. Sound recognition system is based on data processing algorithms, such as MFCC and GSDM. Software to recognize the sounds of synchronous motor was implemented. The studies were carried out for four imminent failure conditions of synchronous motor. The results confirm that the system can be useful for detecting damage and protect the motors.

Słowa kluczowe

PL

maszyna elektryczna; silnik synchroniczny; diagnostyka silników elektrycznych; sygnał akustyczny; GSDM; MFCC

• Wydawca: Sieć Badawcza Łukasiewicz - Górnośląski Instytut Technologiczny
• Czasopismo: Maszyny Elektryczne : zeszyty problemowe
• Rocznik: 2010
• Tom: Nr 87
• Strony: 185--190
• Opis fizyczny: Bibliogr. 20 poz., rys.

Twórcy

autor

Głowacz A.

autor

Głowacz W.

autor

Głowacz Z.

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

Bibliografia

• [1]. Głowacz Z., Zdrojewski A.: Analiza spektralna sygnałów silnika komutatorowego prądu stałego zasilanego ze źródła napięcia stałego, Przegląd Elektrotechniczny; 82 (2006) nr 11, 76–79.
• [2]. Antal M., Antal L., Zawilak J.: Badania eksperymentalne silnika indukcyjnego z uszkodzoną klatką wirnika, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej; nr 59, Studia i Materiały, Oficyna Wydaw. PWroc., 2006, s. 69-77.
• [3]. Kowalski C. T.: Monitorowanie i diagnostyka uszkodzeń silników indukcyjnych z wykorzystaniem sieci neuronowych, Wyd. Pol. Wrocławskiej, Monografie, t. 57, nr 18, Wrocław, 2005.
• [4]. Sałat R., Osowski S., Siwek K.: Principal Component Analysis for feature selection at the diagnosis of electrical circuits, Przegląd Elektrotechniczny, 2003, No 10, pp. 667-670.
• [5]. 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.
• [6]. Yoshii K., Goto M. and Okuno H. G.: Drum Sound Recognition for Polyphonic Audio Signals by Adaptation and Matching of Spectrogram Templates with Harmonic Structure Suppression, IEEE Transactions on Audio, Speech, and Language Processing, Vol. 15, No. 1, January 2007, 333-345.
• [7]. Lee K.: Effective Approaches to Extract Features and Classify Echoes in Long Ultrasound Signals from Metal Shafts, Ph. D. dissertation, Brisbane, Australia, 2006.
• [8]. The MARF Development Group, Modular Audio Recognition Framework v.0.3.0-devel-20050606 and its Applications, Application note, Montreal, Quebec, Canada, 2005.
• [9]. Kinnunen T., Karpov E., Fränti P.: Real-Time Speaker Identification and Verification, IEEE Transactions on Audio, Speech, and Language Processing, Vol. 14, No. 1, Jan 2006, 277- 288.
• [10]. 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.
• [11]. Głowacz A., Głowacz W.: DC machine diagnostics based on sound recognition with application of FFT and fuzzy logic, Przegląd Elektrotechniczny (Electrical Review), R. 84, NR 12/2008, pp.43-46.
• [12]. Głowacz A., Głowacz W.: Sound recognition of dc machine with application of FFT and back propagation neural network, Przegląd Elektrotechniczny (Electrical Review), R. 84, NR 9/2008, pp.159-162.
• [13]. Sutowski P.: Wykorzystanie wartości skutecznej sygnału emisji akustycznej oraz metod sztucznej inteligencji do oceny zużycia ściernicy, Pomiary Automatyka Kontrola, Vol. 55, 4/2009, 255-258.
• [14]. Pasko M., Walczak J.: Teoria Sygnałów, Wydawnictwo Politechniki Śląskiej, 2007.
• [15]. Mrówka P., Algorytmy kompensacji warunków transmisyjnych i cech osobniczych mówcy w systemach automatycznego rozpoznawania mowy. Rozprawa Doktorska, Politechnika Wrocławska, Wrocław 2007.
• [16]. Ganchev T., Fakotakis N., Kokkinakis G., Comparative evaluation of various MFCC implementations on the speaker verification task. Proceedings of 10th International Conference on Speech and Computer (SPECOM 2005), Vol. 1, pp. 191–194.
• [17]. Sigurdsson S., Brandt Petersen K., Lehn-Schiøler T., Mel Frequency Cepstral Coefficients: An Evaluation of Robustness of MP3 Encoded Music. Proceedings of ISMIR 2006, 7th International Conference on Music Information Retrieval, Victoria, Canada, 8-12 October 2006.
• [18]. Slaney M. Auditory Toolbox. Version 2, Technical Report #1998-010, Interval Research Corporation, 1998.
• [19]. Fan K.-C., Wang Y.-K., A Genetic Sparse Distributed Memory Approach To The Application Of Handwritten Character Recognition. Pattern Recognition, Volume 30, Number 12, December 1997 , pp. 2015-2022(8).
• [20]. Mizera P., Rozpoznawanie mówcy z wykorzystaniem GSDM, Praca dyplomowa, Politechnika Krakowska, Kraków 2006.