Zastosowanie algorytmu klasteringu rozmytego w optymalizacji neuronowo-rozmytych detektorów uszkodzeń wirnika silnika indukcyjnego

• Autorzy: Kamiński M. , Pawlak M.

Warianty tytułu

EN

Application of fuzzy clustering method for optimization of neuro-fuzzy faults detectors of rotor in the induction machine

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano neuronowo-rozmyte detektory uszkodzeń silnika indukcyjnego zasilanego z przekształtnika częstotliwości. Zaproponowane modele zastosowano w celu analizy symptomów wskazujących na przerwania prętów klatki wirnika. Problematycznym zagadnieniem w etapie projektowania prezentowanych detektorów jest dobór położenia centrów poszczególnych funkcji przynależności na wstępnym etapie przetwarzania modelu. W celu optymalizacji struktury detektora w niniejszej aplikacji zastosowano algorytm klasteringu rozmytego. Przedstawione wyniki badań prezentują bardzo wysoką precyzję detekcji asymetrii klatki wirnika przy zmianach częstotliwości zasilania oraz obciążenia układu napędowego. Poza wykrywaniem awarii wyznaczana jest również bardzo dokładnie liczba uszkodzonych prętów.

EN

In this article neuro-fuzzy detectors of faults in induction machine supplied by power converter are presented. Proposed models are implemented for analysis of symptoms of damages in squirrel cage motor. Selection of the center location of each membership function at the initial stage of processing is a problematic task in the design process of presented detectors. For optimization of the structures of the neuro-fuzzy detectors fuzzy clustering algorithm is implemented. Presented results of researches show high precision of detection of asymmetry of the rotor cage for changeable supply frequency and load of the drive. In addition the number of broken bars is also very precisely determined.

Słowa kluczowe

PL

modele neuronowo-rozmyte; optymalizacja struktury; klastering rozmyty; detektory uszkodzeń klatki wirnika

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
• Rocznik: 2011
• Tom: Vol. 65, nr 31
• Strony: 200--210
• Opis fizyczny: Bibliogr. 9 poz., rys., tab.

Twórcy

autor

Kamiński M.

autor

Pawlak M.

• Politechnika Wrocławska, Instytut Maszyn, Napędów i Pomiarów Elektrycznych, ul Smoluchowskiego 19, 50-372 Wrocław,

Bibliografia

• [1] KOWALSKI C.T., Monitorowanie i diagnostyka uszkodzeń silników indukcyjnych z wykorzystaniem sieci neuronowych, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych PWr., Wrocław 2005, seria: Monografie nr 18, zeszyt 57.
• [2] BERNATT M., RUT R., MRÓZ J., O uszkodzeniach klatek wirnika, Zeszyty Problemowe – Maszyny Elektryczne, BOBRME Komel, nr 79, 2008, 7–12.
• [3] KAMIŃSKI M., KOWALSKI C.T., ORŁOWSKA-KOWALSKA T., General regression neural networks as rotor bar fault detection of induction motor, IEEE International Conference on Industrial Technology ICIT, Chile, 2010, 1239–1244.
• [4] PAWLAK M., KUPCZYŃSKI K., Akustyczny detektor uszkodzeń silnika indukcyjnego, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej nr 64, Seria: Studia i Materiały nr 30, Wrocław 2010, 344–354.
• [5] PAWLAK M., KOWALSKI C.T., Zastosowanie analizy częstotliwościowej prądu do wykrywania uszkodzeń wirników silników indukcyjnych zasilanych z przemiennika częstotliwości, Zeszyty Problemowe – Maszyny Elektryczne, BOBRME Komel, 2005, nr 71, 97–101.
• [6] KOWALSKI C.T., KANIOR W., Ocena skuteczności analiz FFT, STFT i falkowej w wykrywaniu uszkodzeń wirnika silnika indukcyjnego, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej nr 60, Seria: Studia i Materiały nr 27, Wrocław 2007, 202–211.
• [7] LIAO T.W., Clustering of time series data – a survey, Pattern Recognition, 2005, Vol. 38, No. 11, 1857–1874.
• [8] BEZDEK J.C., Pattern Recognition with Fuzzy Objective Function Algoritms, Plenum Press, New York 1981.
• [9] JANG J.-S.R., ANFIS: Adaptive-Network-based Fuzzy Inference Systems, IEEE Transactions on Systems, Man and Cybernetics, 1993, Vol. 23, No. 3, 665–685.