PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Projektowanie neurodetektorów uszkodzen wirników silników indukcyjnych zasilanych z przemiennika częstotliwosci

Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
EN
Designing of the neural network based rotor faults detectors of invrter-fed induction motors
Języki publikacji
PL
Abstrakty
PL
W ostatnim czasie diagnostyka eksploatacyjna napedów elektrycznych z silnikami indukcyjnymi odgrywa coraz wieksza role. Nieustannie poszukuje sie nowych rozwiazan w zakresie sprzetowej realizacji aparatury diagnostycznej, pozwalajacej na ocene stanu technicznego silnika w czasie jego normalnej pracy. Jednym z czesciej wykorzystywanych sygnałów diagnostycznych jest prad fazowy silnika, mierzony zarówno w układach napedowych zasilanych bezposrednio z sieci energetycznej, jak i z falownika. Do oceny stopnia uszkodzenia silnika coraz czesciej wykorzystuje sie sztuczne sieci neuronowe, które po uprzednim wytrenowaniu staja sie praktycznym narzedziem diagnostycznym. Jednak opracowanie skutecznego neurodetektora uszkodzen silnika jest zadaniem trudnym, które wymaga pewnego doświadczenia. Do najważniejszych etapów projektowych należa: wybór struktury sieci neuronowej, odpowiedni dobór cech diagnostycznych stanowiacych sygnały wejsciowe sieci oraz odpowiednio przeprowadzony proces uczenia sieci. Niniejszy artykuł przedstawia praktyczne wskazówki, które moga byc pomocne przy projektowaniu i trenowaniu neuronowych detektorów uszkodzeń wirnika silnika zasilanego z przemiennika częstotliwości.
EN
Recently, the on-line monitoring of induction motors condition is very important issue in the industry. Early detection of abnormal operating condition of the motor allows to avoid serious breakdown of the drive system. One of the most popular noninvasive method applied for induction motor faults detection purposes is the motor current signature analysis (MCSA). This method is frequently used for rotor failures detection, in connection with the artificial intelligence techniques, such as neural networks. The neural fault detectors can be attractive diagnostic tool, after properly performed training process. Unfortunately, practical realization of the effective neural networks-based rotor faults indicator seems be difficult task, because it requires an extensive knowledge and a broad experience. The most important stages of designing process are: a choice of neural network structure, choice of diagnostic pattern, specification of input signals vector and using appropriate training algorithm. This paper presents a practical directions for designing and training of the neural network based rotor fault detectors of induction motor, supplied from frequency inverter.
Twórcy
autor
  • Politechnika Wrocławska, Instytut Maszyn, Napedów i Pomiarów Elektrycznych, ul. Smoluchowskiego 19, 50-372 Wrocław, marcin.pawlak@pwr.wroc.pl
Bibliografia
  • [1] BENBOUZID M.E.H., A Review of Induction Motors Signature Analysis as a Medium for Faults Detection, , IEEE Trans. on Ind. Electronics, vol.47, no.5, Oct. 2000, p. 984-993
  • [2] CARDOSO A.J.M., Mendes A.M.S., Cruz S.M.A., The Park’s Vector Approach: New Developments in On-Line Fault Diagnosis of Electrical Machines, Conf. Proc. of SDEMPED’97, Carryle-Rouet, France, 1997.
  • [3] KLIMAN G. B., KOEGEL R.A., STEIN J., ENDICOTT, R.D., MADDEN M.W.: Noninvasive detection of broken rotor bars in operating induction motors, IEEE Trans. Energy Conv. Vol. EC-3, no.4, pp.873-879, Dec. 1988.
  • [4] KOWALSKI Cz.T., PAWLAK M., Komputerowy system diagnostyczny silnika indukcyjnego, Przegląd Elektrotechniczny, 2008 R. 84, nr 12, s. 91-95.
  • [5] PAWLAK M., Zastosowanie funkcji okien czasowych w diagnostyce wirników silników indukcyjnych, Prace Naukowe IMNiPE PWr., nr 62, Studia i Materiały nr 28, 2008, 520-527
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BPW9-0009-0026
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.