Diagnostyka silnika prądu stałego oparta na rozpoznawaniu prądu wzbudzenia z zastosowaniem FFT i algorytmu wstecznej propagacji błędów

• Autorzy: Głowacz A. , Głowacz W.

Warianty tytułu

EN

A diagnostic setting of direct current motor based on recognition of exciting current by applying the fast Fourier transform and algorithm of backward propagation of errors

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano koncepcję diagnostyki silnika prądu stałego opartą na badaniu prądu wzbudzenia. Badania zostały przeprowadzone dla sygnałów prądowych stanów przedawaryjnych. Wykorzystany do tego system jest oparty na algorytmie FFT i sieci neuronowej z algorytmem wstecznej propagacji błędów. Wyniki potwierdzają dużą skuteczność rozpoznawania prądu wzbudzenia silnika prądu stałego. Badania te mogą zostać zastosowane do diagnostyki górniczych maszyn elektrycznych.

EN

The article elaborates a concept of diagnostics of direct current motor based on testing of exciting current. The investigations have been made for current signals of pre-emergency conditions. The system used to that is based on fast Fourier transform algorithm and neural network with an algorithm of backward propagation of errors. The results of tests indicate to a high efficiency of recognition of exciting current in case of direct current motor. These investigations may be applied for diagnostics of mining electric machines.

Słowa kluczowe

PL

maszyny prądu stałego; układy wzbudzenia; sieci neuronowe

EN

DC machines; exciting systems; neural networks

• Wydawca: Wyższy Urząd Górniczy
• Czasopismo: Bezpieczeństwo Pracy i Ochrona Środowiska w Górnictwie
• Rocznik: 2010
• Tom: nr 2
• Strony: 22--26
• Opis fizyczny: Bibliogr. 12 poz.

Twórcy

autor

Głowacz A.

autor

Głowacz W.

• Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• [1] Gierlotka S.: Napęd elektrycznych lokomotyw dołowych i jego rozwój w kopalniach, Zeszyty Problemowe -Maszyny Elektryczne 2006, nr 75, s. 71-75.
• [2] Glinka T.: Degradation of electrical machines windings insulation in time, Przegląd Elektrotechniczny 2008, nr 7, s. 8-11.
• [3] Głowacz Z., Zdrojewski A.: Analiza spektralna sygnałów silnika komutatorowego prądu stałego zasilanego ze źródła napięcia stałego, Przegląd Elektrotechniczny 82 (2006), nr 11, s. 76-79.
• [4] Głowacz Z., Zdrojewski A.: Diagnostics of commutator DC motor using spectral analysis method, Przegląd Elektrotechniczny 85 (2009), nr 1, s. 147-150.
• [5] Głowacz A., Głowacz W.: Dc machinę diagnostics based on sound recognition with application of FFT and fuzzy logie, Przegląd Elektrotechniczny (Electrical Review), r. 84, nr 12/2008, s.43-46.
• [6] Klein H.: Zabezpieczenie przed zwarciami i przeciążeniami silników i linii kablowych zasilanych z przemienników częstotliwości, Bezpieczeństwo Pracy i Ochrona Środowiska w Górnictwie 2009, nr 8, s. 31-37.
• [7] MARF Development Group: Modular Audio Recognition Framework v.0.3.0-devel-20050606 and its Applications. Application note, Montreal 2005.
• [8] Pasko M., Walczak J.: Teoria Sygnałów, Wydawnictwo Politechniki Śląskiej, Gliwice 2007.
• [9] Tadeusiewicz R.: Speech recognition versus understanding of the naturę of speech deformation in pathological speech analysis (Abstract). Archives of Acoustics 2003, vol. 28, No. 3, s. 260.
• [10]Tadeusiewicz R.: Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa 1993.
• [11] Wilamowski B. M.: Neural Networks and Fuzzy Systems, chapters 124.1 to 124.8 in The Electronic Handbook (Third edition), CRC Press 2004.
• [12] Zielonko R., Kowalewski M.: Nowa, metrologicznie zorientowana sieć neuronowa i metoda diagnostyki obiektów technicznych, Pomiary Automatyka Kontrola 2008, vol. 54, nr 3, s. 174-177.