Diagnostic of Synchronous Motor based on Analysis of Acoustic Signals with Application of LPCC and Nearest Mean Classifier withCosineDistance

• Autorzy: Głowacz A. , Głowacz W.

Warianty tytułu

PL

Diagnostyka silnika synchronicznego oparta na analizie sygnałów akustycznych z zastosowaniem LPCC i klasyfikatora Mearest Mean z metryką kosinusową

• Języki publikacji: EN

Abstrakty

EN

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 algorithms for data processing, such as LPCC and Nearest Mean classifier with cosine distance. Software to recognize the sounds of synchronous motor was implemented. 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 engines. System can be useful in inspection of metallurgy products.

PL

Zaprezentowano metodę diagnozowania stanów przedawaryjnych silnika synchronicznego. Metoda ta oparta jest na badaniu sygnałów akustycznych generowanych przez silnik synchroniczny. System rozpoznawania dźwięku oparty jest na algorytmach przetwarzania danych takich jak algorytm LPCC i klasyfikator Nearest Mean z metryką kosinusową. Zaimplementowano oprogramowanie do rozpoznawania dźwięków silnika synchronicznego. Przeprowadzono badania dla czterech stanów przedawaryjnych silnika synchronicznego. Wyniki badań potwierdzają, że system może być przydatny do wykrywania uszkodzeń i zabezpieczania silników. System może byc przydatny w kontroli wyrobów hutniczych.

Słowa kluczowe

EN

diagnostics; recognition; sound; Nearest Mean; synchronous motor

PL

diagnostyka; system rozpoznawania dźwięku; Nearest Mean; silnik synchroniczny

• Wydawca: Institute of Metallurgy and Materials Science of Polish Academy of Sciences ; Committee of Materials Engineering and Metallurgy of Polish Academy of Sciences
• Czasopismo: Archives of Metallurgy and Materials
• Rocznik: 2010
• Tom: Vol. 55, iss. 2
• Strony: 563--569
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Głowacz A.

autor

Głowacz W.

• FACULTY OF ELECTRICAL ENGINEERING, AUTOMATICS, COMPUTER SCIENCE AND ELECTRONICS, AGH UNIVERSITY OF SCIENCE AND TECHNOLOGY, 30-059 KRAKÓW, 23 REYMONTA STR., POLAND

Bibliografia

• [1] C. Hamilton, S. Dymek, M. Blicharski, Friction Stir Welding of Aluminum 7136-T76511 Extrusions, Archives of Metallurgy and Materials 53, 4, 1047-1054, (2008).
• [2] P. Ranachowski, F. Rejmund, A. Pawełek, A. Piątkowski, Structure Degradation, Texture and Acoustic Emission in Compressed Corundum Ceramics, Archives of Metallurgy and Materials 53, 3, 703-709 (2008).
• [3] Z. Jasieński, A. Pawełek, A. Piątkowski, Z. Ranachowski, Twinning and Shear Band Formation in Channel-Die Compressed Silver Single Crystals Identified by Acoustic Emission Method, Archives of Metallurgy and Materials 54, 1, 29-33 (2009).
• [4] W. K. Krajewski, J. Lelito, J. S. Suchy, P. Schumacher, Computed Tomography - a New Tool in Structural Examinations of Castings 54, 2, 335-338 (2009).
• [5] W. Gasior, Z. Moser, J. Pstruś, Measurements of the Surface Tension and Density of Tin Based Sn-Ag-Cu-Sb Liquid Alloys, Archives of Metallurgy and Materials 49, 155-167 (2004).
• [6] S. Kluska-Nawarecka, Z. Górny, D. Wilk-Kołodziejczyk, A. Smolarek-Grzyb, The logic of plausible reasoning in the diagnosis of castings defects, Archives of Metalurgy and Materials 52, 3, 375-380 (2007).
• [7] M. Kucharski, P. Fima, P. Skrzyniarz, W. Przebinda-Stefanowa, Napięcie powierzchniowe i gestosc stopów Cu-Ag, Cu-In i Ag-In, Archives of Metalurgy and Materials 51, 3, 389-397 (2006).
• [8] M. J. Szczerba, J. Żukrowski, M. S. Szczerba, B. Major, An Investigation of Mechanical Instability of Ni-Mn-Ga Single Crystals Compressed at Room Temperature, Archives of Metalurgy and Materials 53, 1, 254-257 (2008).
• [9] D. Mitrovic, M. Zeppelzauer, H. Eidenberger, Analysis of the Data Quality of Audio Features of Environmental Sounds, Journal of Universal Knowledge Management 1, 1, 4-17 (2006).
• [10] K. Lee, Effective Approaches to Extract Features and Classify Echoes in Long Ultrasound Signals from Metal Shafts, Ph. D. dissertation, Brisbane, Australia, 2006.
• [11] TheMARF Development Group, Modular Audio Recognition Framework v.0.3.0-devel-20050606 and its Applications, Application note, Montreal, Quebec, Canada, 2005.
• [12] R. Tadeusiewicz, Speech recognition versus understanding of the nature of speech deformation in pathological speech analysis (Abstract), Archives of Acoustics 28, 3, 260 (2003).
• [13] A. Głowacz, W. Głowacz, Sound recognition of dc machine with application of FFT and backpropagation neural network, Przeglad Elektrotechniczny (Electrical Review), R. 84, 9, 159-162 (2008).
• [14] A. Głowacz, W. Głowacz, Dc machine diagnostics based on sound recognition with application of FFT and fuzzy logic, Przeglad Elektrotechniczny (Electrical Review), R. 84, 12, 43-46 (2008).
• [15] M. Corneliu, B. Costinescu, Implementing the Levinson-Durbin Algorithm on the StarCoreT SC140/SC1400 Cores, Application Note Freescale Semiconductor AN2197, 1/2005.
• [16] G. Antoniol, F. Rollo, G. Venturi, Linear Predictinve Coding and Cepstrum Coefficients for Mining Time Variant Information from Software Repositories, Second International Workshop on Minig Software Repositories, St. Louis, USA, May 17, 74-78 (2005).
• [17] M. Knap, J. Lamut, A. Rozman, J. Falkus, The Prediction of Hardenability using Neuronal Networks, Archives of Metallurgy and Materials 53, 3, 761-766 (2008).
• [18] J. Tarasiuk, K. Wierzbanowski, A. Lodini, Use of Genetic Algorithms for Optimisation of Materials Properties, Archives of Metallurgy and Materials 54, 1, 35-39 (2009).