Feature selection of the armature winding broken coils in synchronous motor using genetic algorithm and Mahalanobis distance

• Autorzy: Głowacz Z. , Kozik J.

Warianty tytułu

PL

Selekcja cech charakterystycznych dla przerwy w uzwojeniu silnika synchronicznego z wykorzystaniem algorytmu genetycznego oraz odległości Mahalanobisa

• Języki publikacji: EN

Abstrakty

EN

The paper describes a procedure for automatic selection of symptoms accompanying the break in the synchronous motor armature winding coils. This procedure, called the feature selection, leads to choosing from a full set of features describing the problem, such a subset that would allow the best distinguishing between healthy and damaged states. As the features the spectra components amplitudes of the motor current signals were used. The full spectra of current signals are considered as the multidimensional feature spaces and their subspaces are tested. Particular subspaces are chosen with the aid of genetic algorithm and their goodness is tested using Mahalanobis distance measure. The algorithm searches for such a subspaces for which this distance is the greatest. The algorithm is very efficient and, as it was confirmed by research, leads to good results. The proposed technique is successfully applied in many other fields of science and technology, including medical diagnostics.

PL

Artykuł opisuje procedurę automatycznego wyboru symptomów towarzyszących przerwie w uzwojeniach twornika silnika synchronicznego. Procedura ta, nazywana selekcją cech, prowadzi do wyboru spośród pełnego zestawu cech opisujących dany problem takiego podzbioru, który pozwalałby na jak najlepsze odróżnienie stanu bezawaryjnego od stanu awaryjnego. Poszczególnymi cechami są amplitudy składowych widm sygnałów prądowych silnika. Spektra sygnałów prądowych są traktowane jako pełne przestrzenie cech, z których następnie wybierane są podprzestrzenie z zastosowaniem algorytmu genetycznego. Jakość każdej podprzestrzeni sprawdzana jest z użyciem miary odległości Mahalanobisa. Algorytm poszukuje takich podprzestrzeni, dla których odległość ta jest największa. Zastosowany algorytm jest bardzo wydajny i jak potwierdziły badania prowadzi do dobrych wyników. Proponowana technika jest z powodzeniem stosowana w wielu innych dziedzinach nauki i techniki, w tym w diagnostyce medycznej.

Słowa kluczowe

EN

feature selection; genetic algorithm; synchronous motor; faults diagnostics

PL

silniki synchroniczne; algorytm genetyczny; miara odległości Mahalanobisa

• 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: 2012
• Tom: Vol. 57, iss. 3
• Strony: 830--835
• Opis fizyczny: Bibliogr. 18 poz., rys., wykr.

Twórcy

autor

Głowacz Z.

autor

Kozik J.

• AGH University of Science and Technology, Department of Electrical Machines, 30-059 Kraków, 30 Mickiewicza av., Poland

Bibliografia

• [1] J. Bartnicki, Z. Pater, G. Samołyk, The Distributions of Wall-Thickness of Hollowed Parts in Rolling Extrusion Process, Archives of Metallurgy and Materials 52, 2 (2007).
• [2] S. Bruce, V. Cheetham, Recent Developments and Experiences in Modular Dry Mechanical Vacuum Pumping Systems for Secondary Steel Processing Archives of Metallurgy and Materials 53, 2 (2008).
• [3] M.E. ElAlami, A filter model for feature subset selection based on genetic algorithm, Journal of Knowledge-Based Systems 22, 356–362 (2009).
• [4] T. Glinka, Badania diagnostyczne maszyn elektrycznych w przemysle, Komel, Katowice 2000.
• [5] Z. Głowacz, J. Kozik, Detection of synchronous motor inter-turn faults based on spectral analysis of Park’s vector. Archives of Metallurgy and Materials 56 (2011).
• [6] Z. Głowacz, J. Kozik, Diagnostyka silnika synchronicznego oparta na rozpoznawaniu pradów stojana z zastosowaniem FFT i logiki rozmytej, Czasopismo Naukowo-Techniczne Mechanizacja i Automatyzacja Górnictwa (MIAG), Nr 9, Katowice 2010.
• [7] Z. Głowacz, Automatic Recognition of Armature Current of DC Motor with Application of FFT and GSDM, Archives of Metallurgy and Materials 56, 1 (2011).
• [8] A. Glowacz, Z. Glowacz, Diagnostics of Induction Motor Based on Analysis of Acoustic Signals with Application of FFT and Classifier Based on Words, Archives of Metallurgy and Materials 55, 3 (2010).
• [9] A. Glowacz, W. Glowacz, Diagnostics of Synchronous Motor Based on Acoustic Signals with Application of LPCC and Nearest Mean Classifier with Cosine Distance, Archives of Metallurgy and Materials 55, 2 (2010).
• [10] D.E. Goldberg, Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 2003.
• [11] I. Guyon, A. Elisseeff, An Introduction to Variable and Feature Selection, Journal of Machine Learning Research 3, 1157-1182 (2003).
• [12] J. Kempken, G. Kleinschmidt, K. Schmale, U. Thiedemann, H.P. Gaines, J.T. Kopfle, Short Route – Long-Term Success, Integrated Mini-Mill Solutions by Midrex and SMS Demag, Archives of Metallurgy and Materials 53, 2 (2008).
• [13] G.H. John, R. Kohavi, K. Pfleger, Irrelevant Features and the Subset Selection Problem, Proeedings of the Eleventh International Conference on Machine Learning, 121-129 (1994).
• [14] J. Korbicz, J.M. Koscielny, Z. Kowalczuk, W. Cholewa, Diagnostyka procesów. Modele. Metody sztucznej inteligencji. Zastosowania. WNT, Warszawa, 2002.
• [15] J. Kozik, Zastosowanie sieci neuronowych w detekcji uszkodzen silnika synchronicznego ze zwartym uzwojeniem wirnika, Maszyny elektryczne: Zeszyty Problemowe nr 80/2008, PEMINE: Problemy Eksploatacji Maszyn i Napedów Elektrycznych, Rytro 2008.
• [16] A. Niechajowicz, A. Tobota, Dynamic Tension Testing of DP600, DP800 Steel and Al 6061 T4 Alloy Sheets by Means of Rotary Hammer, Archives of Metallurgy and Materials 54, 3 (2009).
• [17] L. Rutkowski, Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2006.
• [18] K. Weinreb, M. Sułowicz, Nieinwazyjna diagnostyka wewnetrznych niesymerii uzwojen maszyny synchronicznej, Zeszyty Problemowe Maszyny Elektryczne Nr 77, 2007.