Diagnostyka zwarć międzyzwojowych uzwojenia stojana PMSM przy zastosowaniu analizy STFT składowych symetrycznych prądów stojana oraz uczenia maszynowego

• Autorzy: Pietrzak Przemysław , Wolkiewicz Marcin

Identyfikatory

DOI

10.15199/48.2023.03.01

Warianty tytułu

EN

Interturn short circuit diagnosis of PMSM stator winding using the STFT analysis of stator phase currents symmetrical components and machine learning

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono możliwość zastosowania krótkoczasowej transformaty Fouriera składowych symetrycznych prądów fazowych stojana i wybranych algorytmów uczenia maszynowego: K-najbliższych sąsiadów oraz perceptronu wielowarstwowego, do diagnostyki zwarć międzyzwojowych uzwojenia stojana silnika synchronicznego o magnesach trwałych. Zaproponowana metoda umożliwia uzyskanie wysokiej skuteczności klasyfikacji oraz lokalizacji uszkodzenia we wczesnym stadium, co potwierdziły badania eksperymentalne przeprowadzone w różnych warunkach pracy układu napędowego.

EN

This paper presents the possibility of using the Short-Time Fourier Transform of stator phase currents symmetrical components and selected machine learning algorithms: K-Nearest Neighbors and MultiLayer Perceptron, for the diagnosis of interturn short-circuits in the stator winding of a permanent magnet synchronous motor. The proposed method provides high effectiveness of classification and localization of the fault at an early stage, which is confirmed by experimental tests that were carried out in various operating conditions of the drive system.

Słowa kluczowe

PL

silnik synchroniczny o magnesach trwałych; zwarcia międzyzwojowe; uczenie maszynowe

EN

permanent magnet synchronous motor; inter-turn short circuits; machine learning; symmetrical components

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 3
• Strony: 1--8
• Opis fizyczny: Bibliogr. 22 poz., rys., tab., wykr.

Twórcy

autor

Pietrzak Przemysław

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

• https://orcid.org/0000-0002-4429-0009

autor

Wolkiewicz Marcin

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

• https://orcid.org/+0000-0003-1197-8517

Bibliografia

• [1] Zuo, Y., Zhu, X., Si, X., Lee, C. H. T. Fault-Tolerant Control for Multiple Open-Leg Faults in Open-End Winding Permanent Magnet Synchronous Motor System Based on Winding Reconnection, IEEE Transactions on Power Electronics, 36 (2021), nr. 5, 6068-6078.
• [2] Knypiński, Ł., Krupiński, J. Application of the permanent magnet synchronous motors for tower cranes, Przegląd Elektrotechniczny, 96 (2020), nr 1, 27-30.
• [3] Pietrzak, P., Wolkiewicz, M. Stator Winding Fault Detection of Permanent Magnet Synchronous Motors Based on the Short-Time Fourier Transform, Power Electronics and Drives, 7 (2022), nr 42, 112-133.
• [4] Riera-Guasp, M., Antonino-Daviu, J. A., Capolino, G. Advances in Electrical Machine, Power Electronic, and Drive Condition Monitoring and Fault Detection: State of the Art. IEEE Transactions on Industrial Electronics, 62 (2015).
• [5] Wolkiewicz, M., Tarchała, G., Orłowska-Kowalska, T., Kowalski, C. T. Online Stator Interturn Short Circuits Monitoring in the DFOC Induction-Motor Drive, IEEE Transactions on Industrial Electronics, 63 (2016), nr 4, 2517-2528.
• [6] Orlowska-Kowalska, ,T. et al. Fault Diagnosis and Fault-Tolerant Control of PMSM Drives–State of the Art and Future Challenges IEEE Access, 10 (2022), 59979-60024.
• [7] Pietrzak, P., Wolkiewicz, M. Comparison of Selected Methods for the Stator Winding Condition Monitoring of a PMSM Using the Stator Phase Currents. Energies, 14 (2021), nr. 1630.
• [8] Leboeuf, N., Boileau, T., Nahid-Mobarakeh, B., Clerc, G., Meibody-Tabar, F. Real-Time Detection of Interturn Faults in PM Drives Using Back-EMF Estimation and Residual Analysis. IEEE Transactions on Industrial Electronics, 47 (2011), , 2402-2412.
• [9] Guefack, F. L. T., Kiselev, A., Kuznietsov, A. Improved Detection of Inter-turn Short Circuit Faults in PMSM Drives using Principal Component Analysis. W: Proc. Int. Symp. Power Electronics, Electrical Drives, Aut. Motion (SPEEDAM), 2018, 154-159.
• [10] Chen, S. Liang, W. Li, H. Liang, C. Wang. Faults and Diagnosis Methods of Permanent Magnet Synchronous Motors: A Review. Applied Sciences, 9 (2019), nr 10, 2116.
• [11] Haje Obeid, N., Battiston, A., Boileau, T., Nahid-Mobarakeh, B. Early Intermittent Interturn Fault Detection and Localization for a Permanent Magnet Synchronous Motor of Electrical VehiclesUsing Wavelet Transform. IEEE Transactions on Transportation Electrification, 3 (2017), nr 3, 694-702.
• [12] Urresty, J., Riba, J., Romeral, L., Rosero, J., Serna, J. Stator short circuits detection in PMSM by means of Hilbert-Huang transform and energy calculation. W: IEEE International Symposium on Diagnostics for Electric Machines, Power Electronics and Drives, 2009, 1-7.
• [13] Pietrzak, P. Wolkiewicz, M. Application of Support Vector Machine to stator winding fault detection and classification of permanent magnet synchronous motor. W: IEEE 19th International Power Electronics and Motion Control Conference(PEMC), 2021, 880-887
• [14] Samanta, S., Bera, J.N.; Sarkar, G. KNN based fault diagnosis system for induction motor. W: Proc. of the 2nd International Conference on Control, Instrumentation, Energy & Communication (CIEC), 2016, 304–308.
• [15] Ewert, P., Orlowska-Kowalska, T., Jankowska, K. Effectiveness Analysis of PMSM Motor Rolling Bearing Fault Detectors Based on Vibration Analysis and Shallow Neural Networks. Energies, 14 (2021), nr 712.
• [16] Pietrzak, P., Wolkiewicz, M., Orlowska-Kowalska, T. PMSM Stator Winding Fault Detection and Classification Based on Bispectrum Analysis and Convolutional Neural Network. IEEE Transactions on Industrial Electronics, 2022, Early Access, doi: 10.1109/TIE.2022.3189076.
• [17] Irvani, M.R., Karimi-Ghartemani, M. Online estimation of steady state and instantaneous symmetrical components. IET Proc. Gener. Transm. Distrib. 150 (2003), 616–622.
• [18] Satpathi, K., Yeap, Y. M., Ukil, A., Geddada, N. “Short-Time Fourier Transform Based Transient Analysis of VSC Interfaced Point-to-Point DC System,” IEEE Transactions on Industrial Electronics, 65 (2018), nr 5, 4080-4091.
• [19] Pawlak, M. Zastosowanie funkcji okien czasowych w diagnostyce wirników silników indukcyjnych. Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały (2008), nr 28, s. 520-527
• [20] Xueli, W., Zhiyong, J., Dahai, Y. An Improved KNN Algorithm Based on Kernel Methods and Attribute Reduction. W: Proceedings 2015 Fifth International Conference on Instrumentation and Measurement, Computer, Communication and Control (IMCCC), Qinhuangdao, China, 2015, 567-570.
• [21] Pietrzak, P., Wolkiewicz, M. On-line Detection and Classification of PMSM Stator Winding Faults Based on Stator Current Symmetrical Components Analysis and the KNN Algorithm, Electronics, 10 (2021), nr 15, p. 1786.
• [22] Skowron, M., Wolkiewicz, M., Orlowska-Kowalska, T., Kowalski, C.T. Effectiveness of Selected Neural Network Structures Based on Axial Flux Analysis in Stator and Rotor Winding Incipient Fault Detection of Inverter-fed Induction Motors. Energies, 12 (2019), 2392

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).