Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Diagnostyka

1 2007

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: classification of residuals

Sortuj według:

Ogranicz wyniki do:

System diagnostyki małych silników prądu stałego z wykorzystaniem metody identyfikacji

Hanzel M., Moczulski W.

Diagnostyka

2007

nr 1(41)

67-74

W referacie opisano system diagnostyki małych silników prądu stałego, stosowanych w samochodach osobowych. Zaprojektowanie, skonstruowanie stanowiska pomiarowego, opracowanie metody i oprogramowania, a także weryfikacja takiego systemu były przedmiotem pracy dyplomowej magisterskiej pierwszego z autorów. Zastosowane podejście bazuje na modelu analitycznym silnika, opisującym część elektryczną i mechaniczną. Do detekcji i lokalizacji uszkodzeń wykorzystuje się dwie stałe: elektromechaniczną stałą czasową oraz elektromagnetyczną stałą czasową obwodu twornika. Estymacja wartości tych stałych następuje na podstawie zmierzonych wielkości: prędkości obrotowej i parametrów elektrycznych. Uzyskane wyniki porównywane są z wartościami wzorcowymi otrzymanymi z modelu. Otrzymane residua są klasyfikowane z wykorzystaniem prostego algorytmu progowego, a także przez rozmytą sieć neuronową. Wstępne badania weryfikacyjne, przeprowadzone dla kilku obiektów tego samego typu, potwierdziły poprawne działanie systemu.

The paper deals with a system of diagnostics of small DC motors that are applied in personal cars. Design and development of a measuring stand, development of a method and respective software, and verification of this system were the subject of MSc thesis of the first author. The approach to the problem is based on analytical model of the motor, which describes both the electrical and mechanical parts of the object. Two time constants are applied in order to detect and isolate faults: electro-mechanical one and electro-magnetic time constant of the rotor circuit. These constants are estimated basing on such measured quantities as rotating speed and electric parameters. The obtained results are compared with pattern values calculated from the model. Received residuals are classified by using simple threshold algorithm, and by fuzzy neural network. The initial verification carried out for several motors of the same type confirmed correct operation of the diagnostic system.