Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  damage to the rotor
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Akustyczny detektor uszkodzeń silnika indukcyjnego
PL
Powszechnie wiadomo, że pojawiające się w silniku uszkodzenia natury mechanicznej i elektrycznej powodują zwiększoną emisję drgań maszyny. Zjawisko to jest często wykorzystywane do oceny stanu technicznego silnika przy zastosowaniu aparatury diagnostycznej, wyposażonej w czujniki drgań - akcelerometry. Można również zauważyć, że w uszkodzonej maszynie zjawisku wibracji towarzyszy często wzrost emisji hałasu, który może być wykorzystany jako symptom uszkodzenia. Niniejszy artykuł przedstawia możliwości wykorzystania sygnałów akustycznych, emitowanych przez pracujący napęd elektryczny, do diagnostyki uszkodzeń łożysk tocznych oraz prętów klatki wirników silników indukcyjnych. Przedstawiono również metody analizy sygnałów akustycznych, takie jak: analiza widmowa, analiza obwiedni oraz funkcja autokorelacji.
EN
It is well known that emerging electrical and mechanical failures in the induction motor cause increased vibration emission of the machine. This phenomenon is often used to assess the condition of the motor using diagnostic devices equipped with vibration sensors - accelerometers. You may also be noted that in the faulty motor vibration phenomenon is often accompanied by increased noise, which can be used as a symptom of failure. This article presents the possibility of using acoustic signals emitted by the working electric motor, to fault diagnosis of rolling bearings and cage rotor of induction motors. Also the methods for the analysis of acoustic signals, such as spectral analysis, envelope analysis, and autocorrelation function was presented.
PL
W ostatnim czasie diagnostyka eksploatacyjna napedów elektrycznych z silnikami indukcyjnymi odgrywa coraz wieksza role. Nieustannie poszukuje sie nowych rozwiazan w zakresie sprzetowej realizacji aparatury diagnostycznej, pozwalajacej na ocene stanu technicznego silnika w czasie jego normalnej pracy. Jednym z czesciej wykorzystywanych sygnałów diagnostycznych jest prad fazowy silnika, mierzony zarówno w układach napedowych zasilanych bezposrednio z sieci energetycznej, jak i z falownika. Do oceny stopnia uszkodzenia silnika coraz czesciej wykorzystuje sie sztuczne sieci neuronowe, które po uprzednim wytrenowaniu staja sie praktycznym narzedziem diagnostycznym. Jednak opracowanie skutecznego neurodetektora uszkodzen silnika jest zadaniem trudnym, które wymaga pewnego doświadczenia. Do najważniejszych etapów projektowych należa: wybór struktury sieci neuronowej, odpowiedni dobór cech diagnostycznych stanowiacych sygnały wejsciowe sieci oraz odpowiednio przeprowadzony proces uczenia sieci. Niniejszy artykuł przedstawia praktyczne wskazówki, które moga byc pomocne przy projektowaniu i trenowaniu neuronowych detektorów uszkodzeń wirnika silnika zasilanego z przemiennika częstotliwości.
EN
Recently, the on-line monitoring of induction motors condition is very important issue in the industry. Early detection of abnormal operating condition of the motor allows to avoid serious breakdown of the drive system. One of the most popular noninvasive method applied for induction motor faults detection purposes is the motor current signature analysis (MCSA). This method is frequently used for rotor failures detection, in connection with the artificial intelligence techniques, such as neural networks. The neural fault detectors can be attractive diagnostic tool, after properly performed training process. Unfortunately, practical realization of the effective neural networks-based rotor faults indicator seems be difficult task, because it requires an extensive knowledge and a broad experience. The most important stages of designing process are: a choice of neural network structure, choice of diagnostic pattern, specification of input signals vector and using appropriate training algorithm. This paper presents a practical directions for designing and training of the neural network based rotor fault detectors of induction motor, supplied from frequency inverter.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.