Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Napędy i Sterowanie

2 2009

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: harvester mining

Sortuj według:

Ogranicz wyniki do:

Napięcia i prądy wałowe w silnikach indukcyjnych dużej mocy użytych w organach urabiających kombajnów górniczych

Drak B., Zientek P., Niestrój R., Kwak J.

Napędy i Sterowanie

2009

R. 11, nr 7/8

116-122

W silnikach indukcyjnych trójfazowych o mocach 300 kW i napięciach znamionowych 1000 V lub 3300 V przeznaczonych do napędu organów urabiających górniczych kombajnów ścianowych stwierdzono wysoki poziom napięć wałowych w stanach dynamicznych, wywołanych bezpośrednim załączeniem zasilania z sieci [2]. Przedmiotowe silniki są przystosowane do takiego rozruchu i w związku z tym w kombajnach nie stosuje się urządzeń rozruchowych. Wysoki poziom napięć wałowych może wywoływać prądy łożyskowe, co znacznie przyspiesza uszkodzenie łożysk.

The paper presents results of researches aimed at bearing faults detection in the high power induction motors. In the chapter 2 is presented description of laboratory stand. In the chapter 3, on the figures from 2 to 9 are shown different kinds of bearing damages arising in considered motors. In the chapter 4 is presented influence of supply voltage unbalance on the value of shaft currents and voltages. The figure 10 presents diagram of measuring system. On the figures 12, 13 and 14 are presented waveforms of shaft voltages and currents as well as their Fourier transforms. In the chapter 5 is presented influence of number of motor start-ups on the value of bearing current. On the figure 17 are presented waveforms of shaft voltages and currents. Conclusions drawn from laboratory researches are presented in chapter 6.

Klasyfikacja stanu i rodzaju noży głowicy wielonarzędziowej z wykorzystaniem sieci neuronowych

Jonak J., Gajewski J.

Napędy i Sterowanie

2009

R. 11, nr 2

107-110

Artykuł prezentuje próbę klasyfikacji stanu ostrzy i rodzaju noży pracujących zespołowo na głowicy urabiającej. Jako narzędzie służące do takiej oceny wykorzystano sztuczne sieci neuronowe. Zarejestrowano sygnały mocy oraz momentu urabiania głowicą wielonarzędziową z zamontowanymi nożami stycznymi oraz promieniowymi. Badania realizowano poprzez urabianie nożami ostrymi oraz częściowo zużytymi. W celu wyeliminowania zmiennych mających wpływ na przebieg procesu urabiania w eksperymencie posłużono się modelową bryłą skalną. Zamieszczone wyniki stanowią część badań nad wykorzystaniem metod sztucznej inteligencji w badaniach noży i głowic urabiających. Jako zmienne wejściowe do sztucznych sieci neuronowych wykorzystano charakterystyczne parametry statystyczne przebiegów czasowych, tj. wariancję, skośność oraz kurtozę. Zmienną wyjściową SSN był stan ostrzy noży urabiających (ostre lub stępione) oraz rodzaj zamontowanych narzędzi (promieniowe lub styczne).

The publication presents an attempt to identify the status and type of cutters working as an assembly on a multi-tool head with the use of a new method. The paper presents results of research on utilising artificial neural networks to identify type and point's status cutting tools used in multi-tool excavating heads of mechanical coal miners. The time courses of mining torque and power for a multi-tool head with installed radial and tangent- rotational tools were recorded. The tests covered mining with sharp and partially blunt cutters. In order to limit the variables influencing the excavating process, a model rock was used for the experiment The received time courses were used as input variables for the Artificial Neural Network. For this purpose, mining power and torque signals statistical parameters were established: variance, skewness, and kurtosis. The Radial Basis Function (RBF) networks, Multilayer Perceptron (MLP) structure networks and Fuzzy Neural Networks (FNN), verified in the previous identification tests, were used for analysis.