Neuronowo-rozmyty detektor uszkodzeń wirnika silnika klatkowego

• Autorzy: Pawlak, M.

Warianty tytułu

EN

Neural-fuzzy system for induction motor rotor fault detection

• Języki publikacji: PL

Abstrakty

PL

Diagnostyka eksploatacyjna silników indukcyjnych polega na ocenie stanu technicznego maszyny podczas jej normalnej pracy. W tym celu stosuje się różne rozwiązania sprzętowe aparatury diagnostycznej, które nierzadko wymagają zainstalowania różnego rodzaju czujników wielkości elektrycznych i nieelektrycznych. Zabudowa tych czujników nie zawsze jest możliwa. Dlatego też, w ostatnim czasie dąży się do opracowania uniwersalnych urządzeń monitorująco-diagnostycznych, które do poprawnej pracy wymagają jedynie informacji o podstawowych sygnałach pomiarowych silnika, takich jak prąd czy napięcie. Jednak symptomy poszczególnych uszkodzeń silnika, jakie pojawiają się w tych sygnałach zależą od wielu czynników, określenie stopnia danego uszkodzenia jest zadaniem bardzo trudnym. Jednym z rozwiązań tego problemu jest zastosowanie metod sztucznej inteligencji, w roli detektorów i klasyfikatorów uszkodzeń. W referacie przedstawiono przykład neuronowo-rozmytego detektora stopnia uszkodzenia wirnika, który został opracowany i przetestowany na stanowisku laboratoryjnym z silnikiem indukcyjnym o mocy 1,5 kW.

EN

This paper presents a simple neural-fuzzy-based system for induction motor fault diagnosis. This system uses non-invasive on-line monitoring techniques based on spectral analysis of the motor current and motor current Park's Vector modulus, for detecting the occurrence of rotor cage faults in operating three-phase induction machines. The on-line real-time expert system for rotor fault diagnosis was proposed and tested on a 1,5 kW squirrel-cage induction motor. The obtained results provide a satisfactory level of accuracy.

Słowa kluczowe

PL

silnik indukcyjny; diagnostyka eksploatacyjna; uszkodzenia wirnika; sieci neuronowe rozmyte

• Czasopismo: Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
• Rocznik: 2005
• Tom: Vol. 58, nr 25
• Strony: 316-327
• Opis fizyczny: Bibliogr. 6 poz.

Twórcy

autor

Pawlak, M.

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

Bibliografia

• [1] Cardoso A.J.M., Mendes A.M.S., Cruz S.M.A., The Park’s Vector Approach: New Developments in On-Line Fault Diagnosis of Electrical Machines, Power Electronics and Adjustable Speed Drives, Conf. Proc. of SDEMPED’97, Carryle-Rouet, France, 1997
• [2] Filipetti F., Tassoni C., Franceschini G., Vas P., AI techniques in induction machine diagnosis including the speed ripple effect, IEEE Trans. on Ind. Appl., vol.34, no.1, 1998
• [3] Kliman G.B., Koegl R.A., Stein J.,Endicott R.D., Madden M.W., Noninvasive detection of broken rotor bars in operating induction motors, IEEE Trans. on Energy Conv. vol.3, 1988
• [4] Kowalski Cz.T., Pawlak M., Application of AI methods for rotor faults detection of the induction motor, Conf. Proc. of EPE’2003, France, Toulouse, 2003
• [5] Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, 1997
• [6] Thomson W.T., A Review of On-Line Condition Monitoring Techniques for Three-Phase Squirrel – Cage Induction Motors – Past Present and Future, Conf. Proc. of SDEMPED’99, Gijon, Spain, 1999