ابزار های محاسباتی آنلاین برای تشخیص خطای ماشین القایی / Online computational tools dedicated to the detection of induction machine faults

ابزار های محاسباتی آنلاین برای تشخیص خطای ماشین القایی Online computational tools dedicated to the detection of induction machine faults

  • نوع فایل : کتاب
  • زبان : فارسی
  • ناشر : الزویر Elsevier
  • چاپ و سال / کشور: 2013

توضیحات

چاپ شده در مجله سیستم های انرژی و توان الکتریکی – Electrical Power and Energy Systems
رشته های مرتبط مهندسی برف و مکانیک، سیستم محرکه خودرو، مهندسی الکترونیک، مکاترونیک و مهندسی کنترل
۱- مقدمه طیف وسیعی از خطا ها می توانند در موتور های القایی طی عملیات طبیعی بروز یابند. چندین خطا، نظیر استانور غیر متعادل، میله های روتور شکسته،خروج از مرکز روتور، در صورتی که پیشروی خطای تشخیص داده نشود، می تواند منجر به خرابی کامل ماشین شود. مهم ترین پارامتر های ماشین که اغلب بررسی و پایش می شوند شامل، جریان خط، جریان نشت و ارتعاش می باشند. جریان خط، ساده ترین پارامتری است که می تواند بررسی شود زیرا در یک محیط صنعتی، قابل دسترس ترین پارامتر بوده و در صورت لزوم می تواند از راه دور نیز کنترل شود و به این ترتیب نیاز به ابزار ساده ای دارد. در سال های اخیر، مطالعات زیادی بر روی پایش و نظارت تشخیص ماشین های الکتریکی صورت گرفته است. بسیاری از ابزار های محاسباتی برای تشخیص خطای ماشین های الکتریکی و مکان یابی خطا پیشنهاد شده اند. این ابزار ها در بر گیرنده اندازه گیری جریان و ولتاژ استاتور، گشتاور ، تراکم جریان مغناطیسی خارجی و ارتعاش می باشند. محاسبه آنلاین خطای ماشین القایی نظیر میله های روتور شکسته و استاتور غیر متعادل را می توان با تحلیل جریان استاتور توسط فرکانس های طیفی یا زمانی به صورت هم زمان و یا جداگانه انجام داد. میله های شکسته روتور منجر به فرکانس لغزش جانبی حول فرکانس اصلی جریان استاتور می شوند در حالی که استاتور نامتعادل نظیر مدار های کوتاه پیچشی استاتور منجر به تغییراتی در سیستم جریان استانور سه فازی و جریان متوالی منفی می شود. بسیاری از روش های تشخیصی برای موتور های القایی در مطالعات و منابع گذشته در خصوص تشخیص خطا های ماشین الکتریکی گزارش شده اند. از این روی، برخی محققان، پایش شرایط ماشین بر اساس خصوصیات متغیر های خارجی برای نمونه، با استفاده از سیگنال ها و ولتاژ های جریان، سرعت، گشتاور و قدرت و توان آنی، مطالعه کرده اند. این پارامتر ها قابل محاسبه بوده و اطلاعات بیشتر را می توان برای اهداف تشخیصی بازیابی کرد. رویکرد بردار پارک و نوسانات زاویه ای موتور بردار فضای جریان، به عنوان منبع جدید داده های تشخیصی برای خطا های موتور القایی روتور یا استاتور استفاده شده اند( ۲ و۱). این روش ها، به موقعیت اجزای هارمونیک خاص در جریان موتور بستگی دارد که برای انواع مختلف خطا ها، فرق می کند. استفاده از فاکتور توان لحظه ای، بسیار جالب است زیرا بر اساس نوسان گشتاور و جریان استاتور تغییر می کند(۳). تشخیص دیفرانسیل بر اساس پایش چند متغیره برای ارزیابی شرایط روتور ماشین القایی است(۴). محاسبه امپدانس منفی برای پایش خطای استاتور استفاده می شود(۵). مزیت اصلی این روش، عدم وابستگی به لغزش است. توالی منفی جریان استاتور، یک شاخص مطمئن و پایا برای پایش انلاین یا روی خط استاتور نامتعادل است(۶). استفاده از ولتاژ خنثی خط برای تشخیص خطاهای استاتور و روتور پیشنهاد شده است(۷). رویکرد یادگیری ماشین آماری مبتنی هوش مصنوعی(۸)، شبکه های عصبی مصنوعی(۹)، فرکانس زمانی برای طبقه بندی خطاهای موتور القایی(۱۰) از این موارد هستند. پیشرفت ها و روش های جدید در منابع، در خصوص محاسبه خطاها در ماشین های الکتریکی گزارش شده اند که در زیر به آن ها اشاره شده است: روش های دی مدولاسیون چند بعدی برای تشخیص خطاهای موتور های القایی(۱۱)، تبدیل فازی چند جمله ای جریان برای تشخیص ماشین های الکتریکی سه فازی(۱۲)، اجزای غیر متقارن و کانکوردیای جریان موتور القایی با روش استخراج الگو و تحلیل رادارای(۱۳)، رویکرد مونته کارلو برای محاسبه مدت زمان حرارتی عایق مبدل( ۱۴)، رویکرد هوشمند توسط سیستم ایمنی برای تشحیص خطاهای ماشین های القایی(۱۵)، آنالیز مولفه های مستقل برای تشخیص خطا و تشخیص توربین(۱۶)، تحلیل امضا برای تشخیص خطای گریز از مرکز ترکیبی(۱۷). الگوریتم FFT یکی از محبوب ترین الگوریتم های پردازش سیگنال در زمینه های تشخیص خطای روتور است. با این حال در شرایط واقعی، پیچیدگی (N/2)×log(N) در FFT-radix 2 موجب وارد آمدن یک بار بر DSP می شود که در آن مقدار زیادی از داده ها باید برای تولید تفکیک پذیری بالا پردازش شوند(۱۸). مسئله اصلی در رویکرد طیفی این است که هدف ما استفاده از سیستمی از تبدیل فوریر و اجزای مختلف آن به خصوص تبدیل فوریر سریع برای سیگنال های خطای ماشین که فرکانس های آن معلوم است می باشد. به این معنی که، باقی مانده فرکانس ها را بدون نیاز به آن ها محاسبه کرده و از این روی محاسبات غیر ضروری هستند. در این مقاله، ما به بررسی کاربرد تبدیل های فوریر گسسته بر روی بردار جریان های سه فازی کمپلکس می پردازیم. به این ترتیب امکان انتخاب مناسب ترین روش برای محاسبه اجزای خطا با هزینه محاسباتی پایین تر وجود دارد. این کار با معرفی یک سیستم غیر متعادل سه فازی و آلودگی هارمونیک شروع می شود. فوریر تبدیل شده در سیستم سه فازی امکان تشخیص و محاسبه جریان غیر متعادل ناشی از سیستم منفی را می دهد. تبدیل فوریر بازگشتی، نشان دهنده باند های جانبی خطای میله شکسته را بدون حضور پایه است که در تفکیک پذیری مکانی پایین تر و یا در بار پایین، از این باند های جانبی جلوگیری می کند. هم چنین این روش در زمان واقعی استفاده می شود. روش طیف فازی امکان بررسی و مطالعه بهتر خطای میله شکسته را می دهد. به منظور این که این روش کم تر به آلودگی هارمونیک حساس باشد، ما یک روش فاز بندی سیگنال تحلیلی را پیشنهاد کردیم. طیف توان لحظه ای موجب تسهیل تشخیص در فرکانس های پایین هرتز می شود.

Description

۱٫ Introduction A variety of faults can occur within induction motors, during normal operation. Several faults, such as unbalanced stator, broken rotor bars, rotor eccentricity, can result in a complete breakdown of the machine, if the progress of the fault is not detected. The machine parameters which are most often monitored include line current, leakage flux, and vibration. Line current is probably the most convenient of these parameters, since in an industrial environment it is the most accessible parameter, this can be measured remotely if needed, and requires simple instrumentation. In recent years many research works have been carried out on the monitoring condition and diagnosis of electrical machines. Many tools of calculation have been proposed for electrical machine faults detection and localization. These tools include the measurement of stator current and voltage, torque, external magnetic flux density and vibration. On-line calculation of induction machine faults such as broken rotor bars and stator unbalanced can be carried out by analyzing the stator current by temporal or spectral, or both at once as time–frequency. Broken rotor bars result in twice slip frequency sidebands around the fundamental frequency of stator current, while unbalanced stator, such as stator winding short circuits, which cause changes in three-phase stator current system and the occurrence of negative sequence current. Many diagnostic techniques for induction motors have been reported in the literature as to diagnose electric machine faults, Therefore some researchers have investigated the monitoring of machine conditions, mainly based on the signature of external variables, for instance by means of all voltage and current signals, speed, torque and instantaneous power. They can be computed, and more information may be retrieved for diagnostic purpose. The Park’s vector approach and the motor angular fluctuation of the current space vector have been used as a new source of diagnostic data for stator and rotor induction motor faults [1,2]. These techniques depend upon specific harmonic components location in the motor current, which are usually different for different types of faults. Exploitation of instantaneous power factor is interesting because it varies according torque oscillation and hence the stator current [3]. Differential diagnosis is based on multivariable monitoring to assess induction machine rotor conditions [4]. The calculation of the negative impedance is used to the monitoring of the stator fault [5]. The major advantage of this technique is the non dependence on the slip. The negative sequence of the stator current represents a reliable index for the on line monitoring of stator unbalanced [6]. Exploitation of the line neutral voltage for the diagnosis of stator and rotor faults has been proposed [7]. Artificial Intelligence (AI) based on statistical machine learning approach [8], artificial neural networks [9], time–frequency for classification induction motor faults [10]. Recent advances and new techniques have been reported in the literature concerning calculation of faults in electrical machines these are; Multidimensional demodulation techniques for diagnosis of induction motors faults [11], polynomial-phase transform of the current for diagnosis of three-phase electrical machines [12], symmetrical components and current Concordia of an induction motor by feature pattern extraction method and radar analysis [13], Monte Carlo approach for calculating the thermal lifetime of transformer insulation [14], intelligent approach by an artificial immune system for the detection of induction machines faults [15], independent component analysis for fault detection and diagnosis of turbine [16], signature analysis for fault diagnosis of mixed eccentricity [17]. FFT algorithm is one of the most popular signal-processing algorithms in motor-fault-detection applications. However, in realtime applications, the (N/2) log(N) complexity of FFT-radix 2 brings an overwhelming burden to the DSP where significant amounts of data need to be processed in order to produce sufficiently high resolution [18]. The problem in the spectral approach is that we intend to use systematically the Fourier transforms and its different variants particularly the fast Fourier transform (FFT), for signals of machine faults whose frequencies are known before hand. It means that we calculate the remain of frequencies without need them and therefore the calculations are cumbersome and unnecessary. In this paper we will investigate the applications of Discrete Fourier Transforms on the complex vector of three-phase stator currents; this will allow making the choice on the most appropriate alternatives to the calculation of the faults components at lower computational cost. We will begin this work by the presentation of a three phase unbalanced system and harmonic pollution. The Fourier transformed applied to three-phase system will allow understanding and calculating the unbalanced current caused by the negative system. Recursive Fourier Transform (RFT) will highlight the sidebands of broken bar fault without the presence of the fundamental, which at low spectral resolution or at low load inhibit these sidebands. This technique is also used in real time. The technique of phase spectrum allows us to better characterize the fault rupture bar. In order to make the technique less sensitive to harmonic pollution we proposed the technique of phase of the analytical signal. The spectrum of the instantaneous power facilitates the detection at low frequencies of few Hertz.
اگر شما نسبت به این اثر یا عنوان محق هستید، لطفا از طریق "بخش تماس با ما" با ما تماس بگیرید و برای اطلاعات بیشتر، صفحه قوانین و مقررات را مطالعه نمایید.

دیدگاه کاربران


لطفا در این قسمت فقط نظر شخصی در مورد این عنوان را وارد نمایید و در صورتیکه مشکلی با دانلود یا استفاده از این فایل دارید در صفحه کاربری تیکت ثبت کنید.

بارگزاری