Информационные технологии интеллектуальной поддержки принятия решений, Информационные технологии интеллектуальной поддержки принятия решений 2018

Размер шрифта: 
Интеллектуальные методы прогнозирования отказоустойчивости электрических машин
А. В. Мальцев, П. Н. Чариков

Изменена: 2018-06-22

Аннотация


Асинхронные электродвигатели имеют ключевую роль в современной промышленности. Выход из строя ответственных электрических машин приводит к нарушению технологического процесса, что может вызвать аварии на производстве и значительный материальный ущерб. Отечественные и зарубежные исследования показываю, что основным средством повышения экономической эффективности использования оборудования в промышленности является внедрение средств диагностики. Благодаря достижениям в цифровой электроники набирают популярность системы контроля состояния электрических машин в режиме реального времени. В данной статье рассматриваются интеллектуальные методы прогнозирования отказоустойчивости асинхронных электродвигателей.

Ключевые слова


интеллектуальные методы прогнозирования; отказоустойчивость; нейронные сети

Литература


1.            C. Hudon, W. Torres, M. Belec, and R. Contreras, “Comparison of Discharges Measured from a Generator’s Terminals and from an Antenna in Front of the Slots” in Proc. of 2001 EIC/EMCW Int. Conf.,Cincinnati, Ohio, USA, pp. 533-536.

2.            Sanna Pöyhönen "Support vector machine based classification in condition monitoring of induction motors", Helsinki University of Technology 2004

3.            N. Mehla and R. Dahiya: An Approach of Condition Monitoring of Induction Motor Using MCSA, International Journal of Systems Applications, Engineering & Development Vol. 1, No. 1, 2007, pp. 13-17

4.            E. L. Bonaldi, L. E. de Lacerda de Oliveira, J. G. B. da Silva, G. Lambert-Torresm and L. E. Borges da Silva, Predictive Maintenance by Electrical Signature Analysis to Induction Motors, Induction Motors – Modeling and Control, Chapter 20

5.            K. S. Gaeid, H. W. Ping, M. Khalid and A. L. Salih, Fault Diagnosis of Induction Motor Using MCSA and FFT, Electrical and Electronic Engineering, Vol.1, No. 2, 2011, pp. 85-92

6.            M. El H. Benbouzid, A Review of Induction Motors Signature Analysis as a Medium for Faults Detection, IEEE Transactions on Industrial Electronics, Vol. 47, No. 5, Oct. 2000

7.            E. L. Bonaldi, L. E. de Lacerda de Oliveira, J. G. B. da Silva, G. Lambert-Torresm and L. E. Borges da Silva, Predictive Maintenance by Electrical Signature Analysis to Induction Motors, Induction Motors – Modeling and Control, Chapter 20

8.            T. G. Amaral, V. F. Pires, J. F. Martins, A. J. Pires and M. M. Crisóstomo, Image Processing based Classifier for Detection and Diagnosis of Induction Motor Stator Fault, in “Image Processing”, book edited by Yung-Sheng Chen, December 1, 2009

9.            C. J. Verucchi, G. G. Acosta and F. A. Benger, A review on fault diagnosis of induction machines, Lat. Am. appl. res. Vol. 38, No. 2.,Bahía Blanca abr. 2008

10.          E. R. Bonaldi, L. E. de L. de Oliveira, L. E. B. da Silva and G. L. Torres, Removing the Fundamental Component in MCSA Using the Synchronous Reference Frame Approach, IEEE International Symposium on Industrial Electronics, Vol. 2, pp. 913- 918, 9-11 June 2003, Rio de Janeiro, Brazil

11.          P. Pillay and Z. Xu: Motor Current Signature Analysis, Thirty-First IAS Annual Meeting, Industry Applications Conference, ‘96, San Diego, California, 1996

12.          D. Fossum, Identifying Mechanical Faultes with Motor Current Signature Analysis, http://www.reliableplant.com/Read/28633/motor-current-signature-analysis

13.          Dr.Y. Aksenov, I.Yaroshenko, G. Noe, A. Andreev. On-Line Diagnostics Technology and Repair Results for Midium Voltage Motors. IEEE-SDEMPED' 2009.

14.          Dr.Y. Aksenov, I.Yaroshenko, G. Noe, A. Andreev. Diagnostic Technology for Transformers: Methods Synergy and Double-Coordinate Location. IEEESDEMPED' 2009.

15.          H.L. Poon, Verbal time series reports generation in condition monitoring, Computers in Industry, vol.15, 1990, pp. 293-301.

16.          J.M. Mendel, Fuzzy logic systems for engineering: a tutorial, Proceedings of the IEEE, vol. 83, n°3, March 1995, pp. 345-377.

17.          V. N. Ghate and S. V. Dudul, Artificial Neural Network Based Fault Classifier For Three Phase Induction Motor, International Journal of Computational Intelligence Research, Vol. 5, No. 1, 2009, pp. 25–36

18.          H. Jivayee and I. Culbert, Detecting Broken Rotor Bars Prevents Catastrophic Damage, Maintenance Technology, November 2004

19.          Joksimovic, G, M. Ðurovic, J. Penman. “The Detection of Inter-Turn Short Circuits in the Stator Windings of Operating Motors”, IEEE Transaction on Industrial Electronics, v.47 (5), pp. 1078-1084, October 2000.


Полный текст: PDF