Зависимость спектральных составляющих тока статора от повреждений в электродвигателе

А. В. Мальцев; П. Н. Чариков

Информационные технологии интеллектуальной поддержки принятия решений, Информационные технологии интеллектуальной поддержки принятия решений 2019

А. В. Мальцев, П. Н. Чариков

Изменена: 2019-11-07

Аннотация

Безопасность и безаварийность технологических процессов на производстве во многом зависит от технического состояния машинных агрегатов, выполняющих ключевую роль в производстве. Основным приводным механизмом машинных агрегатов является асинхронный электропривод с короткозамкнутым ротором. Повреждение в любой части электродвигателя приводят к снижению производительности и срока службы машины. Неисправности, возникшие вследствие естественного износа, ошибок при обслуживании и проектировании, вредного воздействия окружающей среды и других факторов, должны быть своевременно выявлены и устранены. В связи с этим анализ состояния электродвигателя и прогнозирование повреждений играет основную роль в увеличении надежности и увеличения срока службу оборудования. В данной статье будут рассмотрены закономерности спектральных составляющих тока статора электродвигателя от характера повреждения.

Ключевые слова

безопасность технологических процессов; асинхронный электропривод; прогнозирование повреждений; спектральные составляющие тока статора

Литература

1. Кацман М. М.Электрические машины : учебник для студ. учреждений сред. проф. образования / М.М. Кацман. — 12&е изд., стер. — М. : Издательский центр «Академия», 2013. — 496 с.

2. Прахов, И.В. Влияние режимов работы и характерных повреждений насосно-компрессорного оборудования с электрическим приводом на генерирование высших гармонических составляющих токов и напряжений / И.В. Прахов, М.Г. Баширов // Транспорт и хранение нефтепродуктов и углеводородного сырья. – М.: Издво НПП КАТС, 2010. – №4. – С. 18-21

3. Ратхор, Т.С. Цифровые измерения. Методы и схемотехника. – М.: Техносфера, 2004. – 376 с.

4. Солонина А., Улахович Д., Яковлев Л. Алгоритмы и процессоры цифровой обработки сигналов. – СПб., «БЧВ-Петербург», 2002.

5. Сергиенко А.Б. Цифровая обработка сигналов. - СПб, Питер, 2007

6. Penrose, Dr. Howard W. Practical Motor Current Signature Analysis Taking the Mystery Out of MCSA. s.l. : ALL-TEST Pro.

7. Borges da Silva, L.E., Lambert-Torres, G., Santos, D.E., Bonaldi, E.L., de Oliveira, L.E.L. & Borges da Silva, J.G. (2009). An Application of MSCA on Predictive Maintenance of TermoPE’s Induction Motors, Revista Ciências Exatas, Vol. 15, No. 2, (July 2009), pp. 100-108, ISSN 1516-2893.

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. Shahin Heydayti Kia, Humberto Henao, Gérard-André. Torsional Vibration Assessment Using Induction Machine Electromagnetic Torque Estimation. IEEE Transactions on Industrial Electronics, Vol. 57, No.1. January 2010, p. 11.

10. Bonaldi, E.L., de Oliviera, L.E.L., Lambert-Torres, G. & Borges da Silva, L.E. (2007). Proposing a Procedure for the Application of Motor Current Signature Analysis on Predictive Maintenance of Induction Motors, Proceedings of the 20th International Congress & Exhibition on Condition Monitoring and Diagnosis Monitoring Management - COMADEM 2007, Faro, Portugal, Jun. 13-15, 2007.

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

12. Burr, D. J. 1987. Experiments with a connectionist text reader. In Proceedings of the First International on Neural Networks, eds. M. Caudill and C. Butler, vol. 4, pp.717–24. San Diego, CA: SOS Printing.

Полный текст: PDF