W pracy opisane zostały procedury diagnostyki maszyn indukcyjnych, oparte o analizę przebiegu prądu rozruchowego, z wykorzystaniem metod czasowo - częstotliwościowych, w tym analizy za pomocą Ciągłej Transformacji Falkowej. Bazując na doświadczeniach związanych z zastosowaniem metod falkowych w diagnostyce, autor opracował także własną, unikalną metodę, której szczegółowy opis znajduje się w rozprawie. Zgodnie z wcześniejszymi założeniami metoda jest w pełni automatyczna, jej stosowanie nie wymaga wiedzy eksperta, a w wyniku uzyskiwana jest pojedyncza liczba, którą można uważać za miarę asymetrii klatki wirnika. Daje to możliwość nie tylko jednorazowej oceny stanu klatki silnika, ale także oceny trendu zmian, w przypadku pomiarów dokonywanych cyklicznie, co znacząco podnosi pewność wyników. Poprawne diagnozowanie silników o krótkim czasie rozruchu było dodatkowym ważnym założeniem podczas opracowywania metody. Ponadto przytoczone zostały wyniki zastosowania wszystkich omawianych procedur dla silników o różnym, znanym stopniu uszkodzenia, a także dla maszyn pracujących w przemyśle. Przebiegi wstępnie przetworzone metodami czasowo - częstotliwościowymi mogą być również danymi wejściowymi dla układów uczących się. W pracy zostały zaprezentowane wyniki otrzymane dla różnych konfiguracji sieci neuronowych, opracowanych w tym celu.
„Induction Motor Cage Diagnosis Based on Wavelet Transform and Self-training Systems"
This dissertation presents induction motor diagnostic procedures based on the startup current analysis with use of the time-frequency methods, especially the Continuous Wavelet Transform. Relaying on experience with the wavelet approaches, author introduces his own, unique method. It allows to obtain a single value which is the result of the diagnostic procedure. This value could be perceived as a measure of rotor asymmetry. The procedure could be also applied to short startup time motors. All discussed methods were tested on healthy motors and on motors with known number of broken rotor bars as well. Outcomes of the time - frequency methods could be used as input data for self training systems such as artificial neural networks. Examples of using neural networks for diagnostic purposes are also included.