Index of /rozprawy2/11145

Witold Głowacz

Metody analizy i rozpoznawania informacji zawartej w sygnałach prądowych i napięciowych

silników elektrycznych dla diagnostyki stanów przedawaryjnych

Streszczenie

Celem rozprawy doktorskiej było udowodnienie tezy, że algorytmy rozpoznawania umożliwiają zastosowanie metod analizy sygnałów prądowych i napięciowych do efektywnej diagnostyki stanów przedawaryjnych silników elektrycznych. Aby osiągnąć ten cel, zrealizowano następujące zadania badawcze: przeanalizowano problemy rozpoznawania stanów przedawaryjnych silników elektrycznych, przedyskutowano możliwości zastosowania wybranych metod przetwarzania i analizy sygnału prądowego i napięciowego, dokonano implementacji poszczególnych metod, opracowano projekt stanowiska diagnostycznego do badania sygnałów prądowych i napięciowych silników elektrycznych, przeprowadzono badania sygnałów prądowych/napięciowych zmierzające do skonfigurowania przetwarzania i analizy w celu uzyskania najlepszej metody rozpoznawania dla wybranych typów silników elektrycznych oraz przedstawiono projekt urządzenia monitorującego silnik elektryczny w trakcie jego eksploatacji.

Rozważania prowadzone w rozprawie dotyczyły dwóch typów silników elektrycznych, tj. silników indukcyjnych i silników prądu stałego. Przeprowadzone badania pokazały, że stany pracy przykładowych silników znajdowały odbicie w sygnałach prądowych i napięciowych przez nie generowanych w stopniu wystarczającym, aby metody rozpoznające z zadawalającą precyzją wskazywały pojawianie się monitorowanych uszkodzeń.

Istotnym czynnikiem wpływającym na uzyskanie wysokiej skuteczności rozpoznawania sygnału prądowego/napięciowego była długość próbki sygnału stosowana do rozpoznawania. Wykazano również, iż klasyfikator oparty na metodzie najbliższego sąsiada NN i klasyfikator oparty na liniowej analizie dyskryminacyjnej LDA działały najlepiej przy wypracowanych metodach obróbki. Sieć neuronowa z algorytmem wstecznej propagacji błędów miała niższą skuteczność rozpoznawania, niż pozostałe klasyfikatory. Spośród algorytmów FFT, LPCC, LPC najlepszą skuteczność rozpoznawania sygnału prądowego/napięciowego dawały FFT. Podsumowując wyniki eksperymentów, można stwierdzić, że teza rozprawy doktorskiej została udowodniona.

W rozdziale pierwszym przedstawiono problemy rozpoznawania stanów przedawaryjnych silników elektrycznych. Rozdział drugi omawia metody analizy informacji zawartej w sygnałach prądowych i napięciowych silników elektrycznych. W ramach rozdziału trzeciego opracowano projekt stanowiska do badania sygnałów prądowych i napięciowych silnika elektrycznego. W rozdziale czwartym opisano eksperymenty oraz wyniki badania sygnałów, zmierzające do skonfigurowania metod przetwarzania i analizy w celu uzyskania jak najlepszego wariantu metod rozpoznawania dla dwóch wybranych typów silników, indukcyjnych prądu przemiennego i obcowzbudnych prądu stałego. W rozdziale piątym omówiono projekt urządzenia monitorującego silnik elektryczny w ruchu. Rozdział szósty podsumowuje rezultaty opisane w rozprawie. W dodatku A przedstawiono wykaz ważniejszych skrótów w tekście. W dodatku B podano wyniki rozpoznawania sygnałów prądowych i napięciowych dla wybranych silników elektrycznych. W dodatku C przedstawiono opis badanych stanów silników elektrycznych.

Witold Głowacz

Methods of analysis and recognition of information contained in current and voltage signals of electrical motors for early faults diagnostics

Summary

The aim of the dissertation was to prove the thesis that the recognition algorithms enable the

use of methods of analysis of current and voltage signals for efficient diagnostics of early

faults states of electrical motors. To achieve this goal the following tasks were carried out:

have been analyzed problems recognizing states of early faults in electric motors, have been

discussed the possibility of applying some methods of processing and signal analysis of

current and voltage, have been implemented various methods, have been developed the draft

position of diagnostic testing current and voltage signals of electric motors, were conducted

studies the signals of the current / voltage aiming to set up processing and analysis in order to

obtain the best method of detection for selected types of electric motors and a draft

monitoring device electric motor during operation.

Considerations related to the two types electric motors, i.e. induction motors and dc motors.

The study showed that the operating states of the sample of motors were reflected the current

and voltage signals which are generated sufficiently, the method to recognize an acceptable

precision indicated the appearance of the monitored lesions.

An important factor to achieve high efficiency of detection signal of the current / voltage

signal sample length was used for detection. It was also shown that the classic method based

on the nearest neighbor NN and classifier based on a linear discriminant analysis LDA work

best when developed processing methods. A neural network with back propagation algorithm

have a lower detection rate than other classifiers. Among the algorithms FFT, LPCC, LPC

best recognition effectiveness enables FFT. Summing up the results of experiments, we can

conclude that the thesis dissertation has been proven.

The first chapter presents the problems of recognizing of incipient faults of electric motors.

The second chapter discusses the methods of analysis of the information contained in the

current and voltage signals of the motors. As part of the third chapter, a draft position to

examine the current and voltage signals the electric motor. The fourth chapter describes the

experiments and the results of the survey signals, aiming to set up methods for processing and

analysis in order to obtain the best variant of recognition for the two types of motors,

induction AC and separately excited DC. In the fifth chapter discusses the project of

monitoring the electric motor in motion. The sixth chapter summarizes the achieved results. In

Appendix A is a list of important abbreviations in the text. Appendix B shows the results of

recognition of current and voltage signals for the selected electric motors. Appendix C

describes the investigated states of electric motors.