Аналіз діагностики несправностей двигунів постійного струму за допомогою розпізнавання образів споживаної потужності
DOI:
https://doi.org/10.15587/1729-4061.2021.240262Ключові слова:
моніторинг, серводвигун постійного струму, споживана потужність, розпізнавання образів, профіль потужності, механічні несправностіАнотація
Раннє виявлення несправностей в двигунах постійного струму продовжує термін їхньої служби і знижує енергоспоживання. Існує безліч традиційних і методів м'яких обчислень для виявлення несправностей в двигунах постійного струму. Раніше було розроблено велику кількість методів діагностики для виявлення образів, пов'язаних з несправностями.. Ці методи виявлення вищезгаданих потенційних відмов двигунів можуть використовуватися в різних галузях науки і техніки. Аналіз структури потужності двигуна (АСПД) – це технологія, яка аналізує струм і напругу, що подаються на електродвигун, з використанням певних схем і протоколів для оцінки робочого стану двигунів без переривання виробництва. Інженери та дослідники, особливо в промисловості, стикаються зі складним завданням моніторингу обертових типів обладнання. У даній роботі ми збираємося пояснити, як використовувати аналіз структури/характеристик потужності двигуна (АСПД) сигналу потужності, що приводить в дію сервопривід, для пошуку механічних дефектів в зубчастій передачі. Для спрощення демонстрації отримання спектральних показників сигналів споживаної потужності використовується апаратна установка. Використовується двигун постійного струму, набір металевих або нейлонових приводних механізмів і ланцюг управління. Ланцюг регулювання швидкості було виключено для забезпечення можливості прямого управління профілями струму двигуна постійного струму. Для отримання сигналу тахометра на виході сервоприводу використовувалися інфрачервоні (ІЧ) фотопереривачі діаметром 35 мм зі стандартним серво-колесом з вісьмома отворами. Середнє значення вимірювань склало 318 В для справного профілю, в той час як за даними потужності несправних передач воно становило 330 В. Запропонований метод аналізу профілю споживаної потужності дозволяє виявити механічні несправності в коробці передач серводвигуна постійного струму шляхом вивчення середнього рівня структури споживаної потужності, а також вилучення спектральної щільності потужності (СЩП) шляхом порівняння несправних і справних профілів
Посилання
- Gayatri Sarman, K. V. S. H., Madhu, T., Mallikharjuna Prasad, A. (2020). Prognosis of Inter-turn and Hall Sensor Faults of Brushless DC Motor Using ANFIS with Particle Swarm Optimization. Journal of Advanced Research in Dynamical and Control Systems, 12 (SP3), 1281–1292. doi: https://doi.org/10.5373/jardcs/v12sp3/20201377
- Kudelina, K., Asad, B., Vaimann, T., Belahcen, A., Rassõlkin, A., Kallaste, A., Lukichev, D. V. (2020). Bearing Fault Analysis of BLDC Motor for Electric Scooter Application. Designs, 4 (4), 42. doi: https://doi.org/10.3390/designs4040042
- Munikoti, S., Das, L., Natarajan, B., Srinivasan, B. (2019). Data-Driven Approaches for Diagnosis of Incipient Faults in DC Motors. IEEE Transactions on Industrial Informatics, 15 (9), 5299–5308. doi: https://doi.org/10.1109/tii.2019.2895132
- Nandi, S., Toliyat, H. A., Li, X. (2005). Condition Monitoring and Fault Diagnosis of Electrical Motors – A Review. IEEE Transactions on Energy Conversion, 20 (4), 719–729. doi: https://doi.org/10.1109/tec.2005.847955
- Shifat, T. A., Hur, J. W. (2020). An Effective Stator Fault Diagnosis Framework of BLDC Motor Based on Vibration and Current Signals. IEEE Access, 8, 106968–106981. doi: https://doi.org/10.1109/access.2020.3000856
- Shifat, T. A., Hur, J.-W. (2020). EEMD assisted supervised learning for the fault diagnosis of BLDC motor using vibration signal. Journal of Mechanical Science and Technology, 34 (10), 3981–3990. doi: https://doi.org/10.1007/s12206-020-2208-7
- Hur, J.-W., Shifat, T. A. (2020). Motor vibration analysis for the fault diagnosis in non-stationary operating conditions. International Journal of Integrated Engineering, 12 (3), 151–160. Available at: https://publisher.uthm.edu.my/ojs/index.php/ijie/article/view/5342/3400
- Sabry, A. H., Nordin, F. H., Sabry, A. H., Abidin Ab Kadir, M. Z. (2020). Fault Detection and Diagnosis of Industrial Robot Based on Power Consumption Modeling. IEEE Transactions on Industrial Electronics, 67 (9), 7929–7940. doi: https://doi.org/10.1109/tie.2019.2931511
- Zhang, J., Zhan, W., Ehsani, M. (2018). On-line diagnosis of inter-turn short circuit fault for DC brushed motor. ISA Transactions, 77, 179–187. doi: https://doi.org/10.1016/j.isatra.2018.03.029
- Lü, D. G., Li, S. (2020). Fault diagnosis and fault tolerant control technology of brushless DC motor. Dianji Yu Kongzhi Xuebao/Electric Mach Control, 24 (8), 58–66. doi: https://doi.org/10.15938/j.emc.2020.08.008
- He, X., Ju, Y., Liu, Y., Zhang, B. (2017). Cloud-Based Fault Tolerant Control for a DC Motor System. Journal of Control Science and Engineering, 2017, 1–10. doi: https://doi.org/10.1155/2017/5670849
- Wahab, A. A., Abdullah, N. F., Rasid, M. A. H. (2019). Commutator fault detection of brushed DC motor using thermal assessment. IOP Conference Series: Materials Science and Engineering, 469, 012057. doi: https://doi.org/10.1088/1757-899x/469/1/012057
- Winston, D. P., Saravanan, M. (2013). Single Parameter Fault Identification Technique for DC Motor through Wavelet Analysis and Fuzzy Logic. Journal of Electrical Engineering and Technology, 8 (5), 1049–1055. doi: https://doi.org/10.5370/jeet.2013.8.5.1049
- Sabry, A. H., W. Hasan, W. Z., Ab. Kadir, M. Z. A., Radzi, M. A. M., Shafie, S. (2018). Field data-based mathematical modeling by Bode equations and vector fitting algorithm for renewable energy applications. PLOS ONE, 13 (1), e0191478. doi: https://doi.org/10.1371/journal.pone.0191478
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2021 Hasan Shakir Majdi, Sameera Sadey Shijer, Auday Shaker Hadi, Laith Jaafer Habeeb, Ahmad H. Sabry
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
