Розробка інструментів оцінки достовірності вимірювань обертальних моментів електродвигунів з використанням ідентифікаторів аномальних відхилень в системі з шумоподібним сигналом
DOI:
https://doi.org/10.15587/1729-4061.2023.292187Ключові слова:
процедура оцінювання, обертальний момент, параметри електродвигуна, нейронна мережа, нечітка логікаАнотація
Вирішується проблема достовірності вимірювань обертальних параметрів електродвигунів, яка зосереджена на нових підходах до оцінювання вимірювань в умовах додаткових шумів. Проводиться аналіз методологічних підходів та математичних інструментів, що використовуються для обробки та інтерпретації невизначеності результатів вимірювань. Розглядаються випадки, де вони можуть виявитися не ефективними через високий рівень шуму. Для виявлення аномалій в сигналі запропоновано процедуру оцінки достовірності вимірювань, використовуючи нечітку логіку. Розроблено структурну схему моделі вимірювання обертального моменту електродвигуна в умовах шумоподібного сигналу, де було застосовано передатні функції для моделювання параметрів кутової швидкості та обертального моменту. Запропоновано спосіб виявлення аномалій в шумоподібних сигналах, який реалізується шляхом ідентифікації амплітудних та часових характеристик стрибкоподібних імпульсів. Він включає в себе застосування розширеного спектра аналітичних інструментів для глибокого аналізу сигналів та є особливо ефективним для виявлення аномалій, що можуть бути приховані у фоновому шумі. Розроблено прототип вимірювального стенду, який використовує нейронні мережі для виявлення аномалій під час вимірювання обертальних параметрів електродвигунів, що дозволило отримати навчальну вибірку використовуючи зразковий електродвигун, та застосувати її для оцінювання параметрів іншого електродвигуна.
В практичному аспекті, запропоновано процедуру покращення достовірності вимірювань обертальних параметрів електродвигунів, яку можна використовувати для внесення коректив в існуючі системи. Зокрема, вони можуть бути застосовані в промисловості, електротранспорті, а також в аерокосмічній і військовій сферах, де важлива надійність вимірювальних систем
Посилання
- Xin, Q.-Y., Pei, Y.-C., Luo, M.-Y., Wang, Z.-Q., He, L., Liu, J.-Y. et al. (2023). A generalized precision measuring mechanism and efficient signal processing algorithm for the eccentricity of rotary parts. Mechanical Systems and Signal Processing, 204, 110791. doi: https://doi.org/10.1016/j.ymssp.2023.110791
- Gan, C., Wu, J., Sun, Q., Kong, W., Li, H., Hu, Y. (2018). A Review on Machine Topologies and Control Techniques for Low-Noise Switched Reluctance Motors in Electric Vehicle Applications. IEEE Access, 6, 31430–31443. doi: https://doi.org/10.1109/access.2018.2837111
- Hovda, S. (2018). Automatic detection of abnormal torque while reaming. Journal of Petroleum Science and Engineering, 166, 13–24. doi: https://doi.org/10.1016/j.petrol.2018.02.050
- Kükrer, O., İnce, E. A. (2023). Frequency estimation of multiple complex sinusoids using noise suppressing predictive FIR filter. Digital Signal Processing, 143, 104235. doi: https://doi.org/10.1016/j.dsp.2023.104235
- Herrera, M. R. S., Märquez, J. M. A., Borrero, A. M., Sänchez, M. A. M. (2013). Testing Bench for Remote Practical Training in Electric Machines. IFAC Proceedings Volumes, 46 (17), 357–362. doi: https://doi.org/10.3182/20130828-3-uk-2039.00076
- Avramenko, V. V., Konoplyanchenko, A. E., Prohnenko, Yu. I. (2016). Recognition of the reference signals at interference generation and loss at random times. ScienceRise, 3 (2 (20)), 38–42. doi: https://doi.org/10.15587/2313-8416.2016.64500
- Avramenko, V. V., Slepushko, N. Ju. (2009). Raspoznavanie etalonnyh signalov pri nepolnoy informacii o harakteristikah pomeh. Vestnik SumGU. Tehnicheskie nauki, 3, 13–19.
- Li, P., Pei, Y., Li, J. (2023). A comprehensive survey on design and application of autoencoder in deep learning. Applied Soft Computing, 138, 110176. doi: https://doi.org/10.1016/j.asoc.2023.110176
- Gao, Y., Cheong, B., Bozhko, S., Wheeler, P., Gerada, C., Yang, T. (2023). Surrogate role of machine learning in motor-drive optimization for more-electric aircraft applications. Chinese Journal of Aeronautics, 36 (2), 213–228. doi: https://doi.org/10.1016/j.cja.2022.08.011
- Python Control Systems Library (Version 0.9.4). Available at: https://python-control.readthedocs.io/en/0.9.4/
- Tran, M., Amer, M., Dababat, A., Abdelaziz, A. Y., Dai, H.-J., Liu, M.-K., Elsisi, M. (2023). Robust fault recognition and correction scheme for induction motors using an effective IoT with deep learning approach. Measurement, 207, 112398. doi: https://doi.org/10.1016/j.measurement.2022.112398
- Rahman, T. A. Z., Chek, L. W., Ramli, N. (2022). Intelligent Vibration-based Anomaly Detection for Electric Motor Condition Monitoring. Conference: 2022 9th Iranian Joint Congress on Fuzzy and Intelligent Systems (CFIS2022). Available at: https://www.researchgate.net/publication/357459169_Intelligent_Vibration-based_Anomaly_Detection_for_Electric_Motor_Condition_Monitoring
- Mian, T., Choudhary, A., Fatima, S., Panigrahi, B. K. (2023). Artificial intelligence of things based approach for anomaly detection in rotating machines. Computers and Electrical Engineering, 109, 108760. doi: https://doi.org/10.1016/j.compeleceng.2023.108760
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Volodymyr Kvasnikov, Dmytro Kvashuk, Mykhailo Prygara, Jaroslav Legeta
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.
