A New Approach for Fault Detection of Broken Rotor Bars in Induction Motor Based on Support Vector Machine

توضیحات

ABSTRACT

In this paper, a new approach is proposed to perform broken rotor bar fault detection in induction motors using of support vector machine (SVM) classifier. New features such as harmonic curve area, harmonic crest angle and harmonic amplitude have been extracted from power spectral density (PSD) of stator current in steady state condition using of Fast Fourier Transform (FFT). It is shown that combination of the first couple of these features had very better results compare with the harmonic amplitude feature in fault detection of motor. The proposed method was applied to a 1.5kW standard three phase induction motor using of different rotors that had various types of broken rotor bars. Experimental results confirmed the high efficiency of the proposed method for broken rotor fault detection in induction motors.

INTRODUCTION

Large three-phase induction motors are very commonly employed in power systems, playing a very important role in electricity production. In recent years, the problems of failure in large induction motors have become more significant. Among these many faults, recent research works are being focused on broken rotor bars . It can be deduced that broken rotor bar fault for squirrel cage induction motors accounts for approximately 10% of all the failures. Broken rotor bars can be caused by the following :• Direct on-line starting duty cycles for which the rotor cage winding was not designed to withstand causes high thermal and mechanical stresses. • Pulsating mechanical loads such as reciprocating compressors or coal crushers can subject the rotor cage to high mechanical stresses. • Imperfections in the manufacturing process of the rotor cage. On the subject of the detection of rotor faults many papers have been published, so far . The most prominent techniques perform some kind of current signature analysis usually based on fast Fourier transform (FFT) or other signal processing techniques such as wavelet . Thesetechniques rely on the measurement of one line current ,spectral analysis and some post processing techniques. The post processing techniques comprise either mathematical models techniques artificial neural networks – , fuzzy logic , combined techniques , pattern recognition and other techniques.

چکیده

در این مقاله، یک روش جدید برای تشخیص گسل شکاف روتور شکسته در موتور القایی با استفاده از طبقه بندی کننده بردار پشتیبانی (SVM) پیشنهاد شده است. از ویژگی فیزیکی سریع فوریه (FFT) از چگالی طیفی قدرت (PSD) جریان استاتور در شرایط حالت پایدار، از ویژگی های جدیدی نظیر منطقه منحنی هارمونیک، زاویه خم هارمونیک و دامنه هارمونیک استخراج شده است. نشان داده شده است که تركيب اولين دو اين ويژگي ها، نتايج بسيار بهتري را در مقايسه با ويژگي دامنه هارمونيكي در تشخيص خطا موتور نشان مي دهد. روش پیشنهادی برای استفاده از موتور القایی سه فاز استاندارد 1.5 کیلوولت با استفاده از روتورهای مختلف که دارای انواع مختلف میله های روتور شکست خورده بودند استفاده شد. نتایج تجربی تأیید شد که راندمان بالا روش پیشنهادی برای شناسایی خطای شکاف روتور در موتورهای القایی است.

مقدمه

موتورهای القایی سه فاز بزرگ معمولا در سیستم های برق کار می کنند و نقش مهمی در تولید برق دارند. در سال های اخیر، مشکلات شکست در موتورهای القایی بزرگ اهمیت بیشتری یافته است. در میان این گسل های بسیاری، کارهای تحقیقاتی اخیر بر میله های روتور شکسته متمرکز شده است. می توان نتیجه گرفت که گسل نوار شکاف شکاف موتور القایی قفس سنجاب تقریبا 10٪ از همه شکست ها را تشکیل می دهد. میله های روتور شکسته می تواند به واسطه موارد ذیل ایجاد شود: • شروع کار مستقیم در خط مستقیم که سیم پیچ قفس روتور برای مقاومت در برابر عوامل تنش گرمایی و مکانیکی طراحی نشده است. • تحریک بارهای مکانیکی مانند کمپرسورهای مجاور یا سنگ شکن ها می تواند قفس روتور را به تنش های مکانیکی بالا برساند. • ضعف در روند تولید قفس روتور. در مورد تشخیص گسل های روتور، بسیاری از مقالات تا کنون منتشر شده است. تکنیک برجسته ترین انجام نوعی از تجزیه و تحلیل امضای فعلی معمولا در تبدیل فوریه سریع (FFT) و یا دیگر روش های پردازش سیگنال مانند موجک است. Thesetechniques به اندازه گیری جریان یک خط، تجزیه و تحلیل طیفی و برخی از تکنیک های پس پردازش تکیه می کنند. تکنیک های پردازش پست شامل تکنیک های مدل ریاضی، شبکه های عصبی مصنوعی، منطق فازی، تکنیک های ترکیبی، تشخیص الگو و سایر تکنیک ها هستند.

Year: 2010

Publisher : Eighteenth International Energy Conference of Iran

By : Mahdi Gordi Armaki ,Reza Roshanfekr

File Information: English Language/ 7 Page / size: 273 KB

Download

سال :1389

ناشر : هجدهمین کنفرانس بین المللی برق ایران

کاری از : مهدی گوردی آرمانی، رضا روشنفکر

اطلاعات فایل : زبان انگلیسی / 7 صفحه / حجم : KB 273

لینک دانلود