Metrika

  • citati u SCIndeksu: [4]
  • citati u CrossRef-u:0
  • citati u Google Scholaru:[]
  • posete u poslednjih 30 dana:1
  • preuzimanja u poslednjih 30 dana:1

Sadržaj

članak: 8 od 21  
Back povratak na rezultate
2010, vol. 14, br. 4, str. 173-177
Ekspertski sistem za detekciju kvarova asinhronih motora
Univerzitet u Novom Sadu, Fakultet tehničkih nauka

e-adresakulic@uns.ac.rs
Sažetak
U radu je prikazan razvoj i realizacija ekspertskog sistema za detekciju kvarova asinhronih motora. U cilju pravovremene i tačne detekcije kvara je projektovan i razvijen ekspertski sistem. Ekspertski sistem je softverski sistem čiji je cilj 'simuliranje' ljudskog- ekspertskog znanja i pomoć pri donošenju odluka u određenoj oblasti. Procedura formiranja ekspertskog sistema se sastoji od sledećih koraka: analiza najčešćih tipova kvarova asinhronih motora, tipovi signala koji se koriste za detekciju kvarova, tehnike analize signala i detekcije kvarova, i konačno, formiranje ekspertskog sistema za detekciju kvarova baziranog na primeni metoda veštačke inteligencije. Tehnike za detekciju kvarova se generalno mogu podeliti u dve grupe. Tehnike bazirane na modelima i tehnike bazirane na podacima. Tehnike bazirane na modelima koriste razvijene matematičke modele i upoređuju njihovo ponašanje sa ponašanjem realne mašine. Tehnike bazirane na podacima koriste banke podataka i primenom različitih tehnologija analize podataka formiraju određena pravila za prepoznavanje kvarova. U ovom radu je prikazan konceptualno nov ekspertski sistem baziran na veštačkim neu- ronskim mrežama. Ulaze u ekspertski sistem predstavljaju rezultati rada algoritama za detekciju kvarova baziranih na različitim fizičkim veličinama (struja i vibracije). Ekspertski sistem vrši analizu ulaznih podataka i na osnovu njih se konačno određuje tip kvara ili kvarova ako se radi o višestrukim kvarovima.
Reference
Ahmed, N.A. (2006) Three phase induction motor faults detection by using radial basis function neural network. Journal of Applied Sciences, 6(13): 2817-2820
Becraft, W., Lee, P. (1993) An integrated neural network/expert system approach for fault diagnosis. Computers and Chemical Engineering, 17, 1000-1014
Bellini, A., Filippetti, F., Franceschini, G., Tassoni, C., Kliman, G.B. (2001) Quantitative evaluation of induction motor broken bars by means of electrical signature analysis. IEEE Trans. on Ind. Appl., 37, (5), Sep. /Oct. 2001, 1248-1255
Benbouzid, E.H. (2000) A review of induction motors signature analysis as a medium for faults detection. IEEE Transactions on Industry Applications, vol. 47, str. 984 -993, Oct. issue: 5
Cormick, M.A.C. (1998) Cyclostationary and higher order statistical signal processing algorithms for machine condition monitoring. K: Department of Electronic and Electrical Engineering, University of Strathclyde, Ph. D. Thesis
Cruz, S.M.A., Cardoso, A.J.M. (2001) Stator winding fault diagnosis in three-phase synchronous and asynchronous motors, by the extended Park's vector approach. IEEE Transactions on Industry Applications, 37(5): 1227-1233
Didier, G., Ternisien, E., Caspary, O., Razik, H. (2007) A new approach to detect broken rotor bars in induction machines by current spectrum analysis. Mechanical Systems and Signal Processing, 21, (27), 1127-1142
Janković, V., Oros, Đ., Vasić, V., Nikolovski, Z., Predin, S. (2005) Rekonstrukcija pogona ekstrakcije radi povećanja kapaciteta prerade u uljarskom delu proizvodnje. Časopis za procesnu tehniku i energetiku u poljoprivredi / PTEP, vol. 9, br. 3-4, str. 88-91
Kowalski, C. (2003) Neural networks application for induction motor faults diagnosis. Mathematics and Computers in Simulation, 63(3-5): 435-448
Martin, B. (2003) Mechanical Signature Analysis. u: School of Mechanical Engineering Lecture Notes, Uni. of Adelaide
Matić, D., Kulić, F., Bugarski, V. (2010) Pregled metoda za brzu detekciju kvara tipa slomljene šipke kod asinhronih motora. Journal on Processing and Energy in Agriculture, vol. 14, br. 2, str. 90-92
Rile, C.M., Lin, B., Habetler, T.G., Kliman, G.B. (1999) Stator Current Harmonics and their Causal Vibrations: A Preliminary Investigation of Sensorless Vibration Monitoring Applications. IEEE Trans. on Ind. Appl., 35, 1. , 94-99
Sin, S.L., Soong, W.L., Ertugrul, N. (2003) Induction machine on-line condition monitoring and fault diagnosis: A survey. u: Australasian Universities power engineering conference, Christchurch, New Zealand
Stone, G., Kapler, J. (1998) Stator winding monitoring. IEEE Industry Applications Magazine, 4(5): 15-20
Tarifa, E., Scenna, N. (1997) Fault diagnosis, direct graphs, and fuzzy logic. Computers and Chemical Engineering, 21, 6. 9- 654
Thomson, W.T., Fenger, M. (2001) Current signature analysis to detect induction motor faults. IEEE Industry Applications Magazine, str. 26-34, July/Aug
Thorsen, O.V., Dalva, M. (1999) Failure identification and analysis for high-voltage induction motors in the petrochemical industry. IEEE Transactions on Industry Applications, 35(4): 810-818
Vas, P. (1993) Parameter estimation, condition monitoring, and diagnosis of electrical machines. Oxford: Clarendon Press
Widodo, A., Yang, B. (2007) Support vector machine in machine condition monitoring and fault diagnosis: Review. Mechanical Systems and Signal Processing, 21(6): 2560-2574
Yazici, B., Kliman, G.B. (1999) An adaptive statistical time-frequency method for detection of broken bars and bearing faults in motors using stator current. IEEE Transactions on Industry Applications, 35(2): 442-452
 

O članku

jezik rada: engleski
vrsta rada: izvorni naučni članak
objavljen u SCIndeksu: 01.02.2011.