دقت تشخیص خطا و تفکیک ماشین های سنکرون مغناطیس دائم با استفاده از MCSA/MVSA و LDA
چکیده
در این مقاله موتور جریان/تحلیل مغناطیس ولتاژ و تحلیل تشخیصی خطا با توجه به صحت شناسایی وضعیت ماشین های سنکرون مغناطیس دائم ارزیابی می کند که آیا سالم است یا خیر، نوع آن خطا را تعیین می کند و شدت آن را در مورد خطای گریز از مرکز استاتیک یا مدار اتصال کوتاه حلقه به حلقه برآورد می کند. در اینجا سه نوع خطا مورد بحث قرار می گیرد: گریز از مرکز استاتیک، مدار اتصال کوتاه حلقه به حلقه و خطای مغناطیس زدایی جزئی. تحلیل اِلِمان محدود دو بعدی (2-D) برای مدل سازی و شبیه سازی ماشین تحت شرایط سالم یا ناسالم به کار گرفته می شود. تبدیل سریع فوریه بر ولتاژ فاز یا سیگنال های جریان اعمال می شود تا طیف فرکانس را به دست آورد. ترکیبی از دامنه هارمونیک های ولتاژ استاتور یا سیگنال های جریان به عنوان ویژگی های دقیقی برای طبقه بندی تشخیص خطا استفاده می شوند. تحلیل افتراقی خطی به عنوان روش طبقه بندی برای هر دو انتخاب می شود که خطا را مشخص کرده و شدت را برآورد می کند. دو نوع سیم پیچ مختلف از ماشین های سنکرون مغناطیس دائم مورد آزمایش قرار می گیرند: ماشین سیم پیچ متمرکز و توزیع شده. برای تأیید نتایج شبیه سازی، آزمایشاتی در نقاط عملیاتی مختلف انجام شده و این نتایج با تحلیل اِلِمان محدود مقایسه می شوند.
مقدمه
ماشین های سنکرون مغناطیس دائم (PMSMs) به خاطر کارایی، پایایی، دامنه کاربردی و چگالی گشتاور بالای خود نقشی اصلی در کاربردهای صنعتی بازی می کنند. این کاربردها شامل استحکام کششی در وسایل نقلیه الکتریکی/هیبریدی، روباتیک و تولید انرژی باد می شود. کشف خطا و نوع آن خطا در PMSMs از اهمیت برخوردار است، زیرا هر خطا به اقدامات مختلف کاهشی (وقفه در عملیات یا تغییر در کنترل گر) نیاز دارد و در برخی از موارد این اقدامات می تواند متضاد باشند.
برای تشخیص خطا در PMSMs و برآورد شدت آن روش های زیادی به کار گرفته شده است. این روش های می-توانند به این صورت طبقه بندی شوند: روش های دامنه زمانی، روش های تحلیل فرکانس و روش های تحلیل مقیاس مانند تبدیل موجک پیوسته یا گسسته (D/CWT). تحلیل مغناطیس موتور موج (MCSA) و تحلیل جریان موتور ولتاژ (MVCA) رایج ترین روش های آنلاین برای تشخیص خطای واحد هستند، زیرا به ارتباطات یا سخت-افزار دیگری نیاز ندارند. آنها با روش های تحلیل فرکانس زمانی یا ویژه مانند تبدیل سریع فوریه (FFT)، تبدیل فوریه کوتاه کدت (STFT) یا D/CWT به جریان استاتور یا سیگنال واحد انجام می شوند.
Abstract
In this paper, the motor current/voltage signature analysis and linear discriminant analysis (LDA) are evaluated with respect to the accuracy to detect the status of permanent magnet synchronous machines (PMSMs) whether it is healthy or faulted, determine the type of that fault, and estimate the severity in the case of static eccentricity or turn-to-turn short-circuit fault. Three types of faults are discussed: static eccentricity, turn-to-turn short circuit, and partial demagnetization fault. Two-dimensional finite element analysis (FEA) is used to model and simulate the machine under healthy and faulted conditions. Fast Fourier transform is applied to the phase voltage or current signals to obtain the frequency spectrum. A combination of the amplitude of the harmonics of the stator voltage or current signals are used as detailed features for the classifier for fault detection. LDA is chosen as a classification method for both detecting the fault and estimating its severity. Two different winding types of PMSMs are tested: a concentrated and a distributed winding machine. To validate the simulation results, experiments at different operational points are carried out and the results are compared with the sFEA.
I. INTRODUCTION
PERMANENT magnet synchronous machines (PMSMs) play a major role in many industrial applications because of their high efficiency, reliability, wide operating range, and high torque density. These applications include traction power steering in electric/hybrid vehicles, robotics, and wind generation. Detecting a fault and the type of that fault in PMSMs is important, since each fault requires different mitigation action (either interruption in the operation or change in the controller) and in some cases, these actions can be opposite.
Many methods have been used to detect the type of fault in PMSMs and estimate its severity. These methods can be categorized as: time domain methods, frequency analysis methods as in [1]–[5], and time scale analysis methods such as Discrete or Continuous Wavelet Transform (D/CWT) [6], [7]. The Motor Current Signature Analysis (MCSA) and the Motor Voltage Current Analysis (MVCA) are the most common online methods for single fault detection [1], [8]–[10], since they do not require any additional connections or hardware. They are performed by applying spectral or time-frequency analysis techniques, like Fast Fourier Transform (FFT), Short Time Fourier Transform (STFT), or D/CWT, to the stator current or voltage signal.
چکیده
1- مقدمه
2- مقدمه
الف. خطای گریز از مرکز
ب. مدار اتصال کوتاه حلقه به حلقه
ج. مغناطیس زدایی
3- خطاهای اجرایی و روش پیشنهادی
الف. تحلیل اِلِمان محدود
ب. محیط آزمایشی
ج. الگوریتم شناسایی و طبقه بندی خطا
4- تحلیل افتراقی خطی (LDA)
5- شبیه سازی و نتایج آزمایشی
الف. تشخیص نوع خطا
ب. شناسایی شدت خطا
ج. مقایسه FEA با داده های آزمایشی
د. تأثیر دما
6- نتیجه گیری
Abstract
I. INTRODUCTION
II. CHARACTERISTIC OF THE FAULTS
A. Eccentricity fault
B. Turn-to-turn Short Circuit
C. Demagnetization
III. FAULTS IMPLEMENTATION AND PROPOSED METHOD
A. Finite Element Analysis
B. Experimental Setup
C. Algorithm for fault detection and classification
IV. LINEAR DISCRIMINANT ANALYSIS (LDA)
V. SIMULATION AND EXPERIMENTAL RESULTS
A. Identifying the fault type
B. Identifying the fault severity
C. Comparing FEA with experimental data
D. Effect of Temperature
VI. CONCLUSIONS
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه