چکیده
این مقاله یک رویکرد تشخیصی جدید، روش Root-MUSIC (RM)، را برای کراکینگ فزاینده در بلبرینگ موتورهای القایی را توصیف می کند. این رویکرد در مقایسه با تحلیل طیف جریان استاتور که از روش دوره نگار معمول استفاده می کند، مزایای زیادی دارد. در واقع، مزیت اصلی این رویکرد رزولوشن فرکانس بسیار خوب آن برای یک دوره کوتاه یادگیری است، که گاهی دست یابی به آن با روش متعارف غیرممکن است. با این حال، برای کاهش زمان محاسبه که اصلی ترین نقص روش RM محسوب می شود، این روش تنها بر یک باند فرکانسی خاص اعمال می شود؛ این باند اطلاعت مربوط به خطای مورد بررسی را در خود دارد. نتایج آزمایشی اثربخش روش RM را بر پایایی تشخیص خطای بلبرینگ نشان می دهد.
مقدمه
موتور القایی رایج تریم ماشین الکتریکی در صنعت است. مزیت اصلی آن عدم وجود تماس های لغزندۀ الکتریکی است، که به ساختاری ساده و قوی منجر می شود که با هزینه ای کم ایجاد می شود. با این حال، خطاهای مختلفی در موتورهای القایی می تواند به وجود آید که باعث می شود این روش تشخیص خطا از توقف فرایند صنعتی جلوگیری کند. تعدادی از مطالعات مربوط به پایایی که روی تعداد زیادی از موتورهای القایی انجام شده، نشان می-دهد که خطاهای بلبرینگ 52% از کل خطاهای را تشکیل می دهد. به همین دلیل، تشخیص اولیه خطاهای بلبرینگ عمر این موتورهای را افزایش می دهد و بنابراین مانع ضررهای مالی غیرضروری می شود. برای تشخیص این خطاها، چند روش مورد بررسی قرار گرفتند. در میان روش های تحلیلی موجود، تخمین تراکم طیفی قدرت (PSD) توسط دوره نگاری جریان استاتور، به عنوان روشی بسیار محبوب در نظر گرفته شده و به صورتی گسترده در این صنعت به کار می روند. چند اثر دلایل دوام آن را در زمینۀ تشخیص و ترجیح آن بر سایر روش های جدید نشان داده اند.
Abstract
This paper describes a new diagnosis approach, the Root-Multiple Signal Classification (MUSIC) (RM) method, for identification of the progressive cracking in the bearing of induction motors. This approach has several advantages compared with the stator current spectral analysis using the conventional Periodogram method. Indeed, the main advantage of this approach is its very good frequency resolution for a very short acquisition time, something impossible to achieve with the conventional method. However, in order to reduce the computation time, which is the main drawback of the RM method, this method will be applied to only a specified frequency band; one that carries information about the sought fault. Experimental results show the effectiveness of the RM method on the reliability of the incipient bearing fault detection.
I. INTRODUCTION
The induction motor is the most common electric machine in the industry. Its main advantage is the absence of sliding electrical contacts, which leads to a simple and robust structure easy to build with low cost. However, various faults can appear on the induction motor making the fault detection procedure necessary to prevent the interruption of the industrial process. Several reliability studies conducted on a large number of induction motors, show that the bearing faults account for 52% of all failures. For that, early detection of bearing faults increases the life of the motors and thus avoids unnecessary financial losses [1-3]. To identify these faults, several methods have been elaborated. Amongst the existing analysis methods, the Power Spectral Density estimation (PSD) by Periodogram of the stator current, is considered as a very popular technique and is widely used in industry. Several studies [4-8] have demonstrated the reasons for its durability in the field of diagnosis and its preference to other recent methods.
چکیده
1 مقدمه
2 محتوای طیف جریان استاتور
3 روش Root-MUSIC
الف. مدل داده
ب. اصول روش Root-MUSIC
4 نتایج آزمایشی
الف. تجهیزات آزمایشی و پارامترهای یادگیری
ب. عملکرد موتور با بلبرینگ های سالم
ج. عملکرد موتور با خطای قاب بیرونی
د. عملکرد موتور با خطای محفظه
ه. عملکرد موتور با خطاهای محفظه و ساچمه
5 نتیجه گیری
Abstract
I. INTRODUCTION
II. STATOR CURRENT SPECTRUM CONTENTS
III. ROOT-MUSIC METHOD
A. Data Model
B. Principle of Root-MUSIC method
IV. IMPROVEMENTS OF THE ROOT-MUSIC METHOD
A. First Solution:
B. Second Solution:
V. EXPERIMENTAL RESULTS
A. Test rig and acquisition parameters
B. Motor operation with healthy bearing
C. Motor operation with outer race fault
D. Motor operation with cage fault
E. Motor operation with cage and balls faults
VI. CONCLUSION