Neuronowo-rozmyty detektor uszkodzeń wirnika silnika klatkowego

Diagnostyka eksploatacyjna silników indukcyjnych polega na ocenie stanu technicznego maszyny podczas jej normalnej pracy. W tym celu stosuje się różne rozwiązania sprzętowe aparatury diagnostycznej, które nierzadko wymagają zainstalowania różnego rodzaju czujników wielkości elektrycznych i nieelektrycznych. Zabudowa tych czujników nie zawsze jest możliwa. Dlatego też, w ostatnim czasie dąży się do opracowania uniwersalnych urządzeń monitorująco-diagnostycznych, które do poprawnej pracy wymagają jedynie informacji o podstawowych sygnałach pomiarowych silnika, takich jak prąd czy napięcie. Jednak symptomy poszczególnych uszkodzeń silnika, jakie pojawiają się w tych sygnałach zależą od wielu czynników, określenie stopnia danego uszkodzenia jest zadaniem bardzo trudnym. Jednym z rozwiązań tego problemu jest zastosowanie metod sztucznej inteligencji, w roli detektorów i klasyfikatorów uszkodzeń. W referacie przedstawiono przykład neuronowo-rozmytego detektora stopnia uszkodzenia wirnika, który został opracowany i przetestowany na stanowisku laboratoryjnym z silnikiem indukcyjnym o mocy 1,5 kW.

---

This paper presents a simple neural-fuzzy-based system for induction motor fault diagnosis. This system uses non-invasive on-line monitoring techniques based on spectral analysis of the motor current and motor current Park's Vector modulus, for detecting the occurrence of rotor cage faults in operating three-phase induction machines. The on-line real-time expert system for rotor fault diagnosis was proposed and tested on a 1,5 kW squirrel-cage induction motor. The obtained results provide a satisfactory level of accuracy.