基于FPGA微处理器的传感器用于使用时间频率和机器学习方法检测感应电机中的故障
Roque Alfredo Osornio-Rios1, Isaias Cueva-Perez1, Alvaro Ivan Alvarado-Hernandez1
1Cuerpo Académico (CA) Mecatrónica, Facultad de Ingeniería, Campus San Juan del Río, Universidad Autónoma de Querétaro, Av. Río Moctezuma 249, San Juan del Río 76807, Querétaro, Mexico.
这项研究提出了一种用于检测多个感应电机 (IM) 故障的新型非侵入性方法. 该系统在使用电流信号和热成像来识别健康状态和各种故障条件时达到近99%的准确性.
科学领域:
- 电气工程 电气工程
- 工业自动化 工业自动化
- 机器状态监测 机器状态监测
背景情况:
- 感应电机 (IM) 是关键的工业部件,但容易因环境或操作变化而发生故障.
- 目前的故障检测趋势强调了分析多个信号以进行全面诊断的非侵入性技术.
- 现有的方法可能缺乏实时工业应用所需的效率或准确性.
研究的目的:
- 开发和验证一种高精度,非侵入性系统,用于检测多个感应电机故障.
- 将电流分析与红外热学相结合,以加强故障诊断.
- 在硬件平台上实现诊断系统,以实现高效的实时处理.
主要方法:
- 处理电流信号使用短时间里埃变换 (STFT).
- 计算红外热图的平均值和标准偏差作为关键指标.
- 使用支持矢量机 (SVM) 和k-近邻 (KNN) 分类器结合STFT和热数据.
- 使用Xilinx PYNQ Z2板与FPGA和微处理器进行硬件加速.
主要成果:
- 拟议的系统有效地分类健康 (HLT) 状态和各种故障:错位 (MAMT),不平衡 (UNB),损坏轴承 (BDF) 和断裂转子杆 (BRB).
- 在所有测试条件下实现了接近99%的分类准确性.
- 证明了结合电气和热数据的有效性,以实现可靠的故障检测.
结论:
- 采用电流信号和热成像STFT的综合方法为感应电机故障诊断提供了高度准确和有效的方法.
- 在基于FPGA的平台上实现硬件实现了高效的实时监控和诊断.
- 这种非侵入性技术在工业机器状态监测和预测性维护方面取得了重大进展.
更多相关视频
10:52Design, Instrumentation and Usage Protocols for Distributed In Situ Thermal Hot Spots Monitoring in Electric Coils using FBG Sensor Multiplexing
Published on: March 8, 2020
07:01Frequency Mixing Magnetic Detection Scanner for Imaging Magnetic Particles in Planar Samples
Published on: June 9, 2016
相关概念视频
Three-Phase Short Circuit—Unloaded Synchronous Machine
This behavior occurs due to the magnetic flux produced by the short-circuit armature currents. Initially, these currents follow high-reluctance paths but eventually shift to...
Power System Three-Phase Short Circuits
Multimachine Stability
In analyzing the system, the nodal equations represent the relationship between bus voltages, machine voltages, and machine currents. The nodal equation is given by:
Induced Electric Fields: Applications
Discrete Fourier Transform
