Стаття

Отримано 01.09.2024

Доопрацьовано 17.11.2024

Прийнято 26.12.2024

Взято з Том 27, № 2, 2024

Сторінки 44 -53

Lakusta, D., & Maliuk, S. (2024). Development of a functional system for diagnosing the presence of rotor damage in induction traction motors. The National Transport University Bulletin: A Scientific and Technical Journal, 27(2), 44-53. https://doi.org/10.32703/2617-9059-2024-44-3

Розробка функціональної системи діагностики наявності пошкоджень ротора в асинхронних тягових двигунах

Денис Лакуста Сергій Малюк

Метою даної роботи є розробка системи функціональної діагностики наявності обривів стрижнів ротора в тягових асинхронних двигунах рухомого складу залізниць. Для досягнення мети були вирішені такі задачі: розроблено алгоритм діагностування стану стрижнів ротора на основі статистики дробових моментів; розроблено структурну схему блоку діагностики стану  стрижнів  ротора  асинхронного  двигуна  на  основі  статистика  дробових  моментів; розроблено структурну схему системи функціональної діагностики стану стрижнів ротора в складі тягового приводу з прямим керуванням моментом. Найбільш важливими результатами є отримання  математичної  моделі  статистики  дробових  моментів,  зі  зменшеним  об’ємом обчислень  та  зі  покращеною  чутливістю  методу.  Ці  результати  були  досягнені  шляхом визначення інформаційно-частотного діапазону, що дозволило аналізувати не усі спектральні складові  аналізованого  сигналу,  а  тільки  ту  його  частину,  де  можуть  бути  спектральні складові,  характерні  для  обриву  стрижнів  ротора  асинхронного  двигуна.  Даний  підхід  до діагностування стану стрижнів ротора може бути застосований також в тягових приводах рухомого складу з векторною системою керування асинхронними двигунами

асинхронний двигун; статистика дробового моменту; стрижні ротора; пряме регулювання крутного моменту
  1. del Castillo, A. C., Marcos, J. A., & Parlikad, A. K. (2023). Dynamic fleet maintenance management model applied to rolling stock. Reliability Engineering & System Safety, 240, 109607. https://doi.org/10.1016/j.ress.2023.109607.
  2. Gubarevych, O., Duer, S., Melkonova, I., Woźniak, M., Paś, J., Stawowy, M., ... & Bernatowicz, D. (2023). Research on and Assessment of the Reliability of Railway Transport Systems with Motors. Energies, 16(19),6888. https://doi.org/10.3390/en16196888.
  3. Licow, R., & Tomaszewski, F. (2024). Application of vibration signals in railway track diagnostics using a mobile railway platform. Archives of Transport, 71(3), 127-145. https://doi.org/10.61089/aot2024.gk7vs246.
  4. Jarillo, J. M., Moreno, J., Alfi, S., Barcet, S., Bouvet, P., Bruni, S., ... & Licciardello, R. (2021). Novel technology concepts and architecture for on-board condition-based monitoring of railway running gear: The RUN2Rail vision. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit, 35(5), 616-630. https://doi.org/10.1177/0954409720951409.
  5. Gangsar, P., & Tiwari, R. (2020). Signal based condition monitoring techniques for fault detection and diagnosis of motors: A state-of-the-art review. Mechanical systems and signal processing, 144, 106908. https://doi.org/10.1016/j.ymssp.2020.106908.
  6. Dias, C. G., da Silva, L. C., & Alves, W. A. L. (2020). A histogram of oriented gradients approach for detecting broken bars in squirrel-cage motors. IEEE Transactions on Instrumentation and Measurement, 69(9), 6968-6981. https://doi.org/10.1109/TIM.2020.2975388.
  7. Goolak, S., Gorobchenko, O., Holub, H., & Dudnyk, Y. (2024). Increasing the efficiency of railway rolling stock operation with traction motors due to implementation of the operational system for diagnostic condition of rotor. Diagnostyka, 25(4), 1-11. https://doi.org/10.29354/diag/193809.
  8. Halder, S., Bhat, S., Zychma, D., & Sowa, P. (2022). Broken rotor bar fault diagnosis techniques based on motor current signature analysis for motor - A review. Energies, 15(22), 8569. https://doi.org/10.3390/en15228569.
  9. Rezazadeh, N., De Luca, A., Lamanna, G., & Caputo, F. (2022). Diagnosing and balancing approaches of bowed rotating systems: a review. Applied Sciences, 12(18), 9157. https://doi.org/10.3390/app12189157.
  10. Jaros, R., Byrtus, R., Dohnal, J., Danys, L., Baros, J., Koziorek, J., ... & Martinek, R. (2023). Advanced signal processing methods for condition monitoring. Archives of Computational Methods in Engineering, 30(3), 1553-1577. https://doi.org/10.1007/s11831-022-09834-4.
  11. Puka, M., Bardhi, A., Pjetri, A., & Mucka, A. (2024). Diagnostics of Damage to the Rotor of an Machine Using the Method of Instantaneous Power Analysis. Qubahan Academic Journal, 4(1), 150-166. https://doi.org/10.48161/qaj.v4n1a263.
  12. Mazaheri‐Tehrani, E., & Faiz, J. (2022). Airgap and stray magnetic flux monitoring techniques for fault diagnosis of electrical machines: An overview. IET Electric Power Applications, 16(3), 277-299. https://doi.org/10.1049/elp2.12157.
  13. Choi, S., Haque, M. S., Arafat, A. K. M., & Toliyat, H. A. (2017). Detection and estimation of extremely small fault signature by utilizing multiple current sensor signals in electric machines. IEEE Transactions on Industry Applications, 53(3), 2805-2816. https://doi.org/10.1109/TIA.2017.2660463.
  14. de Deus, D. B. B., Sobrinho, C. A. N., Belo, F. A., Brito, A. V., de Souza Ramos, J. G. G., & Lima-Filho, A. C. (2020). Density of maxima approach for broken bar fault diagnosis in low slip and variable load conditions of motors. IEEE Transactions on Instrumentation and Measurement, 69(12), 9797-9804. https://doi.org/10.1109/TIM.2020.3003107.
  15. Shifat, T. A., & Hur, J. W. (2020). An effective stator fault diagnosis framework of BLDC motor based on vibration and current signals. IEEE Access, 8, 106968-106981. https://doi.org/10.1109/ACCESS.2020.3000856.
  16. Garcia-Calva, T., Morinigo-Sotelo, D., Garcia-Perez, A., & Uribe-Murcia, K. (2024). Rotor speed estimation for half-broken bar detection in motors using Kalman filtering. Measurement Science and Technology, 35(7), 076115. https://doi.org/10.1088/1361-6501/ad3496.
  17. Niu, G., Dong, X., & Chen, Y. (2023). Motor fault diagnostics based on current signatures: a review. IEEE Transactions on Instrumentation and Measurement, 72, 1-19. https://doi.org/10.1109/TIM.2023.3285999.
  18. Lu, Y., Yao, Z., Gao, Q., Zhu, D., Zhao, D., & Huang, D. (2024). A novel fault diagnosis method for bearing based on maximum average kurtosis morphological deconvolution. Measurement Science and Technology, 35(11), 116137. https://doi.org/10.1088/1361-6501/ad6e10.
  19. Gundewar, S. K., & Kane, P. V. (2021). Condition monitoring and fault diagnosis of motor. Journal of Vibration Engineering & Technologies, 9, 643-674. https://doi.org/10.1007/s42417-020-00253-y.
  20. Orlowska-Kowalska, T., Wolkiewicz, M., Pietrzak, P., Skowron, M., Ewert, P., Tarchala, G., ... & Kowalski, C. T. (2022). Fault diagnosis and fault-tolerant control of PMSM drives–state of the art and future challenges. IEEE Access, 10, 59979-60024. https://doi.org/10.1109/ACCESS.2022.3180153.
  21. Messaoudi, M., Flah, A., Alotaibi, A. A., Althobaiti, A., Sbita, L., & Ziad El-Bayeh, C. (2022). Diagnosis and fault detection of rotor bars in squirrel cage motors using combined Park’s vector and extended Park’s vector approaches. Electronics, 11(3), 380. https://doi.org/10.3390/electronics11030380.
  22. Garcia-Calva, T. A., Morinigo-Sotelo, D., Garcia-Perez, A., Camarena-Martinez, D., & de Jesus Romero-Troncoso, R. (2019). Demodulation technique for broken rotor bar detection in inverter-fed motor under nonstationary conditions. IEEE Transactions on Energy Conversion, 34(3), 1496-1503. https://doi.org/10.1109/TEC.2019.2917405.
  23. Blaut, J., & Breńkacz, Ł. (2020). Application of the Teager-Kaiser energy operator in diagnostics of a hydrodynamic bearing. Eksploatacja i Niezawodność, 22(4), 757-765. https://doi.org/10.17531/ein.2020.4.20.
  24. Li, H., Feng, G., Zhen, D., Gu, F., & Ball, A. D. (2020). A normalized frequency-domain energy operator for broken rotor bar fault diagnosis. IEEE Transactions on Instrumentation and Measurement, 70, 1-10. https://doi.org/10.1109/TIM.2020.3009011.
  25. Puche-Panadero, R., Martinez-Roman, J., Sapena-Bano, A., & Burriel-Valencia, J. (2019). Diagnosis of rotor asymmetries faults in machines using the rectified stator current. IEEE Transactions on Energy Conversion, 35(1), 213-221. https://doi.org/10.1109/TEC.2019.2951008.
  26. Niu, H., & Chen, Y. (2023). Why Do Big Data and Machine Learning Entail the Fractional Dynamics? In Smart Big Data in Digital Agriculture Applications: Acquisition, Advanced Analytics, and Plant Physiologyinformed Artificial Intelligence (pp. 15-53). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-52645-9_2.
  27. Deng, J. (2022). Probabilistic characterization of soil properties based on the maximum entropy method from fractional moments: Model development, case study, and application. Reliability Engineering & System Safety, 219, 108218. https://doi.org/10.1016/j.ress.2021.108218.
  28. Goolak, S., Liubarskyi, B., Riabov, I., Lukoševičius, V., Keršys, A., & Kilikevičius, S. (2023). Analysis of the Efficiency of Traction Drive Control Systems of Electric Locomotives with Asynchronous Traction Motors. Energies, 16(9), 3689. https://doi.org/10.3390/en16093689.
  29. Ronanki, D. (2022). Overview of rolling stock. Transportation Electrification: Breakthroughs in Electrified Vehicles, Aircraft, Rolling Stock, and Watercraft, 249-281. https://doi.org/10.1002/9781119812357.ch11.
  30. Goolak, S., Liubarskyi, B., Riabov, I., Chepurna, N., & Pohosov, O. (2023). Simulation of a direct torque control system in the presence of winding asymmetry in motor. Engineering Research Express, 5, 025070-025086. http://doi.org/10.1088/2631-8695/acde46.
  31. Goolak, S., & Liubarskyi, B. (2024). Vector Control System Taking into Account the Saturation of a Motor. Tehnički vjesnik, 31(4), 1170-1178. https://doi.org/10.17559/TV-20221015124239.

https://doi.org/10.32703/2617-9059-2024-44-3