Стаття

Отримано 03.08.2024

Доопрацьовано 10.11.2024

Прийнято 26.12.2024

Взято з Том 28, № 2, 2025

Сторінки 27 -40

Yurchenko, V., Nezlina, O., & Tkachenko, V. (2025). Development of a diagnostic system for the presence of rotor eccentricity in traction induction motors. The National Transport University Bulletin: A Scientific and Technical Journal, 28(2), 27-40. https://doi.org/10.32703/2617-9059-2024-44-2

Розробка системи діагностики наявності ексцентриситету ротора в тягових асинхронних двигунах

Віктор Юрченко Олена Незліна Валентина Ткаченко

Метою роботи є розробка системи функціональної діагностики наявності ексцентриситету ротора  в  тягових  асинхронних  двигунах(АД)рухомого  складу  залізниць.  Для  досягнення поставленої мети в роботі були вирішені такі задачі: адаптовано метод Проні для виконання задачі  діагностування  ексцентриситету  ротора асинхронного  двигуна  під  час експлуатації рухомого складу; запропоновано алгоритм функціонування системи функціональної діагностики ексцентриситету ротора на основі адаптованого методу Проні; запропоновано структурну схему  блоку  діагностики  ексцентриситету  ротора  на  основі  адаптованого  методу  Проні; запропоновано  структурну  схему  системи  функціональної  діагностики  ексцентриситету ротора. Найбільш важливими результатами є отримання математичної моделі методу Проні, адаптованого  до  виконання  задачі  діагностування  ексцентриситету  ротора  асинхронного двигуна під час експлуатації рухомого складу. Адаптація алгоритму методу Проні виконана шляхом застосування до сигналів, що аналізуються, процедури Вінера-Хопфа. Це дозволить застосовувати  запропонований алгоритм  в  умовах,  коли  процес  зміни  аналізованих  сигналів носить стохастичний характер. Це дозволить визначати ступінь ексцентриситету ротора АД з більшою точністю і приймати більш правильне рішення щодо експлуатації АД з наявним ексцентриситетом ротора

асинхронний двигун; діагностика; ексцентриситет; рухомий склад
  1. Gubarevych, O., Goolak, S., Melkonova, I., & Yurchenko, M. (2022). Structural diagram of the built-in diagnostic system for electric drives of vehicles. Diagnostyka, 23(4), 1-13. https://doi.org/10.29354/diag/156382.
  2. Rauf, A., Usman, M., Butt, A. & Ping, Z. (2022) Health Monitoring of Induction Motor Using Electrical Signature Analysis. Journal of Donghua University (English Edition), 39(177(03)), 265-271. https://doi.org/10.19884/j.1672-5220.202104001.
  3. Bazan, G.H., Goedtel, A., Duque-Perez, O. & Morinigo-Sotelo, D. (2021). Multi-Fault Diagnosis in Three-Phase Induction Motors Using Data Optimization and Machine Learning Techniques. Electronics, 10, 1462. https://doi.org/10.3390/electronics10121462.
  4. Fomin, O., Sulym, А., Kulbovskiy, I., Khozia, P., & Ishchenko, V. (2018)/ Determining rational parameters of the capacitive energy storage system for the underground railway rolling stock. Eastern-European journal of enterprise technologies, 2(1(92)), 63-71. https://doi.org/10.15587/1729-4061.2018.126080.
  5. Du, J., & Li, Y. (2023). Analysis on the variation laws of electromagnetic force wave and vibration response of squirrel-cage induction motor under rotor eccentricity. Electronics, 12(6), 1295. https://doi.org/10.3390/electronics12061295.
  6. Gubarevych, O., Gerlici, J., Gorobchenko, O., Kravchenko, K. & Zaika, D. (2023). Analysis of the features of application of vibration diagnostic methods of induction motors of transportation infrastructure using mathematical modeling. Diagnostyka, 24(1), 1-10. https://doi.org/10.29354/diag/161308.
  7. Li Y., Dong Y. & Guo H. (2023). Copula-based multivariate renewal model for life-cycle analysis of civil infrastructure considering multiple dependent deterioration processes. Reliability Engineering & System Safety,231, 108992. https://doi.org/10.1016/j.ress.2022.108992.
  8. Al-Musawi, A. K., Anayi, F., & Packianather, M. (2020). Three-phase induction motor fault detection based on thermal image segmentation. Infrared Physics & Technology, 104, 103140.https://doi.org/10.1016/j.infrared.2019.103140.
  9. Goolak, S., Tkachenko, V., Bureika, G. & Vaičiūnas, G. (2020). Method of spectral analysis of traction current of AC electric locomotives. Transport, 35(6), 658-668. http://doi.org/10.3846/transport.2020.14242.
  10. Widagdo, R. S., Hermawati, F. A. & Hariadi, B. (2024). Unbalanced Voltage Detection with Measurement Current Signature Analysis (MCSA) in 3-Phase Induction Motor Using Fast Fourier Transform (FFT). Jurnal Teknologi Elektro, 15(02), 95-101. https://doi.org/10.22441/jte.2024.v15i2.003.
  11. Chen, X. & Feng, Z. (2021). Order spectrum analysis enhanced by surrogate test and Vold-Kalman filtering for rotating machinery fault diagnosis under time-varying speed conditions. Mechanical Systems and Signal Processing, 154, 107585. https://doi.org/10.1016/j.ymssp.2020.107585.
  12. Chehaidia, S. E., Cherif, H., Alraddadi, M., Mosaad, M. I. & Bouchelaghem, A. M. (2022). Experimental Diagnosis of Broken Rotor Bar Faults in Induction Motors at Low Slip via Hilbert Envelope and Optimized Subtractive Clustering Adaptive Neuro-Fuzzy Inference System. Energies, 15(18), 6746. https://doi.org/10.3390/en15186746.
  13. Gubarevych, O., Gerlici, J., Kravchenko, O., Melkonova, I. & Melnyk, O. (2023). Use of Park’s Vector Method for Monitoring the Rotor Condition of an Induction Motor as a Part of the Built-In Diagnostic System of Electric Drives of Transport. Energies, 16(13), 5109. https://doi.org/10.3390/en16135109.
  14. Laadjal, K., Sahraoui, M., Alloui, A. & Cardoso, A. J. M. (2021). Three-phase induction motors online protection against unbalanced supply voltages. Machines, 2021; 9(9): 203. https://doi.org/10.3390/machines9090203.
  15. AlShorman, O., Alkahatni, F., Masadeh, M., Irfan, M., Glowacz, A., Althobiani, F., ... & Glowacz, W. (2021). Sounds and acoustic emission-based early fault diagnosis of induction motor: A review study. Advances in Mechanical Engineering, 13(2), 1687814021996915. https://doi.org/10.1177/1687814021996915.
  16. Li, H., Zou, Z., Sun, X., Gu, F., & Ball, A. D. (2021). A numerical study of rotor eccentricity and dynamic load in induction machines for motor current analysis based diagnostics. Maintenance, Reliability and Condition Monitoring, 1(2), 71-86. https://doi.org/10.21595/mrcm.2021.22145.
  17. Garcia-Calva, T., Morinigo-Sotelo, D., Fernandez-Cavero, V., & Romero-Troncoso, R. (2022). Early detection of faults in induction motors—A review. Energies, 15(21), 7855. https://doi.org/10.3390/en15217855.
  18. Gnaciński, P., Hallmann, D., Muc, A., Klimczak, P., & Pepliński, M. (2022). Induction motor supplied with voltage containing symmetrical subharmonics and interharmonics. Energies, 15(20), 7712. https://doi.org/10.3390/en15207712.
  19. Almunif, A., Fan, L., & Miao, Z. (2020). A tutorial on data‐driven eigenvalue identification: Prony analysis, matrix pencil, and eigensystem realization algorithm. International Transactions on Electrical Energy Systems, 30(4), e12283. https://doi.org/10.1002/2050-7038.12283.
  20. Goolak, S., Liubarskyi, B., Sapronova, S., Tkachenko, V., & Riabov, I. (2022, January). Determination of the Power Factor of Electric Rolling Stock of Alternating Current Consumption. In TRANSBALTICA XII: Transportation Science and Technology: Proceedings of the 12th International Conference TRANSBALTICA, September 16-17, 2021, Vilnius, Lithuania (pp. 243-252). Cham: Springer International Publishing.https://doi.org/10.1007/978-3-030-94774-3_24.
  21. Daniele, V. G., & Lombardi, G. (2021). The generalized Wiener–Hopf equations for wave motion in angular regions: electromagnetic application. Proceedings of the Royal Society A, 477(2252), 20210040.https://doi.org/10.1098/rspa.2021.0040.
  22. Goolak, S., & Liubarskyi, B. (2024). Vector Control System Taking into Account the Saturation of an Induction Motor. Tehnički vjesnik, 31(4), 1170-1178. https://doi.org/10.17559/TV-20221015124239.

https://doi.org/10.32703/2617-9059-2024-44-2