Neuronowe klasyfikatory cech sygnałów w diagnostyce uszkodzeń wirnika silnika indukcyjnego

W artykule zostaną poruszone zagadnienia związane z diagnostyką uszkodzeń silnika indukcyjnego dokonywanej za pomocą metody MCSA (Motor Current Signature Analysis. Wiele publikacji na ten temat wskazuje na pojawianie się tzw. częstotliwości poślizgowych wokół pierwszej, piątej i siódmej harmonicznej prądu stojana dla obciążeń powyżej połowy znamionowego. W niniejszym artykule zostanie przedstawiona sieć neuronowa LVQ wykorzystywana do rozwiązania problemu klasyfikacyjnego, przetwarzająca zbiór danych otrzymanych na drodze analizy statystycznej wybranych fragmentów spektrum prądu fazowego stojana. Rozwiązanie takie pozwala zautomatyzować proces klasyfikacyjny i uniknąć konieczności wyznaczania prędkości obrotowej.

In this paper problems of fault detection of induction motor by the MCSA (Motor Current Signature Analysis) method are considered. Many of published papers point to lip frequencies that appear around the fist, fifth and seventh harmonic in stator current spectrum for more then half of nominal load. This paper presents the application of the LVQ neural network, employed to solve the classification problem based on a set of input data collected as chosen parts of current spectrum being statistically analyzed. The application helps to make the classification procedure automated and avoids necessity of rotor speed measurement.