دانلود مقاله ترجمه شده آنالیز خطای یاتاقان موتور القایی (IEEE 2016) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

آنالیز خطای یاتاقان موتور القایی با روش Root-MUSIC

Induction motor bearing fault analysis using Root-MUSIC method

چکیده

1- مقدمه

2- محتوای طیف جریان استاتور

3- روش Root-MUSIC

الف- مدل داده

ب- اصول روش Root-MUSIC

4- نتایج آزمایشی

الف- تجهیزات آزمایشی و پارامترهای یادگیری

ب- عملکرد موتور با بلبرینگ های سالم

ج- عملکرد موتور با خطای قاب بیرونی

د- عملکرد موتور با خطای محفظه

ه- عملکرد موتور با خطاهای محفظه و ساچمه

5- نتیجه گیری

چکیده

این مقاله یک رویکرد تشخیصی جدید، روش Root-MUSIC (RM)، را برای کراکینگ فزاینده در بلبرینگ موتورهای القایی را توصیف می کند. این رویکرد در مقایسه با تحلیل طیف جریان استاتور که از روش دوره نگار معمول استفاده می کند، مزایای زیادی دارد. در واقع، مزیت اصلی این رویکرد رزولوشن فرکانس بسیار خوب آن برای یک دوره کوتاه یادگیری است، که گاهی دست یابی به آن با روش متعارف غیرممکن است. با این حال، برای کاهش زمان محاسبه که اصلی ترین نقص روش RM محسوب می شود، این روش تنها بر یک باند فرکانسی خاص اعمال می شود؛ این باند اطلاعت مربوط به خطای مورد بررسی را در خود دارد. نتایج آزمایشی اثربخش روش RM را بر پایایی تشخیص خطای بلبرینگ نشان می دهد.

نتیجه گیری

در این مقاله، ثابت می کنیم که روش PSD کلاسیک توسط دوره نگاری امکان تخمین سریع هارمونیک ها را فراهم می آورد؛ اما امکان تشخیص خطاهای دامنه پایین مانند خطاهای آغازین را ندارد. با این حال، مجموعه های به دست آمده از نتایج بر اساس داده های آزمایشی، نشان می دهند که روش Root-MUSIC قابلیت افتراق بهتری دارد و در مقایسه با روش PSD کلاسیک قوی تر است. راه حل پیشنهادی این مقاله، که برای آشکار کردن سیگنال خطای مورد نظر شامل باند فرکانسی می شود، روش Root-MUSIC را سریع تر و کارآمدتر ساخته است. این روش به صورتی مثبت در خوانایی طیف جریان استاتور و تسهیل تحلیل آن نقش دارد. همچنین، این روش باعث می شود که ما همبستگی میان سیگنال های فرکانسی خطاهای بلبرینگ حاصل از آزمایش و محاسبه شده به صورت نظری را تأیید کنیم. این نتایج همچنین ثابت می کنند که روش توسعه یافتۀ Root-MUSIC نه تنها برای تشخیص خطاهای آغازی، بلکه برای نظارت بر سیر تکاملی شدت خطاها بسیار مؤثر است.

Abstract

This paper describes a new diagnosis approach, the Root-Multiple Signal Classification (MUSIC) (RM) method, for identification of the progressive cracking in the bearing of induction motors. This approach has several advantages compared with the stator current spectral analysis using the conventional Periodogram method. Indeed, the main advantage of this approach is its very good frequency resolution for a very short acquisition time, something impossible to achieve with the conventional method. However, in order to reduce the computation time, which is the main drawback of the RM method, this method will be applied to only a specified frequency band; one that carries information about the sought fault. Experimental results show the effectiveness of the RM method on the reliability of the incipient bearing fault detection.

VI- CONCLUSION

In this paper, we prove that the classical PSD method by Periodogram allows a fast harmonics estimation; but it does not allow the detection of low magnitude faults such as incipient fault. However, the obtained sets of results based on experimental data, clearly indicate that the Root-MUSIC method has better discrimination capability and is more robust compared to the classical PSD method. The proposed solution in this paper, and which consists of treating only the frequency band likely to reveal the signature of the sought fault, has made the Root-MUSIC method faster and more efficient. This method has positively contributed in the readability of the stator current spectrum and significantly facilitated its analysis. Also, this method has enabled us to verify the correlation between the frequency signatures of the bearing faults obtained experimentally and those calculated theoretically. These results also prove that the improved RootMUSIC method is very effective not only to detect the incipient faults, but also to monitor the evolution of the faults severity.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

آنالیز خطای یاتاقان موتور القایی با روش Root-MUSIC

Induction motor bearing fault analysis using Root-MUSIC method