This paper presents the results of testing of a complex electromechanical system model. These results have been obtained for accepted in simulations the method of identifying an inertia moment of reduced masses on shaft of induction motor drive during the changes of a backlash zone width. The effectiveness of correct diagnostic conclusions enables coefficients analysis of testing signals wavelet expansion as well as weights of a supervised learning neural network. The earlier fault detection of five important state variables, which describe physical quantities of chosen complex electromechanical system has been verified for its correctness during the backlash zone width monitoring in the early stage of its gradual rise. The proposed here algorithm with mass inertia moment changes has proved to be an effective diagnostic method in the area of system changeable dynamic conditions and this has been shown in the resulting changes of backlash zone width.
References
Doniec, R. (2010). Wykorzystanie metod sztucznej inteligencji do regulacji poziomu insuliny w organizmie człowieka (doctoral dissertation). Wydawnictwo Politechniki Śląskiej, Gliwice.
Duda, J. T. (2007). Pozyskiwanie wzorców diagnostycznych w komputerowych analizach sprawności urządzeń. In J. Korbicz, K. Patan, & M. Kowal (Eds.), Diagnostyka procesów i systemów (pp. 1–16). Warszawa: Akademicka Oficyna Wydawnicza EXIT.
Farronato, L., Monti A., Ponci, F., Ferrero, A., Cristaldi, L., & Lazzaroni, M. (2005). Virtual system Fault Models for Training Fuzzy-Wavelet Identifiers in Electrical Drive Diagnosis: an Experimental Validation. In IMTC 2005 Proceedings of the IEEE. Instrumentation and Measurement Technology Conference (pp. 2310–2315). Ottawa: IEEE. https://doi.org/10.1109/IMTC.2005.1604589
Ishkova, I., & Vitek, O. (2016). Detection and Classification of faults in induction motor by means of motor current signature analysis and stray flux monitoring. Przegląd Elektrotechniczny, 92(4), 166–170. https://doi.org/10.15199/48.2016.04.36
Korbicz, J. (2002). Diagnostyka procesów. Modele. Metody sztucznej inteligencji. Zastosowania. Warszawa: WNT.
Kowalski, Cz. (2006). Zastosowanie analizy falkowej w diagnostyce silników indukcyjnych. Przegląd Elektrotechniczny, 82(1), 21–26.
Rusiecki, A. (2007). Algorytmy uczenia sieci neuronowych odporne na błędy w danych (doctoral dissertation). Politechnika Wrocławska, Wrocław.
Wolkiewicz, M., & Kowalski, Cz. (2015). Diagnostyka uszkodzeń uzwojeń stojana silnika indukcyjnego z wykorzystaniem dyskretnej transformaty falkowej obwiedni prądu stojana. Maszyny elektryczne: zeszyty problemowe, 3(107), 13–18.
Yayakumar, K., Thangavel, S., & Elango, M. K. (2015). Backpropagation Algorithm for Bearing Fault Detection of Induction Motor Drive Using Wavelet Packet Decomposition. International Journal of Applied Engineering Research, 10(10), 26191–26208.
