ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ТЕПЛОВОГО ДІАГНОСТИЧНОГО КОНТРОЛЮ СПРАВНОСТІ ЕЛЕКТРОДВИГУНІВ
Array
Ключові слова:
штучна нейронна мережа, дистанційний контроль, моделювання, перетворювач параметра, модулятор, транспорт, тяговий електродвигун, ідентифікаціяАнотація
У статті розглянуті причини нагрівання електромеханічного обладнання (ЕМО) при його експлуатації. Використовуючи експериментальні дані при реалізації робочих циклів ЕМО, були визначені величини швидкості теплових процесів, які супроводжують змінні технологічні режими двополярною поведінкою вихідної ординати. Запропоновано алгоритми електронного формування масиву вихідних величин і сортування їх за «принципом флотації», коли забезпечується селективний відбір змінних, що належать процесам тільки нагрівання або тільки охолодження обладнання. Розглянуто шлях і алгоритм визначення швидкості зміни температури на підставі поточних даних за допомогою Д-формувача. В роботі наведені ілюстрації, які підтверджують придатність математичних описів і алгоритмів обробки вихідних даних, для практичного застосування їх в електронних вимірювальних засобах контролю і діагностики несправностей за тепловими подіями в ЕМО, що відбуваються.
Посилання
1. Chang Liu, Shu Zhou, Xindong Liu, Can Chen (2017). The Elevator Fault Diagnosis Method Based on Sequential Probability Ratio Test (SPRT), Automation, Control and Intelligent Systems, 5(4), P.50 – 55.
2. Nosov, V. V. (2012). Diagnostics of machines and equipment: study guide. St. Petersburg : Publishing house «Lan", 384.
3. Esaulov, S. M. (2019). Control and modeling parameters for heat diagnostics of power electrical equipment failure − Urban services. Kiev: Technics, Iss. 3 (149), pp. 19 − 28.
4. Terekhov, V.M. (1987) Elements of an automated electric drive: a textbook for universities. Moscow : Energoatomizdat, 224.
5. N. Rezki1, O. Kazar, L. H. Mouss, L. Kahloul, D. Rezki1, (2017). A hybrid Approach for Complex Industrial Process Monitoring, Journal of Scientific & Industrial Research, Vol. 76, pp. 608 – 613.
6. Li J, Shi J, & Satz D, (2006). Modelling and Analysis of Disease and Risk Factors Through Learning Bayesian Network from Observational Data, Technical Report.
7. Bellini, A. Bellini, A., Filippetti, F., Tassoni, C., Capolino G. A. (2008). Advances in diagnostic techniques for induction machines. IEEE Transactions on Industrial Electronics, Vol. 55, No. 12, pp. 4109 – 4126.
8. Kruglov, V.V. (2001). Fuzzy logic and artificial neural networks. Moscow : FIZMATLIT, 201.
9. Khaikin, S. (2006). Neural networks: a full course. Moscow : Williams, 1104.
10. Esaulov, S. M. (2009). The design of components for systems for the automatic diagnosis of transport. East European Journal of Advanced Technologies. Issue 5/3 (41), рр.28 − 32.
11. Dyakonov, V.P. (2005). MATLAB 6.5 SP1 / 7 + Simulink 5/6 in mathematics and modeling. Moscow : Solon-R, 412.
12. Gutnikov, V.S. (1980). Integral electronics in measuring devices. Leningrad: Energy, 387.
13. Esaulov, S. M. (2019). Research, modeling and design of components of an artificial neural network module for remote diagnostics of electric motors. − Urban services. Kiev: Technics, Iss. 5 (151), pp. 13 − 22.
14. Semenenko, M. G. (2002). Introduction to mathematical modeling. Moscow : Solon-R, 319.
15. MATLAB. The Language of Technical Computing. Getting Started with MATLAB.The Math Works, Inc. USA, 2000.
16. Babicheva, O. F. (2018). Automated design of electromechanical devices, components of digital control systems and diagnostic systems: textbook. manual. Kharkiv : KhNUMG them. OM Beketova, 355.
17. Simulink. Model-Based and System-Based Design. Using Simulink. The Math Works, Inc. USA, 2002.
18. Biryukov, A. V. (1990). Speed measurements in microprocessor electric drives with a pulse sensor. In the book. Automated electric drive. Moscow : Energoatomizdat, 544.
19. Kharin, Y. S. (1997). Fundamentals of imitation and statistical modeling: a tutorial. Moscow : Design PRO, 288.
2. Nosov, V. V. (2012). Diagnostics of machines and equipment: study guide. St. Petersburg : Publishing house «Lan", 384.
3. Esaulov, S. M. (2019). Control and modeling parameters for heat diagnostics of power electrical equipment failure − Urban services. Kiev: Technics, Iss. 3 (149), pp. 19 − 28.
4. Terekhov, V.M. (1987) Elements of an automated electric drive: a textbook for universities. Moscow : Energoatomizdat, 224.
5. N. Rezki1, O. Kazar, L. H. Mouss, L. Kahloul, D. Rezki1, (2017). A hybrid Approach for Complex Industrial Process Monitoring, Journal of Scientific & Industrial Research, Vol. 76, pp. 608 – 613.
6. Li J, Shi J, & Satz D, (2006). Modelling and Analysis of Disease and Risk Factors Through Learning Bayesian Network from Observational Data, Technical Report.
7. Bellini, A. Bellini, A., Filippetti, F., Tassoni, C., Capolino G. A. (2008). Advances in diagnostic techniques for induction machines. IEEE Transactions on Industrial Electronics, Vol. 55, No. 12, pp. 4109 – 4126.
8. Kruglov, V.V. (2001). Fuzzy logic and artificial neural networks. Moscow : FIZMATLIT, 201.
9. Khaikin, S. (2006). Neural networks: a full course. Moscow : Williams, 1104.
10. Esaulov, S. M. (2009). The design of components for systems for the automatic diagnosis of transport. East European Journal of Advanced Technologies. Issue 5/3 (41), рр.28 − 32.
11. Dyakonov, V.P. (2005). MATLAB 6.5 SP1 / 7 + Simulink 5/6 in mathematics and modeling. Moscow : Solon-R, 412.
12. Gutnikov, V.S. (1980). Integral electronics in measuring devices. Leningrad: Energy, 387.
13. Esaulov, S. M. (2019). Research, modeling and design of components of an artificial neural network module for remote diagnostics of electric motors. − Urban services. Kiev: Technics, Iss. 5 (151), pp. 13 − 22.
14. Semenenko, M. G. (2002). Introduction to mathematical modeling. Moscow : Solon-R, 319.
15. MATLAB. The Language of Technical Computing. Getting Started with MATLAB.The Math Works, Inc. USA, 2000.
16. Babicheva, O. F. (2018). Automated design of electromechanical devices, components of digital control systems and diagnostic systems: textbook. manual. Kharkiv : KhNUMG them. OM Beketova, 355.
17. Simulink. Model-Based and System-Based Design. Using Simulink. The Math Works, Inc. USA, 2002.
18. Biryukov, A. V. (1990). Speed measurements in microprocessor electric drives with a pulse sensor. In the book. Automated electric drive. Moscow : Energoatomizdat, 544.
19. Kharin, Y. S. (1997). Fundamentals of imitation and statistical modeling: a tutorial. Moscow : Design PRO, 288.
##submission.downloads##
Опубліковано
2020-09-30
Як цитувати
Єсаулов, С., Бабічева, О., & Ковалик, М. (2020). ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ТЕПЛОВОГО ДІАГНОСТИЧНОГО КОНТРОЛЮ СПРАВНОСТІ ЕЛЕКТРОДВИГУНІВ: Array. Комунальне господарство міст, 4(157), 163–171. вилучено із https://khg.kname.edu.ua/index.php/khg/article/view/5650
Номер
Розділ
статьи
Ліцензія
Автори, які публікуються у цьому збірнику, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії CC BY-NC-ND 4.0 (із Зазначенням Авторства – Некомерційна – Без Похідних 4.0 Міжнародна), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
