Industrieller SERVOmotor 200V SGM-02A5FJ12 SGM-02A5FJ12 Servomotorneuer Yaskawa

Die zweite Methode, die in dieser Arbeit vorgestellt wird, ist eine Fehlerüberwachungstechnik für Induktionsmotoren, die auf der Analyse des Luftspalt-Drehmomentprofils basiert, verbunden mit Techniken des maschinellen Lernens, um den Betriebszustand eines Induktionsmotors als fehlerfrei oder fehlerhaft zu klassifizieren.Diese Techniken des maschinellen Lernens basieren auf GMMs und RPSs.Die wichtige neuartige Natur dieses Ansatzes ist zweifach.Erstens werden die notwendigen gesunden und fehlerhaften Motorsignaturen zum Trainieren dieser Methode aus Finite-Elemente-Simulationen erhalten, nicht aus experimentellen Daten.Zweitens können die Signaturen durch einen neuartigen Normalisierungsprozess auf verschiedene Klassen von Induktionsmotoren angewendet werden.Ein fehlerhafter Zustand steht für eine beliebige Anzahl gebrochener Rotorstäbe.Die in der Trainingsphase verwendeten Signaturen basieren auf dem Luftspalt-Drehmomentprofil eines Induktionsmotors, der durch eine Zeitschritt-Finite-Elemente-Methode simuliert wird.

 

In der Überwachungsstufe wird eine neue Signatur für das entwickelte Drehmoment erstellt.Dieses Drehmoment wird online aus einem neuen Satz von dreiphasigen Statorspannungen und -strömen berechnet, die von einem tatsächlich überwachten Induktionsmotor erfasst werden.Ein Vergleich der in der Trainings- und Überwachungsphase erhaltenen Signaturen klassifiziert den Motorbetriebszustand.