Industrieller Servomotor Neuer Yaskawa SERVOMOTOR 200V SGM-02A5FJ12 SGM-02A5FJ12
SPEZIFIKATIONEN
Strom: 0,89 A
Spannung: 200V
Leistung: 100W
Nenndrehmoment: 0,318 m
Höchstgeschwindigkeit: 3000 U/min
Encoder: 17-Bit-Absolut-Encoder
Lastträgheit JL kg¡m2¢ 10−4: 0,026
Schaft: gerade ohne Passfeder
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.
Sähnliche Produkte
SGM-01A312 |
SGM-01A312C |
SGM-01A314 |
SGM-01A314B |
SGM-01A314C |
SGM-01A314P |
SGM-01A3FJ91 |
SGM-01A3G26 |
SGM-01A3G36 |
SGM-01A3G46 SGM-A5A314-Y1 |
SGM-01A3MA12 |
SGM-01A3NT14 |
SGM-01A3NT23 |
SGM-01A3SO11 |
SGM-01A3SU11 |
SGM-01A3SU31 |
SGM-01A3T012 |
SGM-01A3TE21 |
SGM-01ASO11 |
SGM-01B312 |
SGM-01B3FJ11 |
SGM-01B3FJ12 |
SGM-01L314 |
SGM-01L314P |
SGM-01U312 |
SGM-01U3AP01 |
SGM-01U3B4L |
SGM-01V314 |
SGM-02A312 |
SGM-02A312B |
SGM-02A312C |
SGM-02A312-Y1 |
SGM-02A314 |
SGM-02A314B |
SGM-02A314C |
SGM-02A3B4SPL |
SGM-02A3F J73 |
SGM-02A3G16 |
SGM-02A3G16B |
SGM-02A3G24 |
SGM-02A3G26 |
SGM-02A3G46 |
SGM-02A3G46 |
SGM-02A3MA31 |
SGM-02A3NT11 |
SGM-02A3NT12 |
SGM-02A3SB12 |
SGM-02A3SN11 |
SGM-02A3SU12 |
SGM-02A3TQ11 |
Dieses Überwachungsverfahren hat zwei Hauptvorteile.Der erste Vorteil ist die Robustheit der Überwachungsverfahren, bei denen die Trainingsphase Daten verwendet, die durch Finite-Elemente-Simulationen generiert wurden, um die Betriebsbedingungen realer Induktionsmotoren während der eigentlichen Betriebs-(Überwachungs-)Phase zu überwachen.Dies wird mit einer hohen Genauigkeit der Motorfehlerüberwachung erreicht, wie die experimentellen Ergebnisse in Kapitel 5 zeigen. Es sollte darauf hingewiesen werden, dass der Trainingsprozess offline durchgeführt wird, während der Überwachungsprozess online durchgeführt wird.Diese Trainings- und Überwachungsverfahren basierend auf Daten aus unterschiedlichen Quellen (Simulationen bzw. Betriebsdaten realer Motoren) zeigen die Robustheit des Verfahrens.
ANDERE ÜBERLEGENE PRODUKTE
Yasakawa Motor, Treiber SG- Mitsubishi Motor HC-,HA-
Westinghouse Module 1C-,5X- Emerson VE-,KJ-
Honeywell TC-, TK- Fanuc-Motor A0-
Rosemount Messumformer 3051- Yokogawa Messumformer EJA-
Ansprechpartner: Anna
E-Mail: knowledgelongkeji@163.com
Mobiltelefon: +0086-13534205279