Abstract
This paper presents a faults diagnosis technique of induction motors based on a neural network. Only stator current is measured, transformed by using FFT and normalized for the training. Healthy, bearing fault, stator fault and rotor end-ring fault motors are prepared to obtain the learning data and diagnose the several faults. For more effective diagnosis, the load rate is changed by 100%, 60%, 30% of full load and the obtained are applied to the teaming process. The experimental results show the proposed method is very detectable and applicable to the real diagnosis system.
이 논문은 신경회로망을 기반으로 한 유도전동기의 고장 진단 기법을 제시한다. 제안된 기법은 고정자전류만을 측정하여 FFT 변환 후 진단 훈련을 위해 일반화한다. 정상, 베어링고장, 고정자 권선고장 그리고 회전자 엔드-링 고장을 갖는 모터로부터 학습데이터를 획득하고 여러 고장 유형을 진단한다. 더욱 효과적인 고장 진단을 위해, 전부하의 100％, 60％, 30％로 부하율을 변화시켜서 학습절차에 적용하였다. 실험 결과들은 제안된 방법이 오차 범위 0.56％∼0.04％와 같은 높은 진단 정밀도를 가지고 있어 실제 진단시스템에 적용 가능함을 보여주고 있다.
