Metody analizy i rozpoznawania informacji zawartej w sygnałach prądowych i napięciowych silników elektrycznych dla diagnostyki stanów przedawaryjnych

mgr inż. Witold Głowacz

Promotor: prof. dr hab. inż. Ryszard Tadeusiewicz
Dyscyplina: Informatyka


Celem rozprawy doktorskiej było udowodnienie tezy, że algorytmy rozpoznawania umożliwiają zastosowanie metod analizy sygnałów prądowych i napięciowych do efektywnej diagnostyki stanów przedawaryjnych silników elektrycznych. Aby osiągnąć ten cel, zrealizowano następujące zadania badawcze: przeanalizowano problemy rozpoznawania stanów przedawaryjnych silników elektrycznych, przedyskutowano możliwości zastosowania wybranych metod przetwarzania i analizy sygnału prądowego i napięciowego, dokonano implementacji poszczególnych metod, opracowano projekt stanowiska diagnostycznego do badania sygnałów prądowych i napięciowych silników elektrycznych, przeprowadzono badania sygnałów prądowych/napięciowych zmierzające do skonfigurowania przetwarzania i analizy w celu uzyskania najlepszej metody rozpoznawania dla wybranych typów silników elektrycznych oraz przedstawiono projekt urządzenia monitorującego silnik elektryczny w trakcie jego eksploatacji.

Rozważania prowadzone w rozprawie dotyczyły dwóch typów silników elektrycznych, tj. silników indukcyjnych i silników prądu stałego. Przeprowadzone badania pokazały, że stany pracy przykładowych silników znajdowały odbicie w sygnałach prądowych i napięciowych przez nie generowanych w stopniu wystarczającym, aby metody rozpoznające z zadawalającą precyzją wskazywały pojawianie się monitorowanych uszkodzeń.

Istotnym czynnikiem wpływającym na uzyskanie wysokiej skuteczności rozpoznawania sygnału prądowego/napięciowego była długość próbki sygnału stosowana do rozpoznawania. Wykazano również, iż klasyfikator oparty na metodzie najbliższego sąsiada NN i klasyfikator oparty na liniowej analizie dyskryminacyjnej LDA działały najlepiej przy wypracowanych metodach obróbki. Sieć neuronowa z algorytmem wstecznej propagacji błędów miała niższą skuteczność rozpoznawania, niż pozostałe klasyfikatory. Spośród algorytmów FFT, LPCC, LPC najlepszą skuteczność rozpoznawania sygnału prądowego/napięciowego dawały FFT. Podsumowując wyniki eksperymentów, można stwierdzić, że teza rozprawy doktorskiej została udowodniona.

W rozdziale pierwszym przedstawiono problemy rozpoznawania stanów przedawaryjnych silników elektrycznych. Rozdział drugi omawia metody analizy informacji zawartej w sygnałach prądowych i napięciowych silników elektrycznych. W ramach rozdziału trzeciego opracowano projekt stanowiska do badania sygnałów prądowych i napięciowych silnika elektrycznego. W rozdziale czwartym opisano eksperymenty oraz wyniki badania sygnałów, zmierzające do skonfigurowania metod przetwarzania i analizy w celu uzyskania jak najlepszego wariantu metod rozpoznawania dla dwóch wybranych typów silników, indukcyjnych prądu przemiennego i obcowzbudnych prądu stałego. W rozdziale piątym omówiono projekt urządzenia monitorującego silnik elektryczny w ruchu. Rozdział szósty podsumowuje rezultaty opisane w rozprawie. W dodatku A przedstawiono wykaz ważniejszych skrótów w tekście. W dodatku B podano wyniki rozpoznawania sygnałów prądowych i napięciowych dla wybranych silników elektrycznych. W dodatku C przedstawiono opis badanych stanów silników elektrycznych.

Pełna wersja autoreferatu WG_autoreferat.pdf

• prof. dr hab. inż. Ewa Dudek-Dyduch Recenzja nr 1
  
• prof. dr hab. inż. Marek Skomorowski, UJ Recenzja nr 2
  

1. Głowacz A., Głowacz W.: New Approach to Diagnostics of DC Machines by Sound Recognition Using Linear Predictive Coding. Human-Computer Systems Interaction, Advances in Soft Computing, Springer Berlin / Heidelberg, Vol. 60, 2009, pp. 529-540.
2. Głowacz A., Głowacz W.: Shape Recognition of Film Sequence with Application of Sobel Filter and Backpropagation Neural Network. Human-Computer Systems Interaction, Advances in Soft Computing, Springer Berlin / Heidelberg, Vol. 60, 2009, pp. 505-516.
3. Głowacz W.: Diagnostics of induction motor based on Spectral Analysis of Stator Current with Application of Backpropagation Neural Network. Archives of Metallurgy and Materials, 2013, Vol. 58, No. 2, pp. 561-564.
4. Głowacz A., Głowacz W.: Diagnostics of synchronous motor based on analysis of acoustic signals with application of LPCC and Nearest Mean classifier with cosine distance. Archives of Metallurgy and Materials, 2010, Vol. 55, No. 2, pp. 563-569.
5. Głowacz A., Głowacz W., Głowacz Z.: Recognition of armature current of DC generator depending on rotor speed using FFT, MSAF-1 and LDA. Maintenance and Reliability, 2015, Vol. 17, No. 1, pp. 64–69.
6. Głowacz A., Głowacz W., Głowacz Z.: Diagnostyka generatora prądu stałego oparta na analizie sygnałów akustycznych z użyciem transformaty falkowej biortogonalnej i klasyfikatora najbliższej średniej. Przegląd Elektrotechniczny, 2014, R. 90, nr 11, s. 185–188.
7. Głowacz A., Głowacz W.: Diagnostics of Direct Current motor with application of acoustic signals, reflection coefficients and K-Nearest Neighbor classifier. Przegląd Elektrotechniczny, 2012, R.88, nr 5a, s. 231–233.
8. Głowacz A.., Głowacz W.: Diagnostics of dc machine based on sound recognition with application of FFT and Jacquard distance. Przegląd Elektrotechniczny, 2010, R. 86, nr 4, s. 292–295.
9. Głowacz A., Głowacz W.: Diagnostyka maszyny prądu stałego oparta na rozpoznawaniu dźwięków z zastosowaniem LPC. i logiki rozmytej. Przegląd Elektrotechniczny, 2009, R. 85, nr 6, s. 112–115.
10. Głowacz A., Głowacz W.: DC machine diagnostics based on sound recognition with application of FFT and fuzzy logic. Przegląd Elektrotechniczny, 2008, R. 84, nr 12, s. 43–46.
11. Głowacz A., Głowacz W.: Sound recognition of dc machine with application of FFT and backpropagation neural network. Przegląd Elektrotechniczny, 2008, R. 84, nr 9, s. 159–162.
12. Głowacz W., Głowacz Z.: Diagnostics of separately excited DC motor based on analysis and recognition of signals using FFT and Bayes classifier. Archives of Electrical Engineering, 2015, Vol. 64, iss. 1, s. 29–35.
13. Oprzędkiewicz K., Głowacz W., Zaczyk M., Teneta J., Więckowski L.: Identyfikacja modelu przedziałowego kąta elewacji orientowanego ogniwa słonecznego, Przegląd Elektrotechniczny, 2014, R. 90 nr 8, s. 243–247.
14. Teneta J., Zaczyk M., Oprzędkiewicz K., Więckowski Ł., Głowacz W.: Metoda pomiarów parametrów orientowanego ogniwa słonecznego. PAR Pomiary Automatyka Robotyka, 2012, nr 9, s. 74–79.
15. Głowacz A., Głowacz W.: Diagnostyka silnika synchronicznego oparta na rozpoznawaniu dźwięku z zastosowaniem LPCC i GSDM. Pomiary, Automatyka, Kontrola, 2010, vol.56 no. 5, s. 479–482.
16. Głowacz A., Głowacz W.: Rozpoznawanie kształtów w sekwencjach wizyjnych z zastosowaniem algorytmu wstecznej propagacji błędów. Automatyka, półrocznik Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie, 2008, t. 12, z. 1, s. 41–54.
17. Głowacz A., Głowacz W.: Automatyczne sterowanie temperaturą z zastosowaniem mikrokontrolera Motorola MC68HC908QT4CP, Automatyka, półrocznik Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie, 2009, t. 13, z. 1, s. 25–36.
18. Głowacz A., Głowacz W., Głowacz A.: Sound recognition of musical instruments with application of FFT and K-NN classifier with cosine distance. Automatyka, półrocznik Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie, 2010, t. 14, z. 1, s. 15–22.
19. Głowacz A., Głowacz W., Głowacz Z.: Recognition of armature current of dc motor with application of FFT and Euclidean distance. Maszyny Elektryczne, zeszyty problemowe, 2009 nr 84, s. 179–182.
20. Głowacz W.: Automatyczny system dialogowy w diagnostyce maszyn elektrycznych. Mechanizacja i Automatyzacja Górnictwa, 2008, R. 46, nr 12, s. 14-18.
21. Głowacz W.: Automatyczny system dialogowy oparty na klasyfikatorze rozmytym i automacie skończonym w bezpieczeństwie pracy. Mechanizacja i Automatyzacja Górnictwa, 2010, R. 48, nr 1, s. 42-45.
22. Głowacz W.: Automatyczny system dialogowy oparty na klasyfikatorze rozmytym i gramatyce precedensyjnej w bezpieczeństwie transportu. Mechanizacja i Automatyzacja Górnictwa, 2010, R. 48, nr 10, s. 24-27.
23. Głowacz W.: Implementacja automatycznego systemu dialogowego oparta o język Python i bazę danych MySQL. Mechanizacja i Automatyzacja Górnictwa, 2011, R. 49, nr 10, s. 11-14.
24. Głowacz W.: Koncepcja sterowania maszyny elektrycznej z zastosowaniem automatycznego systemu dialogowego. Mechanizacja i Automatyzacja Górnictwa, 2013, R. 51, nr 5, s. 32-35.
25. Głowacz W.: Diagnostyka silnika obcowzbudnego prądu stałego oparta na analizie i rozpoznawaniu sygnałów napięciowych z zastosowaniem FFT i klasyfikatora Bayesa. W. ATI 2015, Automatyka, Telekomunikacja, Informatyka, XL konferencja Sekcji Cybernetyki w Górnictwie KG PAN, Szczyrk, 24-26.06.2015, s. 207-214.
26. Głowacz W: Rozpoznawanie wzorców sygnałów prądowych i napięciowych dla diagnostyki silników indukcyjnych klatkowych małej mocy. W. KKEG 2016, XVI Krajowa Konferencja Elektryki Górniczej, Szczyrk, 28–30.09 2016, s. 67-78.
27. Głowacz A., Głowacz W.: Sound recognition of DC machine with application of LPC and metrics. W: 2008 Conference on Human system interaction, May 25–27, 2008, Kraków, s. 322-327.
28. Głowacz A., Głowacz W.: Automatic shape recognition of film sequence with application of backpropagation neutral network. W. 2008 Conference on Human system interaction, May 25–27, 2008, Kraków, s. 76-81.
29. Głowacz A., Głowacz W.: Sound recognition of DC machine with application of LPC and metrics. W. EPNC, Electromagnetic Phenomena in Nonlinear Circuits, XX symposium, July 2–4, 2008, Lille, France, s.115-116.