JP7176706B1 - Defect detection device for squirrel cage rotor using AI - Google Patents
Defect detection device for squirrel cage rotor using AI Download PDFInfo
- Publication number
- JP7176706B1 JP7176706B1 JP2022084040A JP2022084040A JP7176706B1 JP 7176706 B1 JP7176706 B1 JP 7176706B1 JP 2022084040 A JP2022084040 A JP 2022084040A JP 2022084040 A JP2022084040 A JP 2022084040A JP 7176706 B1 JP7176706 B1 JP 7176706B1
- Authority
- JP
- Japan
- Prior art keywords
- defect
- rotor
- data
- cage rotor
- coil
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 185
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 241000555745 Sciuridae Species 0.000 title claims abstract description 28
- 239000004020 conductor Substances 0.000 claims abstract description 93
- 238000004458 analytical method Methods 0.000 claims abstract description 70
- 238000013528 artificial neural network Methods 0.000 claims abstract description 36
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 21
- 238000000547 structure data Methods 0.000 abstract description 3
- 230000006698 induction Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 230000004907 flux Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K15/00—Methods or apparatus specially adapted for manufacturing, assembling, maintaining or repairing of dynamo-electric machines
- H02K15/02—Methods or apparatus specially adapted for manufacturing, assembling, maintaining or repairing of dynamo-electric machines of stator or rotor bodies
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Manufacture Of Motors, Generators (AREA)
- Induction Machinery (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
【課題】熟練者に頼ることなくＡＩを用いて容易かつ確実に推定し報知する籠型回転子の欠陥検出装置を提供する。【解決手段】籠型回転子Ｒの１つの導体棒に跨って配置可能な変動磁場発生手段１及び検出手段２、回転子モデルＭ１～Ｍｎを作成し、それらの構造データＫ１～Ｋｎを出力する回転子モデルデータ出力手段３、構造データＫ１～Ｋｎ及び交流電源データＡＣを受けて第２コイルに誘起される電流値を数値解析し、大量の学習データＬ１～Ｌｎを生成する回転子モデル解析手段４、予め学習データＬ１～Ｌｎが与えられて最適化されており、検出手段２で検出された時系列の電流値データＣを受けて逆解析を行い籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を示す欠陥状態推定情報を出力するニューラルネットワーク５及び欠陥情報報知手段６を備える籠型回転子の欠陥検出装置。【選択図】図１Kind Code: A1 A defect detection device for a squirrel cage rotor is provided that easily and reliably estimates and reports using AI without relying on an expert. A variable magnetic field generating means 1, a detecting means 2, and rotor models M1 to Mn that can be arranged across one conductor rod of a cage rotor R are created, and structural data K1 to Kn thereof are output. Rotor model data output means 3; rotor model analysis means for receiving structure data K1 to Kn and AC power supply data AC, numerically analyzing current values induced in the second coils, and generating a large amount of learning data L1 to Ln. 4. The learning data L1 to Ln are given in advance and optimized, and the time-series current value data C detected by the detection means 2 is received and reversely analyzed, and the conductor rods of the cage rotor R are present. A defect detection apparatus for a squirrel cage rotor, comprising a neural network 5 for outputting defect state estimation information indicating the presence/absence, size and position of a defect, and defect information reporting means 6. [Selection drawing] Fig. 1
Description
この発明は、籠型回転子を構成する導体棒に存在している可能性のある鋳巣やバー切れ（以下「欠陥」という。）の状態（欠陥の有無、規模又は位置）を推定し、その推定結果を報知することができるＡＩを用いた籠型回転子の欠陥検出装置に関する。 This invention estimates the state (presence or absence, scale or position of defects) of blowholes or bar breaks (hereinafter referred to as "defects") that may exist in the conductor rods that make up the squirrel cage rotor, The present invention relates to a squirrel cage rotor defect detection apparatus using AI capable of reporting the estimation result.
電気自動車や工作機械の駆動部に利用される誘導電動機には、回転子鉄心、同回転子鉄心の外周面近傍に貫通している複数の穴に、アルミニウムや銅等の電気良導性金属材料の溶湯を流入させてなる導体棒及び回転子鉄心の両端部で全ての導体棒を連結する一対の端絡環からなる籠形回転子が利用されている。
そして、籠形回転子の導体棒や端絡環の一部に発生する欠陥及び導体棒と端絡環との接続部に発生する接続不良は、誘導電動機の性能や寿命に大きく影響する場合があるので、これらの欠陥や接続不良を検査する必要があるところ、端絡環や導体棒と端絡環との接続部については、回転子鉄心の外部に露出しているため比較的検査し易い。
しかし、導体棒については溶湯を流入させる際に空気を巻き込んでしまい、そのまま固化した場合には内部に欠陥を生じることがある。そして、その欠陥がバー切れに近いものであれば誘導電動機の性能に影響し、鋳巣であっても規模や形状によっては誘導電動機の性能や寿命に影響する場合があり、むしろ、寿命が短くなる程度の鋳巣は、当初の試験では発見されにくいため、質の悪い誘導電動機を生産してしまう原因となっている。
特に、回転子鉄心の貫通穴が外周面に開口しない閉鎖スロットである場合、導体棒を外部から視認できないため、作業者の目視による欠陥のチェックはできず、テスター等を用いて各導体棒の電気抵抗を計測することもできない。
Induction motors, which are used in electric vehicles and drive parts of machine tools, have a rotor core and a plurality of holes penetrating near the outer peripheral surface of the rotor core. A squirrel-cage rotor is used which consists of conductor rods into which the molten metal is introduced and a pair of end rings connecting all the conductor rods at both ends of the rotor core.
Defects that occur in part of the conductor rods and end rings of the squirrel cage rotor, and connection failures that occur in the connection between the conductor rods and the end ring, may greatly affect the performance and life of the induction motor. Therefore, it is necessary to inspect these defects and connection failures, but the end ring and the connection between the conductor rod and the end ring are relatively easy to inspect because they are exposed outside the rotor core. .
However, when the molten metal is introduced into the conductor rod, air is entrained therein, and if the conductor solidifies as it is, defects may occur inside. If the defect is similar to a broken bar, it will affect the performance of the induction motor. A certain amount of blowholes is difficult to find in the initial test, which causes the production of low-quality induction motors.
In particular, when the through-hole of the rotor core is a closed slot that does not open to the outer peripheral surface, the conductor rods cannot be visually recognized from the outside. It is also not possible to measure electrical resistance.
このような課題を解決するため、特許文献１（特開平９－３７５２７号公報）には、交流電源(48)が接続されている第１コイル(42)を巻付けた鉄心(46)と、処理装置(52)が接続されている第２コイル(44)を巻付けた鉄心(50)を有し、鉄心(46)及び鉄心(50)には、それぞれ籠形回転子(12)の回転子鉄心(18)に対向可能な一対の突歯(54)及び突歯(56)が設けられている欠陥検出装置(40)が記載されている（特に、段落００２２及び図４を参照）。
この欠陥検出装置(40)は、第１コイル(42)が形成する交番磁束によって検査対象の導体棒(22)に誘起される二次電流が、その導体棒(22)の周囲に誘導交番磁束を形成し、誘導交番磁束に誘起されて第２コイル(44)に微小な交流起電力が生じ、その交流起電力を処理装置(52)で検出して、籠形回転子(12)の電気的欠陥の有無を周辺貫通穴(20)の構成に係わらず正確に判定できるというものである。（特に、段落００２３～００２６を参照）。
In order to solve such a problem, Patent Document 1 (Japanese Laid-Open Patent Publication No. 9-37527) discloses an iron core (46) wound with a first coil (42) connected to an AC power supply (48), It has an iron core (50) wound with a second coil (44) to which a processing device (52) is connected. A
In this defect detection device (40), the secondary current induced in the conductor rod (22) to be inspected by the alternating magnetic flux formed by the first coil (42) causes the alternating magnetic flux induced around the conductor rod (22). is induced by the induced alternating magnetic flux to generate a minute alternating electromotive force in the second coil (44), which is detected by the processing device (52) to generate electricity in the squirrel cage rotor (12). Therefore, it is possible to accurately determine whether or not there is a physical defect regardless of the configuration of the peripheral through hole (20). (See in particular paragraphs 0023-0026).
しかし、特許文献１に記載されている発明によれば、導体棒(22)における電気的欠陥（バー切れ）の有無は判定できるものの、鋳巣の有無、規模及び位置を推定することはできず、段落００２５及び図３に示されるように、検査対象の導体棒(22)が複数個であって、その内の１個に電気的欠陥が有る場合、検査対象の導体棒(22)の全てが欠陥を有しない場合の検出信号に比べて振幅が小さくなるだけなので、判定には熟練者が必要であった。
However, according to the invention described in
本発明は、このような問題を解決し、外観検査やテスター等による検査を行うことのできない閉鎖スロットに形成される導体棒の内部に存在している可能性のあるバー切れ又は鋳巣（以下「欠陥」という。）の有無を、熟練者に頼ることなくＡＩを用いて容易かつ確実に推定し報知する籠型回転子の欠陥検出装置を提供することを第１の課題としている。
また、籠型回転子の欠陥検出装置において、欠陥の規模を推定し報知できるようにすることを第２の課題とし、欠陥の位置についても推定し報知できるようにすることを第３の課題としている。
The present invention solves such a problem, and is capable of removing broken bars or blowholes (hereinafter referred to as blowholes) that may exist inside a conductor rod formed in a closed slot that cannot be visually inspected or inspected by a tester or the like. A first object of the present invention is to provide a defect detection apparatus for a squirrel cage rotor that can easily and reliably estimate and report the presence or absence of a squirrel cage rotor by using AI without relying on an expert.
In addition, in the defect detection device for the cage rotor, the second task is to estimate and report the scale of the defect, and the third task is to estimate and report the position of the defect. there is
上記の課題を解決するための請求項１に係る発明は、籠型回転子の導体棒に存在する欠陥を推定し報知するための欠陥検出装置であって、
前記籠型回転子の１つの導体棒に跨って配置可能なコの字状の第１鉄心、該第１鉄心に巻回される第１コイル及び該第１コイルに接続される交流電源からなる変動磁場発生手段と、
前記籠型回転子の１つの導体棒に跨って配置可能なコの字状の第２鉄心、該第２鉄心に巻回される第２コイル及び該第２コイルに誘起される電流値又は電圧値を検出する計器からなる検出手段と、
前記籠型回転子について、１つの導体棒に存在する欠陥が異なる多数の回転子モデルを作成し、該多数の回転子モデルに関する構造データを出力する回転子モデルデータ出力手段と、
前記回転子モデルデータ出力手段から出力される前記構造データ及び交流電源データを受けて、前記第１鉄心と前記第２鉄心を各回転子モデルの１つの導体棒に跨って配置し、前記第１コイルに所定の交流を印加した場合に、前記第２コイルに誘起される電流値又は電圧値を数値解析する数値解析手段を有し、数値解析の対象となった回転子モデルを特定する特定情報及び該回転子モデルについて行われた数値解析により得られた数値解析データを学習データとして出力する回転子モデル解析手段と、
前記第１コイルに所定の交流が印加された時に前記検出手段で検出された時系列の電流値データ又は電圧値データを受けて逆解析を行い、欠陥有無推定情報を出力するニューラルネットワークと、
前記ニューラルネットワークから出力された前記欠陥有無推定情報に応じて、前記籠型回転子の導体棒に存在する欠陥の有無を報知する欠陥情報報知手段を備え、
前記ニューラルネットワークは、前記回転子モデル解析手段から出力される前記多数の回転子モデルについての学習データが予め与えられ、自己学習させることによって最適化されていることを特徴とする。
The invention according to
It consists of a U-shaped first core that can be arranged across one conductor rod of the cage rotor, a first coil wound around the first core, and an AC power supply connected to the first coil. a fluctuating magnetic field generating means;
A U-shaped second iron core that can be arranged across one conductor rod of the cage rotor, a second coil wound around the second iron core, and a current value or voltage induced in the second coil detection means comprising an instrument for detecting a value;
rotor model data output means for creating a large number of rotor models with different defects existing in one conductor rod for the cage rotor and outputting structural data relating to the large number of rotor models;
Upon receiving the structural data and the AC power data output from the rotor model data output means, the first iron core and the second iron core are arranged across one conductor bar of each rotor model, Specific information that has numerical analysis means for numerically analyzing the current value or voltage value induced in the second coil when a predetermined alternating current is applied to the coil, and identifies the rotor model that is the target of the numerical analysis. and rotor model analysis means for outputting numerical analysis data obtained by numerical analysis performed on the rotor model as learning data;
a neural network that receives time-series current value data or voltage value data detected by the detecting means when a predetermined alternating current is applied to the first coil, performs inverse analysis, and outputs defect presence/absence estimation information;
Defect information notification means for notifying the presence or absence of defects present in the conductor rods of the cage rotor according to the defect presence/absence estimation information output from the neural network;
The neural network is characterized in that it is optimized by self-learning given in advance learning data about the multiple rotor models output from the rotor model analysis means.
上記の課題を解決するための請求項２に係る発明は、請求項１に係る発明の欠陥検出装置において、
前記ニューラルネットワークは、欠陥有無推定情報に代えて欠陥規模推定情報を出力し、
前記欠陥情報報知手段は、前記欠陥規模推定情報に応じて、前記籠型回転子の導体棒に存在する欠陥の規模を報知することを特徴とする。
The invention according to
The neural network outputs defect size estimation information instead of defect presence/absence estimation information,
The defect information notifying means is characterized by notifying the scale of defects present in the conductor rods of the cage rotor according to the defect scale estimation information.
上記の課題を解決するための請求項３に係る発明は、請求項１に係る発明の欠陥検出装置において、
前記変動磁場発生手段は、前記籠型回転子の一端側に配置され、
前記検出手段は、前記籠型回転子の他端から前記変動磁場発生手段が配置されている箇所の間に設定した複数箇所に順次配置され、
前記数値解析手段は、前記第２鉄心を各回転子モデルの他端から前記第１鉄心が配置されている箇所の間に設定した複数箇所に順次配置し、前記第１コイルに所定の交流を印加した場合に、前記第２コイルに誘起される電流値又は電圧値を数値解析するものであり、
前記特定情報は、数値解析の対象であって、前記第２鉄心を前記複数箇所に順次配置した回転子モデルを特定する情報であり、
前記ニューラルネットワークは、前記時系列の電流値データ又は電圧値データ及び前記検出手段の配置位置データを受けて逆解析を行い、欠陥有無推定情報及び欠陥位置推定情報を出力し、
前記欠陥情報報知手段は、前記ニューラルネットワークから出力された前記欠陥有無推定情報及び欠陥位置推定情報に応じて、前記籠型回転子の導体棒に存在する欠陥の有無及び位置を報知することを特徴とする。
The invention according to
The variable magnetic field generating means is arranged on one end side of the squirrel cage rotor,
The detection means are sequentially arranged at a plurality of positions set between the other end of the squirrel cage rotor and the position where the variable magnetic field generation means is arranged,
The numerical analysis means sequentially arranges the second iron cores at a plurality of locations set between the other end of each rotor model and the locations where the first iron cores are arranged, and applies a predetermined alternating current to the first coils. Numerical analysis of the current value or voltage value induced in the second coil when applied,
The specific information is information for specifying a rotor model, which is a target of numerical analysis and in which the second iron cores are sequentially arranged at the plurality of locations,
The neural network receives the time-series current value data or voltage value data and the arrangement position data of the detection means, performs reverse analysis, and outputs defect presence/absence estimation information and defect position estimation information,
The defect information notifying means notifies the presence or absence and location of defects present in the conductor rods of the cage rotor according to the defect presence/absence estimation information and the defect position estimation information output from the neural network. and
請求項１に係る籠型回転子の欠陥検出装置は、変動磁場発生手段に所定の交流が印加された時に検出手段で検出された時系列の電流値データ又は電圧値データを、ニューラルネットワークに入力することによって逆解析を行い、欠陥有無推定情報を出力し、出力された欠陥有無推定情報に応じて、籠型回転子の導体棒に存在する欠陥の有無を報知する欠陥情報報知手段を備えているとともに、ニューラルネットワークは、回転子モデル解析手段から出力される多数の回転子モデルについての学習データが予め与えられ、自己学習させることによって最適化されているので、外観検査やテスター等による検査を行うことのできない閉鎖スロットに形成される導体棒の内部に存在している可能性のある欠陥の有無を、熟練者に頼ることなくＡＩを用いて容易かつ確実に推定し報知することができる。
そのため、導体棒の欠陥による誘導電動機の性能低下を、誘導電動機を組み上げる前に事前に推定し報知できることから、籠型回転子の性能低下を予防でき、製品の品質向上につなげることができるとともに、各種トラブルの発生を抑制することができる。
In the squirrel cage rotor defect detection apparatus according to
As a result, it is possible to pre-estimate and notify the performance deterioration of the induction motor due to defects in the conductor rods before the induction motor is assembled. It is possible to suppress the occurrence of various troubles.
請求項２に係る籠型回転子の欠陥検出装置は、請求項１に係る発明が奏する上記の効果に加え、ニューラルネットワークは、欠陥有無推定情報に代えて欠陥規模推定情報を出力し、欠陥情報報知手段は、欠陥規模推定情報に応じて欠陥の規模を報知するので、籠型回転子の導体棒に存在する欠陥の規模を推定し報知することができる。
In addition to the above effects of the invention according to
請求項３に係る籠型回転子の欠陥検出装置は、請求項１に係る発明が奏する上記の効果に加え、ニューラルネットワークは、欠陥有無推定情報及び欠陥位置推定情報を出力し、欠陥情報報知手段は、欠陥有無推定情報及び欠陥位置推定情報に応じて欠陥の有無及び位置を報知するので、籠型回転子の導体棒に存在する欠陥の位置についても推定し報知することができる。
In addition to the above effects of the invention according to
以下、実施例によって、本発明の実施の形態を説明する。 Hereinafter, embodiments of the present invention will be described with reference to examples.
図１は実施例１に係る籠型回転子の欠陥検出装置のブロック図である。
図１に示すように、実施例１に係る籠型回転子の欠陥検出装置は、誘導電動機の籠型回転子Ｒ（具体的には、円筒状の回転子鉄心の外周面近傍に導体棒を有するとともに、回転子鉄心の両端部において一対の端絡環によって全ての導体棒が連結されているもの）の導体棒内部に発生する可能性のある欠陥の有無、規模及び位置を推定し報知するためのものであって、次の各手段からなっている。
（１）籠型回転子Ｒの１つの導体棒に跨って配置可能なコの字状の第１鉄心、第１鉄心に巻回される第１コイル及び第１コイルに接続される交流電源からなる変動磁場発生手段１。
（２）籠型回転子Ｒの１つの導体棒に跨って配置可能なコの字状の第２鉄心、第２鉄心に巻回される第２コイル及び第２コイルに誘起される電流値を検出する検出手段２。
なお、籠型回転子Ｒを構成する回転子鉄心、導体棒及び端絡環並びに第１鉄心及び第２鉄心の材質や形状、さらに、第１コイル及び第２コイルの抵抗率、線径、巻き数等は事前に分かっており、交流電源は単相１００Ｖ、５０Ｈｚである。
FIG. 1 is a block diagram of a cage rotor defect detection apparatus according to a first embodiment.
As shown in FIG. 1, the squirrel cage rotor defect detection apparatus according to the first embodiment detects a squirrel cage rotor R of an induction motor (specifically, a conductor rod near the outer peripheral surface of a cylindrical rotor core). and all conductor rods are connected by a pair of end rings at both ends of the rotor core). It consists of the following means:
(1) From a U-shaped first core that can be arranged across one conductor rod of the cage rotor R, a first coil wound around the first core, and an AC power supply connected to the first coil Fluctuating magnetic field generating means 1.
(2) A U-shaped second core that can be arranged across one conductor rod of the squirrel cage rotor R, a second coil wound around the second core, and a current value induced in the second coil detection means 2 for detecting;
In addition, the material and shape of the rotor core, the conductor rod, the end ring, the first core and the second core, and the resistivity, wire diameter, and winding of the first coil and the second coil, which constitute the squirrel cage rotor R. The number and the like are known in advance, and the AC power supply is single-
（３）籠型回転子Ｒについて、１つの導体棒に存在する欠陥が異なる多数の回転子モデルＭ１～Ｍｎを作成し、回転子モデルＭ１～Ｍｎに関する構造データＫ１～Ｋｎを出力する回転子モデルデータ出力手段３。
（４）回転子モデルデータ出力手段３から出力される構造データＫ１～Ｋｎ及び交流電源データＡＣを受けて、変動磁場発生手段１と検出手段２を各回転子モデルの１つの導体棒に跨って配置し、第１コイルに所定の交流を印加した場合に、第２コイルに誘起される電流値を数値解析する数値解析手段を有し、回転子モデルＭ１については、特定情報ｋ１と数値解析により得られた数値解析データＡ１を学習データＬ１として出力し、以下同様に回転子モデルＭｎについては、特定情報ｋｎと数値解析により得られた数値解析データＡｎを学習データＬｎとして出力する回転子モデル解析手段４。
（５）変動磁場発生手段１に所定の交流が印加された時に、検出手段２で検出された時系列の電流値データＣを受けて逆解析を行い、籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を示す欠陥状態推定情報を出力するニューラルネットワーク５。
（６）ニューラルネットワーク５から出力された欠陥状態推定情報に応じて、籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を表示する欠陥情報表示手段６。
(3) For the cage rotor R, a rotor model that creates a large number of rotor models M1 to Mn with different defects existing in one conductor rod and outputs structural data K1 to Kn for the rotor models M1 to Mn. data output means 3;
(4) Receiving structural data K1 to Kn and AC power supply data AC output from the rotor model data output means 3, the fluctuating magnetic field generating means 1 and the detecting
(5) When a predetermined alternating current is applied to the fluctuating magnetic field generating means 1, the time-series current value data C detected by the detecting
(6) Defect information display means 6 for displaying the presence/absence, scale and position of defects present in the conductor rods of the cage rotor R according to the defect state estimation information output from the
以下では、各手段について詳しく説明する。
（変動磁場発生手段１）
変動磁場発生手段１は、コの字状の第１鉄心を籠型回転子Ｒの一端側（図１の右側）において１つの導体棒に跨るように配置し、第１コイルに交流電源から所定の交流（１００Ｖ、１０Ａ、５０Ｈｚ）を印加し、第１コイルに流れる励磁電流によって、第１鉄心と回転子鉄心との間に１つの導体棒に鎖交する交番磁束を形成する手段である。
なお、コの字状の第１鉄心は１つの導体棒に跨っていれば、籠型回転子Ｒのどこに配置しても良いが、実施例１では一例として一端側に配置している。
また、所定の交流は高電圧及び大電流とした方が、推定精度を上げることができるので、第１コイルには太いものを使用し、できる限り多く巻回した方が良い。
Each means will be described in detail below.
(Variable magnetic field generating means 1)
The fluctuating magnetic field generating means 1 is arranged so as to straddle one conductor rod on one end side (right side in FIG. 1) of the cage rotor R, and the first coil is supplied with a predetermined voltage from an AC power supply. of alternating current (100 V, 10 A, 50 Hz) is applied, and the excitation current flowing through the first coil forms an alternating magnetic flux interlinking one conductor rod between the first core and the rotor core.
Note that the U-shaped first core may be placed anywhere in the cage rotor R as long as it straddles one conductor rod, but in Example 1, it is placed on one end side as an example.
Further, since the accuracy of estimation can be improved by setting the predetermined alternating current to a high voltage and a large current, it is preferable to use a thick first coil and wind it as many times as possible.
（検出手段２）
検出手段２は、コの字状の第２鉄心を籠型回転子Ｒの他端側（図１の左側）において、第１鉄心を跨らせたのと同じ１つの導体棒に跨るように配置し、第２コイルに接続されている電流計で電流値を検出し、第２コイルに誘起される時系列の電流値データＣを検出する手段である（第２コイルに電流が誘起される原理については後述する）。
なお、第２鉄心は上記１つの導体棒に跨っていれば、籠型回転子Ｒのどこに配置しても良いが、実施例１では処理を容易にするため他端側に固定的に配置している。
また、第２コイルに誘起される時系列の電流は比較的小さいため、第２コイルに使用する電線は第１コイルより細いもので良く、巻き数を多くした方が良い。
(Detection means 2)
The detection means 2 is arranged so that the U-shaped second iron core straddles the same one conductor rod as the first iron core on the other end side (left side in FIG. 1) of the cage rotor R. The current value is detected by an ammeter connected to the second coil, and time-series current value data C induced in the second coil is detected (current is induced in the second coil The principle will be described later).
The second iron core may be placed anywhere in the cage rotor R as long as it straddles the one conductor rod. ing.
Also, since the time-series current induced in the second coil is relatively small, the wire used for the second coil may be thinner than the wire for the first coil, and the number of turns should be increased.
（回転子モデルデータ出力手段３）
回転子モデルデータ出力手段３は、内部構造、すなわち欠陥の規模と位置が異なる（欠陥の無いものを含む）回転子モデルＭ１～Ｍｎとして、１つの導体棒に図２～４に示すようなバー切れ又は鋳巣を模した様々な大きさの半円柱状又は円柱状の欠陥１つを、ランダムに配置したものを作成する。
そして、欠陥の規模としては、次の（１）～（４）の全５００パターンを作成した。
（１）円柱状の欠陥によって導体棒の断面がほぼ全部（０．１ｍｍ2未満に）削れているもの（表では「バー切」と表示。）を３１パターン（図２はその一例）。
（２）導体棒の厚さと同じ半径を有する半円柱状の欠陥によって、導体棒の残っている断面積が０．１ｍｍ2以上８ｍｍ2未満のもの（表では「小」と表示。）を１９２パターン（図３はその一例）。
（３）導体棒の厚さの半分の半径を有する半円柱状の欠陥によって、導体棒の残っている断面積が８ｍｍ2以上２０ｍｍ2未満のもの（表では「大」と表示。）を２２１パターン（図４はその一例）。
（４）導体棒のどこにも欠陥がないもの（表では「傷無」と表示。）を５６パターン。
また、欠陥の位置としては、次の（ａ）～（ｃ）の全５００パターンを作成した。
（ａ）欠陥が検出手段の真下にあるもの（表では「真下」と表示。）を６５パターン。
（ｂ）欠陥が検出手段の真下にないもの（表では「外」と表示。）を３７９パターン（図２～４はいずれもこのパターン）。
（ｃ）導体棒のどこにも欠陥がないもの（表では「傷無」と表示。）を５６パターン。
なお、実施例１における回転子モデルの全５００パターンは、（１）及び（ａ）のパターン、（１）及び（ｂ）のパターン、（２）及び（ａ）のパターン、（２）及び（ｂ）のパターン、（３）及び（ａ）のパターン、（３）及び（ｂ）のパターン並びに（４）及び（ｃ）のパターンのいずれかに振り分けられる。
また、各回転子モデルに１対１に対応する構造データＫ１～Ｋｎを出力している。
(Rotor model data output means 3)
Rotor model data output means 3 outputs bars as shown in FIGS. Randomly arranged single semi-cylindrical or cylindrical defects of various sizes simulating cuts or blowholes are created.
As for the size of defects, all 500 patterns of the following (1) to (4) were created.
(1) 31 patterns (Fig. 2 is an example) of conductor rods in which almost the entire cross section (less than 0.1 mm 2 ) of the conductor rod is scraped off due to a cylindrical defect (indicated as "bar cut" in the table).
(2) 192 cases where the residual cross-sectional area of the conductor rod is 0.1 mm2 or more and less than 8 mm2 due to a semi-cylindrical defect having a radius equal to the thickness of the conductor rod (indicated as "small" in the table). Pattern (Fig. 3 is an example).
(3) 221 defects with a remaining cross-sectional area of 8 mm 2 or more and less than 20 mm 2 in the conductor rod due to a semi-cylindrical defect having a radius half the thickness of the conductor rod (shown as “Large” in the table). Pattern (Fig. 4 is an example).
(4) Fifty-six patterns of conductor rods with no defects (indicated as "no flaws" in the table).
As for the position of the defect, all 500 patterns of the following (a) to (c) were created.
(a) 65 patterns of defects located directly below the detection means (indicated as "directly below" in the table).
(b) 379 patterns of defects that are not directly below the detection means (indicated as "outside" in the table) (Figs. 2 to 4 all show this pattern).
(c) Fifty-six patterns of conductor rods with no defects (indicated as "no flaws" in the table).
In addition, all 500 patterns of the rotor model in Example 1 are the patterns of (1) and (a), the patterns of (1) and (b), the patterns of (2) and (a), the patterns of (2) and ( It is sorted into one of pattern b), pattern (3) and (a), pattern (3) and (b), and pattern (4) and (c).
It also outputs structure data K1 to Kn corresponding to each rotor model on a one-to-one basis.
（回転子モデル解析手段４）
実施例１の回転子モデル解析手段４では、数値解析手段として有限要素法による解析手段（以下「ＦＥＭ電磁解析手段」という。）を用いた。
ＦＥＭ電磁解析手段によれば、回転子モデル及び籠型回転子Ｒの１つの導体棒に跨って配置される第１鉄心と第２鉄心を多数の四面体のメッシュに切り、各種の条件（回転子モデルの磁性体部分の透磁率、表皮部分の透磁率、導体棒の透磁率及び比抵抗、第１鉄心及び第２鉄心の透磁率並びに第１コイル及び第２コイルの巻き数）を設定すると、回転子モデルに変動磁場発生手段１及び検出手段２を設置したと仮定した場合において、第１コイルに所定の交流（１００Ｖ,１０Ａ,５０Ｈｚ）を印加することによって、第２コイルに発生する誘導電流の時系列データを求めることができる。
ここで、第２コイルに電流が発生する原理は、図５に示すように、第１コイル１ｃに所定の交流１ｐを印加すると、第１鉄心１ｉが跨っている導体棒Ｒｃの周囲に発生する変動磁場φ(t)によって導体棒Ｒｃに電流I(t)が誘起され、その電流I(t)によって第２鉄心に変動磁場が発生し、その変動磁場によって第２コイルに誘導電流が発生することによる。
そして、回転子モデルデータ出力手段３によって、内部構造（欠陥の規模と位置）が各々異なる回転子モデルＭ１～Ｍｎが作成され、各回転子モデルに関する構造データＫ１～Ｋｎ及び交流電源データＡＣが出力されると、各回転子モデルの１つの導体棒に変動磁場発生手段１及び検出手段２が配置され、第１コイルに所定の交流が印加された場合に、第２コイルに発生する誘導電流の数値解析データが得られるので、各回転子モデルを特定する特定情報ｋ１～ｋｎ及び各回転子モデルについて得られた数値解析データＡ１～Ａｎからなる大量の学習データＬ１～Ｌｎを短時間のうちに用意することができる。
(Rotor model analysis means 4)
In the rotor model analysis means 4 of Example 1, analysis means based on the finite element method (hereinafter referred to as "FEM electromagnetic analysis means") was used as the numerical analysis means.
According to the FEM electromagnetic analysis means, the rotor model and the first core and the second core arranged over one conductor bar of the cage rotor R are cut into a mesh of many tetrahedrons, and various conditions (rotation When setting the magnetic permeability of the magnetic body part of the child model, the magnetic permeability of the skin part, the magnetic permeability and specific resistance of the conductor rod, the magnetic permeability of the first and second cores, and the number of turns of the first and second coils) Assuming that the variable magnetic field generating means 1 and the detecting
Here, the principle of the current generation in the second coil is that, as shown in FIG. 5, when a predetermined alternating current 1p is applied to the first coil 1c, the current is generated around the conductor rod Rc over which the first iron core 1i straddles. A current I(t) is induced in the conductor rod Rc by the fluctuating magnetic field φ(t), the current I(t) generates a fluctuating magnetic field in the second core, and the fluctuating magnetic field generates an induced current in the second coil. It depends.
Rotor model data output means 3 generates rotor models M1 to Mn having different internal structures (scales and positions of defects), and outputs structural data K1 to Kn and AC power supply data AC for each rotor model. Then, the fluctuating magnetic field generating means 1 and the detecting
（ニューラルネットワーク５）
ニューラルネットワーク５は、図１に示すように、入力層５Ｉ、出力層５Ｏ、学習データ蓄積手段５Ｌ、学習データ蓄積手段５Ｌに大量の学習データＬ１～Ｌｎを入力する学習データ入力手段５Ｔ並びに図示しない複数の中間層、その他で構築される。
また、中間層は、畳み込み層やプーリング層、全結合層など様々に工夫された層を、必要に応じて組み合わせて構成される。
そして、ニューラルネットワーク５は、学習データ蓄積手段５Ｌに大量の学習データＬ１～Ｌｎを蓄え、自己学習させることによって最適化される。すなわち、十分な数（欠陥の規模や位置をどの程度まで推定するかに応じて１万～数１０万）の学習データによって最適化されたパラメータを用いることにより９５％以上の推定精度を得ることができる。
そうした上で、入力層５Ｉに実際に検出手段２から出力された時系列の電流値データＣが入力されると、ニューラルネットワーク５は逆解析を行い、籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を示す欠陥状態推定情報を出力層５Ｏから出力する。
(Neural network 5)
The
In addition, the intermediate layer is configured by combining variously devised layers such as a convolution layer, a pooling layer, and a fully connected layer as necessary.
The
After that, when the time-series current value data C actually output from the detection means 2 is input to the input layer 5I, the
（欠陥情報表示手段６）
欠陥情報表示手段６は、ニューラルネットワーク５から出力された欠陥状態推定情報に応じて、籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を表示するものであり、通常の表示態様では各導体棒を模した線分にナンバーを付しておくとともに、欠陥の規模と位置を示す表示を各線分の対応する位置に表示する。
なお、どの導体棒かを特定する数字と欠陥の規模と位置を示す文字、記号又は数字等を表にして表示する態様も選択できる。
(Defect information display means 6)
The defect information display means 6 displays the presence/absence, size, and position of defects present in the conductor rods of the cage rotor R according to the defect state estimation information output from the
In addition, it is also possible to select a mode in which a number identifying a conductor rod and characters, symbols, or numbers indicating the size and position of a defect are displayed in a tabular form.
図６は、実施例１に係る籠型回転子の欠陥検出装置のアルゴリズムを示すフロー図であり、以下の手順（Ｔ１）～（Ｔ４）で多数の学習データＬ１～Ｌｎを生成し、ニューラルネットワーク５に蓄積して自己学習させた上で、手順（１）～（６）で籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を推定し、推定した欠陥の有無、規模及び位置を表示する。
（Ｔ１）事前に分かっている籠型回転子Ｒの回転子鉄心、導体棒及び端絡環等の材質や形状等に基づいて、多数の回転子モデル（Ｍ１～Ｍｎ）を作成する。
（Ｔ２）各回転子モデルの構造データＫ１～Ｋｎを作成する。
（Ｔ３）ＦＥＭ電磁解析手段により、各構造データＫ１～Ｋｎ及び交流電源データＡＣに基づいて、各回転子モデルにおいて第１コイルに所定の交流を印加した場合に、第２コイルに誘起される電流値の時系列データを示す数値解析データＡ１～Ａｎを出力する。
（Ｔ４）各回転子モデルを特定する特定情報ｋ１～ｋｎ及び上記Ｔ３で出力された数値解析データＡ１～Ａｎからなる学習データＬ１～Ｌｎを生成し、ニューラルネットワーク５に蓄積する。
（１）籠型回転子Ｒの一端側に配置した変動磁場発生手段１に所定の交流を印加する。
（２）変動磁場発生手段１の第１コイルに所定の交流を印加した場合に、検出手段２の第２コイルに誘起される時系列の電流値データＣを検出する。
（３）検出した時系列の電流値データＣをニューラルネットワーク５に送る。
（４）ニューラルネットワーク５は、入力された時系列の電流値データＣに基づいて逆解析を行う。
（５）逆解析により籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を示す欠陥状態推定情報を出力し、欠陥情報表示手段６に送る。
（６）欠陥情報表示手段６は、欠陥状態推定情報に基づいて籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置の表示を行う。
そして、推定及び表示を行っていない導体棒があれば、変動磁場発生手段１及び検出手段２を、その導体棒に跨らせるように移動させて上記手順（１）～（６）を実行し、全部の導体棒について推定した欠陥の有無、規模及び位置を表示したら終了する。
FIG. 6 is a flowchart showing the algorithm of the squirrel cage rotor defect detection apparatus according to the first embodiment. 5 and self-learning, the presence or absence, size and position of defects existing in the conductor rods of the cage rotor R are estimated in steps (1) to (6), and the presence or absence and size of the estimated defects are estimated. and position.
(T1) A large number of rotor models (M1 to Mn) are created based on the materials, shapes, etc. of the rotor core, conductor rods, end rings, etc. of the squirrel cage rotor R that are known in advance.
(T2) Create structure data K1 to Kn for each rotor model.
(T3) Current induced in the second coil when a predetermined alternating current is applied to the first coil in each rotor model based on the structural data K1 to Kn and the AC power supply data AC by the FEM electromagnetic analysis means. Numerical analysis data A1 to An representing time-series data of values are output.
(T4) Generate learning data L1-Ln consisting of specific information k1-kn for specifying each rotor model and the numerical analysis data A1-An output at T3, and store them in the
(1) A predetermined alternating current is applied to the fluctuating magnetic field generating means 1 arranged on one end side of the squirrel cage rotor R;
(2) Time-series current value data C induced in the second coil of the detecting
(3) Send the detected time-series current value data C to the
(4) The
(5) Output defect state estimation information indicating the presence, size and position of defects present in the conductor rods of the cage rotor R by inverse analysis, and send the information to the defect information display means 6 .
(6) The defect information display means 6 displays the presence/absence, scale and position of defects existing in the conductor rods of the cage rotor R based on the defect state estimation information.
Then, if there is a conductor rod that is not estimated and displayed, the variable magnetic field generating means 1 and the detection means 2 are moved so as to straddle the conductor rod, and the above steps (1) to (6) are executed. , the presence/absence, size, and position of defects estimated for all conductor rods are displayed.
図７は欠陥の規模のパターンと位置のパターンに関する２０種類のケースを示す表であり、図８は図７に示すケース１～２０の回転子モデルについて、第２コイルに発生する誘導電流の数値解析データ（時系列の電流値データ）を示すグラフである。
図８に示すグラフのうち、振幅が最も小さい破線のグラフは、ケース７の欠陥（検出手段２の真下にないバー切れ）を有する回転子モデルについての数値解析データであり、振幅が次に小さい二点鎖線のグラフは、ケース８の欠陥（検出手段２の真下にないバー切れ）を有する回転子モデルについての数値解析データである。
なお、同じ検出手段２の真下にないバー切れの欠陥であるにもかかわらず異なるグラフとなる原因は、バー切れの程度が違っているからである。
また、振幅が３番目に小さい二点鎖線のグラフは、ケース２０の欠陥（検出手段２の真下にない断面積０．１～８ｍｍ2）を有する回転子モデルについての数値解析データであり、振幅が４番目に小さい鎖線のグラフは、ケース９の欠陥（検出手段２の真下にない断面積０．１～８ｍｍ2）を有する回転子モデルについての数値解析データである。
この２つのグラフについても、同じ検出手段２の真下にない断面積０．１～８ｍｍ2の欠陥であるにもかかわらず、異なるグラフとなる原因は導体棒に残っている断面積が違っているからである。
さらに、振幅が最も大きい実線のグラフは、ケース１の欠陥（傷無）である回転子モデルについての数値解析データであり、ケース４の欠陥（傷無）である回転子モデルについての一点鎖線のグラフは、ケース１のグラフと完全に重なっている。
その他のグラフについては、導体棒の残っている断面積が比較的大きいため、振幅の変化の差が小さく図８では判別し難いが、実際には異なるグラフとなっている。
FIG. 7 is a table showing 20 types of cases regarding defect scale patterns and position patterns, and FIG. 8 shows numerical values of the induced current generated in the second coil for the rotor models of
Among the graphs shown in FIG. 8, the broken line graph with the smallest amplitude is the numerical analysis data for the rotor model having the defect of case 7 (broken bar not directly below the detection means 2), and the amplitude is the next smallest. The two-dot chain line graph is the numerical analysis data for the rotor model with the defect of case 8 (broken bar not directly below the detection means 2).
The reason why the graphs are different even though the defect is a bar break not directly below the same detection means 2 is that the degree of the bar break is different.
Also, the graph of the chain double-dashed line with the third smallest amplitude is the numerical analysis data for the rotor model having the defect of case 20 (cross-sectional area 0.1 to 8 mm 2 not directly below the detection means 2). is the fourth smallest dashed line graph is the numerical analysis data for the rotor model with the defect of case 9 (cross-sectional area 0.1 to 8
These two graphs are also for defects with cross-sectional areas of 0.1 to 8 mm 2 that are not directly under the same detection means 2, but the reason why the graphs are different is that the cross-sectional areas remaining in the conductor rods are different. It is from.
Furthermore, the solid line graph with the largest amplitude is the numerical analysis data for the rotor model with the defect (no flaw) in
As for the other graphs, since the remaining cross-sectional area of the conductor rod is relatively large, the difference in amplitude change is small and it is difficult to distinguish from FIG. 8, but the actual graphs are different.
実施例１では様々な欠陥の規模と位置（傷無を含む）を有する回転子モデルを全５００パターン作成し、４５０パターンの回転子モデルについての数値解析データを学習用に用い、残り５０パターンの回転子モデルについての数値解析データは検証用とした。
図９は検証用の数値解析データのうちの２５個（２５組の時系列の電流値データ）をニューラルネットワーク５に入力し、逆解析して得られた欠陥状態推定情報（欠陥の規模と位置についての確率）及び推測した状態と実際の状態とを比較した結果の表である。
なお、推測欄における「バー切」、「小」、「大」、「傷無」、「外」、「真下」及び「傷無」の記載は、それぞれの確率が７５％以上であることを示しており、「小切」、「小大」、「大切」、「大小」、「大無」、「外下」及び「外無」は、７５％以上の確率のものが無い場合に、最大確率のものを左側に、次に大きい確率のものを右側に記載してある。
ただし、「小切」及び「大切」の「切」は「バー切」を、「外下」の「下」は「真下」を、「大無」及び「外無」の「無」は「傷無」を示している。
そして、推測した欠陥の規模（残部の面積）と実際の欠陥の規模を比較してみると、１４個は完全一致「◎」、９個は一致「○」（７５％以上の確率ではないが最大確率のものが一致）、２個は次点一致「△」（最大確率が７５％未満で２番目に高い確率のものが一致）であり、次点一致を外れとしても９２％の正答率であった。
また、７５％以上の確率となったものは全て完全一致しており、完全に外れとなったものはなかったので、損傷の程度については学習データが４５０個（４５０組の時系列の電流値データ）しかなくても、高い精度で推定できていることを確認できた。
次に、推測した欠陥の位置と実際の欠陥の位置を比較してみると、１３個は完全一致「◎」、８個は一致「○」、１個は次点一致「△」、３個は外れ「×」（７５％以上の確率のものが不一致又は次点一致も無し）であり、次点一致を外れとしても８４％の正答率であった。
In Example 1, a total of 500 patterns of rotor models having various sizes and positions of defects (including defects) were created, numerical analysis data for 450 patterns of rotor models were used for learning, and the remaining 50 patterns were prepared. Numerical analysis data for the rotor model was used for verification.
FIG. 9 shows defect state estimation information (defect scale and position ) and the results of comparing the inferred and actual states.
In addition, the descriptions of "bar cut", "small", "large", "no damage", "outside", "just below" and "no damage" in the guess column indicate that each probability is 75% or more. If there is no item with a probability of 75% or more for "cheque", "small large", "important", "large small", "large", "outside" and "outside", The one with the highest probability is listed on the left, and the one with the next highest probability is listed on the right.
However, the ``cut'' of ``cheque'' and ``important'' is ``bar-cut'', the ``bottom'' of ``outer bottom'' is ``just below'', and the ``no'' of ``dainashi'' and ``outerless'' is `` It shows "no damage".
Comparing the size of the estimated defect (the area of the remaining portion) with the size of the actual defect, 14 are a perfect match "◎" and 9 are a match "○" (although the probability is not 75% or more The highest probability is a match), and the two are runner-up matches "△" (the highest probability is less than 75% and the second highest probability is a match). Met.
In addition, all cases with a probability of 75% or more were in perfect agreement, and there were no completely outliers. It was confirmed that even if there is only data), it can be estimated with high accuracy.
Next, when comparing the estimated defect positions with the actual defect positions, 13 are a complete match "◎", 8 are a match "○", 1 is a runner-up match "△", and 3 are was a failure "x" (75% or more probability of mismatch or no second match), and the correct answer rate was 84% even if the second match was missed.
図１０は実施例２に係る籠型回転子の欠陥検出装置のブロック図である。なお、基本的な構成は実施例１とほとんど同じなので、図１と同じ番号及び記号を用いて説明する。
実施例２は、実施例１において、実際の欠陥の位置が「真下」である３つの検証用データを検証した結果、２つが外れとなったことに鑑み、検出手段２の真下にある欠陥を有する回転子モデルについての数値解析データが多く得られるようにしたものである。
すなわち、実施例１では処理を容易にするため他端側に固定的に配置していた検出手段２を、回転子モデルの他端から変動磁場発生手段１が配置されている箇所の間に設定した複数箇所（ｍ箇所、ただしｍ≧２）に順次配置し、１つの回転子モデルについて検出手段２の配置位置を変更した複数個の数値解析データを得て、検出手段２の配置位置及び回転子モデルを特定する特定情報ｋ１１～ｋ１ｍ、ｋ２１～ｋ２ｍ・・・ｋｎ１～ｋｎｍ（以下「ｋ１１～ｋｎｍ」と略記する。）及び検出手段２を配置した各回転子モデルについて得られた数値解析データＡ１１～Ａ１ｍ、Ａ２１～Ａ２ｍ・・・Ａｎ１～Ａｎｍ（以下「Ａ１１～Ａｎｍ」と略記する。）からなる大量の学習データＬ１１～Ｌ１ｍ、Ｌ２１～Ｌ２ｍ・・・Ｌｎ１～Ｌｎｍ（以下「Ｌ１１～Ｌｎｍ」と略記する。）を用意する。
そして、学習データＬ１１～Ｌｎｍをニューラルネットワーク５に蓄積し自己学習させて最適化した上で、図１０に示すように検出手段２を籠型回転子Ｒの他端から変動磁場発生手段１が配置されている箇所の間に設定した複数箇所に順次配置し、第１コイルに所定の交流を印加して検出手段２で時系列の電流値データＣ１～Ｃｍを検出し、検出手段２の配置位置データＰ１～Ｐｍととともにニューラルネットワーク５の入力層５Ｉに入力する。
すると、ニューラルネットワーク５は逆解析を行い、籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を示す欠陥状態推定情報を出力層５Ｏから出力する。
なお、逆解析を行うに際して、検出手段２を設定した複数箇所に順次配置して時系列の電流値データＣ１～Ｃｍを検出するが、複数箇所は等間隔とした方が良く、その間隔は小さい方が検出手段２の真下にある欠陥を高い精度でつきとめることができる。
FIG. 10 is a block diagram of a cage rotor defect detection apparatus according to the second embodiment. Since the basic configuration is almost the same as that of the first embodiment, the same numbers and symbols as in FIG. 1 will be used for description.
In the second embodiment, as a result of verifying the three verification data in which the actual position of the defect is "right under" in the first embodiment, two are out of the range. It is designed to obtain a large amount of numerical analysis data for the rotor model.
That is, the detecting
Then, the learning data L11 to Lnm are accumulated in the
Then, the
When performing the inverse analysis, the detection means 2 are sequentially arranged at a plurality of set locations to detect the time-series current value data C1 to Cm. This makes it possible to detect defects directly below the detection means 2 with higher accuracy.
図１１は、実施例２に係る籠型回転子の欠陥検出装置のアルゴリズムを示すフロー図であり、以下の手順（Ｔ１’）～（Ｔ４’）で多数の学習データＬ１１～Ｌｎｍを生成し、ニューラルネットワーク５に蓄積して自己学習させた上で、手順（１’）～（６’）で籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を推定し、推定した欠陥の有無、規模及び位置を表示する。
（Ｔ１’）事前に分かっている籠型回転子Ｒの回転子鉄心、導体棒及び端絡環等の材質や形状等に基づいて、多数の回転子モデル（Ｍ１～Ｍｎ）を作成する。
（Ｔ２’）各回転子モデルの構造データＫ１～Ｋｎを作成する。
（Ｔ３’）ＦＥＭ電磁解析手段により、各構造データＫ１～Ｋｎ及び交流電源データＡＣに基づいて、各回転子モデルにおいて検出手段２を設定した複数箇所に順次配置し、第１コイルに所定の交流を印加した場合に、第２コイルに誘起される電流値の時系列データを示す数値解析データＡ１１～Ａｎｍを出力する。
（Ｔ４’）検出手段２を設定した複数箇所に順次配置した各回転子モデルを特定する特定情報ｋ１１～ｋｎｍ及び上記Ｔ３’で出力された数値解析データＡ１１～Ａｎｍからなる学習データＬ１１～Ｌｎｍを生成し、ニューラルネットワーク５に蓄積する。
（１’）検出手段２を籠型回転子Ｒの他端から変動磁場発生手段１が配置されている箇所の間に設定した複数箇所に順次配置し、籠型回転子Ｒの一端側に配置した変動磁場発生手段１に所定の交流を印加する。
（２’）変動磁場発生手段１の第１コイルに所定の交流を印加した場合に、順次配置した検出手段２の第２コイルに誘起される時系列の電流値データＣ１～Ｃｍを検出する。
（３’）検出した時系列の電流値データＣ１～Ｃｍと、順次配置した検出手段２の配置位置データＰ１～Ｐｍとをニューラルネットワーク５に送る。
（４’）ニューラルネットワーク５は、入力された時系列の電流値データＣ１～Ｃｍと配置位置データＰ１～Ｐｍに基づいて逆解析を行う。
（５’）逆解析により籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を示す欠陥状態推定情報を出力し、欠陥情報表示手段６に送る。
（６’）欠陥情報表示手段６は、欠陥状態推定情報に基づいて籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置の表示を行う。
そして、推定及び表示を行っていない導体棒があれば、変動磁場発生手段１及び検出手段２を、その導体棒に跨らせるように移動させて上記手順（１’）～（６’）を実行し、全部の導体棒について推定した欠陥の有無、規模及び位置を表示したら終了する。
FIG. 11 is a flowchart showing the algorithm of the cage rotor defect detection apparatus according to the second embodiment. After accumulating in the
(T1') A large number of rotor models (M1 to Mn) are created based on the materials, shapes, etc. of the rotor core, conductor rods, end rings, etc. of the cage rotor R that are known in advance.
(T2') Structural data K1 to Kn of each rotor model are created.
(T3′) Using the FEM electromagnetic analysis means, based on the structural data K1 to Kn and the AC power supply data AC, the detection means 2 are sequentially arranged at a plurality of set locations in each rotor model, and a predetermined alternating current is applied to the first coil. is applied, numerical analysis data A11 to Anm representing the time-series data of the current value induced in the second coil are output.
(T4') Learning data L11 to Lnm consisting of specific information k11 to knm for specifying rotor models sequentially arranged at a plurality of locations where the detection means 2 are set and numerical analysis data A11 to Anm output in the above T3' generated and stored in the
(1′) Detecting means 2 are sequentially arranged at a plurality of positions set between the other end of the cage rotor R and the position where the variable magnetic field generating means 1 is arranged, and are arranged on one end side of the cage rotor R. A predetermined alternating current is applied to the fluctuating magnetic field generating means 1 .
(2') When a predetermined alternating current is applied to the first coil of the fluctuating magnetic field generating means 1, time-series current value data C1 to Cm induced in the second coils of the sequentially arranged detecting
(3′) The detected time-series current value data C1 to Cm and the arrangement position data P1 to Pm of the detection means 2 arranged sequentially are sent to the
(4′) The
(5′) Output defect state estimation information indicating the presence, size and position of defects present in the conductor rods of the cage rotor R by inverse analysis, and send the information to the defect information display means 6 .
(6') The defect information display means 6 displays the presence/absence, size, and position of defects existing in the conductor rods of the cage rotor R based on the defect state estimation information.
Then, if there is a conductor rod that is not estimated and displayed, the variable magnetic field generating means 1 and the detection means 2 are moved so as to straddle the conductor rod, and the above steps (1') to (6') are performed. Execute and terminate after displaying the presence/absence, size, and position of defects estimated for all conductor rods.
実施例の変形例を列記する。
（１）実施例１及び２に係る検出手段２は、第２コイルに誘起される電流値を検出するものであったが、電圧値を検出するものとしても良い。
（２）実施例１及び２の回転子モデルデータ出力手段３は、１つの導体棒に様々な大きさの半円柱状又は円柱状の欠陥１つをランダムに配置したが、欠陥の形状は半円柱状又は円柱状に限られず、実際に形成される鋳巣に近い形状としても良い。
また、１又は複数の欠陥をランダムに配置しても良い。
Modifications of the embodiment are listed.
(1) Although the detection means 2 according to the first and second embodiments detects the current value induced in the second coil, it may detect the voltage value.
(2) In the rotor model data output means 3 of Examples 1 and 2, one semi-cylindrical or cylindrical defect of various sizes was randomly arranged on one conductor rod, but the shape of the defect was semi-cylindrical. The shape is not limited to a columnar shape or a columnar shape, and the shape may be similar to the actually formed blowhole.
Also, one or more defects may be randomly arranged.
（３）実施例１及び２のニューラルネットワーク５は、籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を示す欠陥状態推定情報を出力するものであったが、欠陥の有無のみを示す欠陥有無推定情報を出力するものとしても良く、欠陥の有無及び規模を示す欠陥規模推定情報を出力するものとしても良く、欠陥の有無を示す欠陥有無推定情報と欠陥の位置を示す欠陥位置推定情報を出力するものとしても良い。
（４）実施例１及び２に係る欠陥情報表示手段６は、籠型回転子Ｒの導体棒に存在する欠陥の有無、規模及び位置を表示するものであったが、表示に代え又は加えて、音声で知らせても良く、他の処理装置に欠陥の有無、規模及び位置に関する情報を送信しても良い。
そのため、特許請求の範囲では「欠陥情報報知手段」という表現を用いている。
(3) The
(4) The defect information display means 6 according to
Therefore, the term "defect information notifying means" is used in the claims.
（５）実施例１及び２に係る籠型回転子の欠陥検出装置においては、推定及び表示を行っていない導体棒が有るか否かの判断を手順（６）の後に行ったが、その判断を手順（５）の後に行い、全部の導体棒についての推定が終了してから、手順（６）として、欠陥情報表示手段６で、籠型回転子Ｒの全ての導体棒に存在する欠陥の有無、規模及び位置の表示を、まとめて行うようにしても良い。
（６）実施例１及び２に係る籠型回転子の欠陥検出装置では、学習データや検証データの生成にＦＥＭ電磁解析手段を用いたが、ＦＥＭ電磁解析手段に限らず、差分法や境界要素法等に基づく数値解析手段を用いても良い。
(5) In the squirrel cage rotor defect detection devices according to Examples 1 and 2, the judgment as to whether or not there is a conductor rod that is not estimated and displayed is performed after the procedure (6). is performed after the procedure (5), and after the estimation for all the conductor rods is completed, as a procedure (6), the defect information display means 6 displays the defects existing in all the conductor rods of the cage rotor R. The presence/absence, scale, and position may be displayed collectively.
(6) In the cage rotor defect detection devices according to the first and second embodiments, the FEM electromagnetic analysis means was used to generate learning data and verification data. Numerical analysis means based on the law or the like may also be used.
１ 変動磁場発生手段 １ｃ 第１コイル １ｉ 第１鉄心 １ｐ 交流
２ 検出手段 ３ 回転子モデルデータ出力手段 ４ 回転子モデル解析手段
５ ニューラルネットワーク ５Ｉ 入力層 ５Ｌ 学習データ蓄積手段
５Ｏ 出力層 ５Ｔ 学習データ入力手段 ６ 欠陥情報表示手段
Ａ１～Ａｎ 数値解析データ ＡＣ 交流電源データ
Ｃ 時系列の電流値データ Ｃ１～Ｃｍ 時系列の電流値データ I(t) 電流
Ｋ１～Ｋｎ 構造データ ｋ１～ｋｎ 特定情報 ｋ１１～ｋｎｍ 特定情報
Ｌ１～Ｌｎ 学習データ Ｌ１１～Ｌｎｍ 学習データ
Ｍ１～Ｍｎ 回転子モデル Ｒ 籠型回転子 Ｒｃ 導体棒
φ(t) 変動磁場
1 fluctuating magnetic field generation means 1c first coil 1i
Claims (3)
前記籠型回転子の１つの導体棒に跨って配置可能なコの字状の第１鉄心、該第１鉄心に巻回される第１コイル及び該第１コイルに接続される交流電源からなる変動磁場発生手段と、
前記籠型回転子の１つの導体棒に跨って配置可能なコの字状の第２鉄心、該第２鉄心に巻回される第２コイル及び該第２コイルに誘起される電流値又は電圧値を検出する計器からなる検出手段と、
前記籠型回転子について、１つの導体棒に存在する欠陥が異なる多数の回転子モデルを作成し、該多数の回転子モデルに関する構造データを出力する回転子モデルデータ出力手段と、
前記回転子モデルデータ出力手段から出力される前記構造データ及び交流電源データを受けて、前記第１鉄心と前記第２鉄心を各回転子モデルの１つの導体棒に跨って配置し、前記第１コイルに所定の交流を印加した場合に、前記第２コイルに誘起される電流値又は電圧値を数値解析する数値解析手段を有し、数値解析の対象となった回転子モデルを特定する特定情報及び該回転子モデルについて行われた数値解析により得られた数値解析データを学習データとして出力する回転子モデル解析手段と、
前記第１コイルに所定の交流が印加された時に前記検出手段で検出された時系列の電流値データ又は電圧値データを受けて逆解析を行い、欠陥有無推定情報を出力するニューラルネットワークと、
前記ニューラルネットワークから出力された前記欠陥有無推定情報に応じて、前記籠型回転子の導体棒に存在する欠陥の有無を報知する欠陥情報報知手段を備え、
前記ニューラルネットワークは、前記回転子モデル解析手段から出力される前記多数の回転子モデルについての学習データが予め与えられ、自己学習させることによって最適化されている
ことを特徴とする籠型回転子の欠陥検出装置。 A defect detection device for estimating and notifying a defect existing in a conductor rod of a squirrel cage rotor,
It consists of a U-shaped first core that can be arranged across one conductor rod of the cage rotor, a first coil wound around the first core, and an AC power supply connected to the first coil. a fluctuating magnetic field generating means;
A U-shaped second iron core that can be arranged across one conductor rod of the cage rotor, a second coil wound around the second iron core, and a current value or voltage induced in the second coil detection means comprising an instrument for detecting a value;
rotor model data output means for creating a large number of rotor models with different defects existing in one conductor rod for the cage rotor and outputting structural data relating to the large number of rotor models;
Upon receiving the structural data and the AC power data output from the rotor model data output means, the first iron core and the second iron core are arranged across one conductor bar of each rotor model, Specific information that has numerical analysis means for numerically analyzing the current value or voltage value induced in the second coil when a predetermined alternating current is applied to the coil, and identifies the rotor model that is the target of the numerical analysis. and rotor model analysis means for outputting numerical analysis data obtained by numerical analysis performed on the rotor model as learning data;
a neural network that receives time-series current value data or voltage value data detected by the detecting means when a predetermined alternating current is applied to the first coil, performs inverse analysis, and outputs defect presence/absence estimation information;
Defect information notification means for notifying the presence or absence of defects present in the conductor rods of the cage rotor according to the defect presence/absence estimation information output from the neural network;
The neural network is optimized by self-learning, given in advance learning data about the multiple rotor models output from the rotor model analysis means. Defect detection equipment.
前記欠陥情報報知手段は、前記欠陥規模推定情報に応じて、前記籠型回転子の導体棒に存在する欠陥の規模を報知する
ことを特徴とする請求項１記載の籠型回転子の欠陥検出装置。 The neural network outputs defect size estimation information instead of defect presence/absence estimation information,
2. The defect detection of the squirrel cage rotor according to claim 1, wherein the defect information notifying means notifies the scale of the defect existing in the conductor rods of the cage rotor according to the defect scale estimation information. Device.
前記検出手段は、前記籠型回転子の他端から前記変動磁場発生手段が配置されている箇所の間に設定した複数箇所に順次配置され、
前記数値解析手段は、前記第２鉄心を各回転子モデルの他端から前記第１鉄心が配置されている箇所の間に設定した複数箇所に順次配置し、前記第１コイルに所定の交流を印加した場合に、前記第２コイルに誘起される電流値又は電圧値を数値解析するものであり、
前記特定情報は、数値解析の対象であって、前記第２鉄心を前記複数箇所に順次配置した回転子モデルを特定する情報であり、
前記ニューラルネットワークは、前記時系列の電流値データ又は電圧値データ及び前記検出手段の配置位置データを受けて逆解析を行い、欠陥有無推定情報及び欠陥位置推定情報を出力し、
前記欠陥情報報知手段は、前記ニューラルネットワークから出力された前記欠陥有無推定情報及び欠陥位置推定情報に応じて、前記籠型回転子の導体棒に存在する欠陥の有無及び位置を報知する
ことを特徴とする請求項１記載の籠型回転子の欠陥検出装置。 The variable magnetic field generating means is arranged on one end side of the squirrel cage rotor,
The detection means are sequentially arranged at a plurality of positions set between the other end of the squirrel cage rotor and the position where the variable magnetic field generation means is arranged,
The numerical analysis means sequentially arranges the second iron cores at a plurality of locations set between the other end of each rotor model and the locations where the first iron cores are arranged, and applies a predetermined alternating current to the first coils. Numerical analysis of the current value or voltage value induced in the second coil when applied,
The specific information is information for specifying a rotor model, which is a target of numerical analysis and in which the second iron cores are sequentially arranged at the plurality of locations,
The neural network receives the time-series current value data or voltage value data and the arrangement position data of the detection means, performs reverse analysis, and outputs defect presence/absence estimation information and defect position estimation information,
The defect information notifying means notifies the presence or absence and position of defects existing in the conductor rods of the cage-type rotor according to the defect presence/absence estimation information and the defect position estimation information output from the neural network. 2. A defect detection device for a squirrel cage rotor according to claim 1.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022084040A JP7176706B1 (en) | 2022-05-23 | 2022-05-23 | Defect detection device for squirrel cage rotor using AI |
| PCT/JP2023/015584 WO2023228632A1 (en) | 2022-05-23 | 2023-04-19 | Ai-based defect detection device for cage rotor |
| TW112115742A TW202413943A (en) | 2022-05-23 | 2023-04-27 | AI-based defect detection device for cage rotor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022084040A JP7176706B1 (en) | 2022-05-23 | 2022-05-23 | Defect detection device for squirrel cage rotor using AI |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7176706B1 true JP7176706B1 (en) | 2022-11-22 |
| JP2023172330A JP2023172330A (en) | 2023-12-06 |
Family
ID=84144780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022084040A Active JP7176706B1 (en) | 2022-05-23 | 2022-05-23 | Defect detection device for squirrel cage rotor using AI |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP7176706B1 (en) |
| TW (1) | TW202413943A (en) |
| WO (1) | WO2023228632A1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113075289A (en) | 2021-03-31 | 2021-07-06 | 北京理工大学 | Metal cylinder defect parameter detection method and system |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3608846B2 (en) * | 1995-07-18 | 2005-01-12 | ファナック株式会社 | Defect detection device for conductor part of vertical rotor |
| JP6950664B2 (en) * | 2018-10-31 | 2021-10-13 | Ｊｆｅスチール株式会社 | Defect judgment method, defect judgment device, steel sheet manufacturing method, defect judgment model learning method, and defect judgment model |
| JP7100571B2 (en) * | 2018-12-13 | 2022-07-13 | 株式会社荏原製作所 | A method of building a predictive model that predicts the number of plates that can be plated, a method of building a selection model for predicting the components that cause defects, and a method of predicting the number of boards that can be plated. |
-
2022
- 2022-05-23 JP JP2022084040A patent/JP7176706B1/en active Active
-
2023
- 2023-04-19 WO PCT/JP2023/015584 patent/WO2023228632A1/en unknown
- 2023-04-27 TW TW112115742A patent/TW202413943A/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113075289A (en) | 2021-03-31 | 2021-07-06 | 北京理工大学 | Metal cylinder defect parameter detection method and system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023172330A (en) | 2023-12-06 |
| WO2023228632A1 (en) | 2023-11-30 |
| TW202413943A (en) | 2024-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Henao et al. | Analytical approach of the stator current frequency harmonics computation for detection of induction machine rotor faults | |
| CA2561000C (en) | Electric winding displacement detection method and apparatus | |
| JP5973716B2 (en) | Method and system for monitoring transformer health | |
| US20150130503A1 (en) | Method of processing recurrent surge oscillograph data to enable more precise location of generator rotor inter-turn shorts and ground faults | |
| EP2724169A2 (en) | Using values of prpd envelope to classify single and multiple partial discharge (pd) defects in hv equipment | |
| Faiz et al. | Diagnosing power transformers faults | |
| JP7176706B1 (en) | Defect detection device for squirrel cage rotor using AI | |
| EP2807496A1 (en) | Insulation defect detection of high voltage generator stator core | |
| Banaszak et al. | Evaluation of FRA and VM measurements complementarity in the field conditions | |
| JP2010085298A (en) | Pulse excitation type eddy current flaw detection method and device | |
| Bertenshaw et al. | Detection of stator core faults in large electrical machines | |
| Nazrulla et al. | A device for the study of electrical steel losses in stator lamination stacks | |
| Gotoh et al. | Electromagnetic inspection method of outer side defect on small and thick steel tube using both AC and DC magnetic fields | |
| Torkaman et al. | Recognition and location of power transformer turn to turn fault by analysis of winding imposed forces | |
| Gotoh et al. | Three-dimensional FEM analysis of electromagnetic inspection of outer side defects on steel tube using inner coil | |
| Al-Ammar et al. | Transfer function analysis using STFT for improvement of the fault detection sensitivity in transformer impulse test | |
| US556646A (en) | Device for detecting short circuits | |
| Marks et al. | Magnetostriction model of large power transformer magnetic core | |
| JP2008096158A (en) | Method and apparatus for specifying position of coil damage | |
| Borrill | Duality derived topological model of single phase four limb transformers for GIC and DC bias studies | |
| JPH07191104A (en) | Iron core deterioration diagnostic method for ac generator and motor | |
| Sahoo et al. | Winding deformation analysis in power transformers using Finite Element Method | |
| JP6007923B2 (en) | Thinning detection device | |
| US11695366B2 (en) | Short circuit detection device, and short circuit detection method for rotating electric machine | |
| Akiror et al. | Detection of lamination faults from rotating, magnetic fields |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220525 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220525 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221004 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221101 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7176706 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |