KR101348635B1 - 유도전동기 회전자의 고장 진단 장치 및 방법 - Google Patents

유도전동기 회전자의 고장 진단 장치 및 방법 Download PDF

Info

Publication number
KR101348635B1
KR101348635B1 KR1020120072705A KR20120072705A KR101348635B1 KR 101348635 B1 KR101348635 B1 KR 101348635B1 KR 1020120072705 A KR1020120072705 A KR 1020120072705A KR 20120072705 A KR20120072705 A KR 20120072705A KR 101348635 B1 KR101348635 B1 KR 101348635B1
Authority
KR
South Korea
Prior art keywords
failure
rotor
motor
induction motor
fault
Prior art date
Application number
KR1020120072705A
Other languages
English (en)
Inventor
윤영우
황돈하
강동식
김용화
선종호
Original Assignee
한국전기연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국전기연구원 filed Critical 한국전기연구원
Priority to KR1020120072705A priority Critical patent/KR101348635B1/ko
Application granted granted Critical
Publication of KR101348635B1 publication Critical patent/KR101348635B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/34—Testing dynamo-electric machines
    • G01R31/346—Testing of armature or field windings
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02K—DYNAMO-ELECTRIC MACHINES
    • H02K11/00—Structural association of dynamo-electric machines with electric components or with devices for shielding, monitoring or protection
    • H02K11/20—Structural association of dynamo-electric machines with electric components or with devices for shielding, monitoring or protection for measuring, monitoring, testing, protecting or switching
    • H02K11/21—Devices for sensing speed or position, or actuated thereby
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
    • H02P21/141—Flux estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

본 발명은 유도전동기의 회전자의 고장 진단을 위하여 기존의 고유값을 예측하는 방식 중 MUSIC 기법보다 더 정확하고 복잡도가 작은 ESPRIT(Estimation of signal parameters via rotational invariance techniques) 기법을 사용하여 다수의 고장 지표를 예측하고, 고유값 예측을 통해 구한 여러 고장 지표들의 개수의 많고 적음에 따라 고장 진단을 수행함으로써, 더욱 정확하고 간단하면서 진단 성능을 향상시킬 수 있는 유도전동기 회전자의 고장 진단 장치 및 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 유도전동기에서 부하(load)의 비율이 작은 경우에 MDL(Minimum Description Length) 기법을 이용하여 고유값을 분석하고, 잡음 고유값보다 크기가 큰 신호 고유값들의 개수를 새로운 고장 지표로 사용함으로써, 고장 진단을 완벽하게 수행할 수 있는 유도전동기 회전자의 고장 진단 장치 및 방법을 제공하는데 그 목적이 있다.

Description

유도전동기 회전자의 고장 진단 장치 및 방법{Diagnosis apparatus and methof for broken rotor bar in induction motors}
본 발명은 유도전동기의 회전자 고장 진단에 있어서 부하가 적은 경우에도 고장 진단을 정확하게 수행할 수 있는 유도전동기 회전자의 고장 진단 장치 및 방법에 관한 것이다.
산업 현장에 널리 사용하고 있는 유도전동기, 특히 유도전동에서도 회전자의 예기치 않은 고장은 전체 또는 일부 프로세스의 마비로 이어질 수 있으며, 이로 부터 치명적인 사고와 경제손실을 초래할 수 있다.
최근, 이러한 고장들에 의한 사고를 미연에 방지할 수 있는 고장진단 기술이 유지보수의 측면과 더불어 중요한 부분으로 부각되고 있다.
상기 회전자의 고장 진단을 위한 다양한 방식들이 제안되어 왔는데, 첫번째로 FFT(Fast Fourier Transform) 방식을 이용하여 고장 진단하는 방식들이 제안되어 있다.
그런데, FFT 기법을 이용하는 방식의 경우에 데이터에 대한 높은 정밀도를 가지기 위해서 많은 수의 데이터를 저장해야 하는 단점, 즉 주파수 분해능( frequency resolution) 문제가 있다.
두번째로, 웨이블릿 트랜스폼(wavelet-transform)을 이용한 고장 진단 방식이 제안되어 있다.
그러나, 상기 웨이블릿 트랜스폼 진단 방식의 경우에 사전에 고장 주파수를 알고 이를 이용하여 필터를 설계해야하는 단점이 있다.
상기 FFT 기법과 웨이블릿 트랜스폼 기법의 단점을 극복하기 위해 고유값(eigenvalue)을 이용한 높은 정밀도를 가지는 MUSIC(Multiple signal classification) 방식을 이용하여 회전자 고장 진단을 하는 방식이 제안되었다.
상기 MUSIC 방식은 배열신호처리문제에서 널리 사용되는 방법으로, 안테나(또는 센서)에 측정된 데이터들로 이루어진 공간을 신호 공간과 잡음 공간으로 분리하여 신호원들의 위치에 대한 벡터가 잡음공간과 직교함을 이용하여 위치를 추적하는 방법이다. 이때에 신호 공간과 잡음 공간을 분리하기 위해서는 신호원들의 시간 축으로의 파형이 간섭이 서로 없어야 한다.
하지만, 이 MUSIC 방식의 경우에 예를 들면 육안을 통한 분석, 간단한 주파수 성분의 크기 증가를 기반으로 고장 진단을 하므로, 고장 진단 기법의 성능이 떨어지는 단점이 있다.
또한, 유도전동기에서 부하(Load)의 비율이 작은 경우에 회전자 고장 진단을 위한 고장 지표가 유도전동기 전원주파수(대부분 50 or 60Hz)에 매우 가깝게 나타나서, 이를 분리하기 어려운 단점이 있다.
즉, 기존의 고장 진단 방식에서는 유도전동기의 부하가 작고, 슬립이 거의 0에 가까운 경우에 고장 진단을 할 수가 없었다.
본 발명은 상기한 문제점을 해결하기 위해 발명한 것으로서, 유도전동기의 회전자의 고장 진단을 위하여 기존의 고유값을 예측하는 방식 중 MUSIC 기법보다 더 정확하고 복잡도가 작은 ESPRIT(Estimation of signal parameters via rotational invariance techniques) 기법을 사용하여 다수의 고장 지표를 예측하고, 고유값 예측을 통해 구한 여러 고장 지표들의 개수의 많고 적음에 따라 고장 진단을 수행함으로써, 더욱 정확하고 간단하면서 진단 성능을 향상시킬 수 있는 유도전동기 회전자의 고장 진단 장치 및 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 유도전동기에서 부하(load)의 비율이 작은 경우에 MDL(Minimum Description Length) 기법을 이용하여 고유값을 분석하고, 잡음 고유값보다 크기가 큰 신호 고유값들의 개수를 새로운 고장 지표로 사용함으로써, 고장 진단을 완벽하게 수행할 수 있는 유도전동기 회전자의 고장 진단 장치 및 방법을 제공하는데 그 목적이 있다.
상기한 목적을 달성하기 위하여 본 발명에 따른 유도전동기 회전자의 고장 진단 장치는
기존의 고유값을 예측하는 방식 중 MDL(Minimum Description Length) 기법을 이용하여 신호 고유값들의 수(hat(M))를 예측하고, 유도전동기의 부하가 적은 경우에 상기 신호 고유값들의 수를 고장 지표로 사용하여 회전자의 고장을 진단할 수 있도록 된 고유값 수 예측 모듈(FSDO Estimtor); 및 ESPRIT(Estimation of signal parameters via rotational invariance techniques) 기법을 이용하여 회전자로부터 발생하는 고장 주파수 개수(KB)를 예측하고, 상기 유도전동기의 부하가 많은 경우에 상기 고장 주파수 개수를 고장 지표로 사용하여 회전자의 고장을 진단할 수 있도록 된 ESPRIT 기반의 주파수 예측 모듈;을 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 유도전동기 회전자의 고장 진단 방법은 유도전동기의 속도를 예측하는 단계; 상기 유도전동기의 속도를 이용하여 전동기 부하의 적고 많음을 판단하는 단계; 상기 전동기 부하가 적은 경우에 MDL 기법을 이용하여 예측되는 신호 고유값들의 수(hat(M))를 고장 지표로 사용하여 회전자의 고장 진단을 수행하는 단계; 및 상기 전동기 부하가 많은 경우에 ESPRIT 기법을 이용하여 예측되는 회전자 고장 주파수의 개수(KB)를 고장 지표로 사용하여 회전자의 고장 진단을 수행하는 단계;를 포함하여 더욱 정확한 회전자의 고장 진단을 수행할 수 있는 것을 특징으로 한다.
본 발명에 따른 유도전동기 회전자의 고장 진단 장치 및 방법의 장점을 설명하면 다음과 같다.
첫째로, 기존의 고유값을 예측하는 기술 중 MUSIC 기법 대신에 ESPRIT 기법을 적용하여 전동기 부하의 비율이 많은 경우에 고장 주파수의 개수(KB)의 많고 적음에 따라 회전자의 고장 진단을 보다 정확하고 효율적으로 수행할 수 있고, 이는 간단한 소프트웨어를 통해 구현가능하다.
둘째로, MDL 기법을 이용하여 잡음 고유값보다 크기가 큰 신호 고유값들의 개수의 많고 적음에 따라 전동기 부하의 비율이 매우 적은 경우에도 회전자의 고장 진단을 정확하게 수행할 수 있다.
도 1은 본 발명의 회전자 고장(Broken rotor bar) 진단 방식을 설명하기 위한 블록 다이어그램
도 2는 본 발명에 따른 고장 진단 모듈의 순서도
도 3은 전동기의 부하가 거의 없고 슬립(slip)이 0(zero)에 가까울 때 FFT, MUSIC 및 ESPRIT 기법을 이용하여 수행된 (a)정상 모터(Healty motor), (b)한 개의 고장 회전자를 가진 모터, (c)두 개의 고장 회전자(Broken Rotor Bar)를 가진 모터의 스펙트럼을 분석하기 위한 스펙트럼
도 4는 전동기의 부하가 50% 일 때 FFT, MUSIC 및 ESPRIT 기법을 이용하여 수행된 (a)정상 모터(Healty motor), (b)한 개의 고장 회전자를 가진 모터, (c)두 개의 고장 회전자(Broken Rotor Bar)를 가진 모터의 스펙트럼을 분석하기 위한 스펙트럼
도 5는 전동기의 부하가 80% 일 때 FFT, MUSIC 및 ESPRIT 기법을 이용하여 수행된 (a)정상 모터(Healty motor), (b)한 개의 고장 회전자를 가진 모터, (c)두 개의 고장 회전자(Broken Rotor Bar)를 가진 모터의 스펙트럼을 분석하기 위한 스펙트럼
도 6은 전동기의 부하가 (a)없을 때(no load), (b)50% 및 (c)80% 일때 ESPRIT 기법을 이용하여 예측한 고장 주파수의 개수(KB)의 누적 분배 함수(CDFs; Cumulative distribution functions)를 보여주는 그래프
도 7은 전동기의 부하가 (a)없을 때(no load), (b)50% 및 (c)80% 일 때 MDL 기법을 이용하여 신호 고유값들의 수 hat(M)의 누적 분배 함수(CDFs; Cumulative distribution functions)를 보여주는 그래프
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세하게 설명하기로 한다.
첨부한 도 1은 본 발명의 회전자 고장(Broken rotor bar) 진단 방식을 설명하기 위한 블록 다이어그램이고, 도 2는 본 발명에 따른 고장 진단 모듈의 순서도이다.
본 발명은 유도전동기 회전자의 고장 진단을 수행함에 있어서 보다 정확하면서 간단하게 그리고 유도전동기의 부하가 작은 경우에도 고유값을 분석할 수 있는 유도전동기 회전자의 고장 진단 장치 및 방법에 관한 것이다.
본 발명에서는 유도전동기의 회전자의 고장 진단을 위하여 유도전동기의 전류 신호를 이용하여 고장 진단을 수행한다.
본 발명은 고유값을 예측하여 전동기의 고장을 진단하는 방식 중 MUSIC 기법보다 더욱 정확하면서 더 간단한 ESPRIT(Estimation of signal parameters via rotational invariance techniques) 기법을 사용하여 고장 지표를 예측한다.
또한, 본 발명은 하나의 고장 지표로 고장 진단을 수행하는 것이 아니라, 고유값 예측을 통해서 구한 여러 고장 지표들을 이용하여 여러 고장 지표들의 개수의 많고 적음에 따라 고장 진단을 수행하는 새로운 기법을 제시한다.
아울러, 본 발명에서는 유도전동기의 부하가 작은 경우에도 고유값들을 분석하여 잡음 고유값보다 크기가 큰 신호 고유값들의 개수를 새로운 고장 지표로 사용한다.
상기 유도전동기의 부하가 작은 경우에 고유값을 분석하는 방식은 MDL(Minimum Description Length) 기법을 이용한다.
그리고, 실험을 통하여 고장 진단 파라미터 값들을 설정하여 고장 진단이 완벽하게 수행되었음을 입증하였다.
유도전동기의 회전자에서 발생한 신호는 상관 행렬 예측(Estimation of correlation matrix) 단계와 고유값 분해(Eigen Decomposition) 단계를 거쳐 고유값 수 예측 모듈(FSDO Estimator)와 ESPRIT 기반의 주파수 예측 모듈로 입력된다.
상기 고유값 수 예측 모듈(FSDO Estimator)은 고유값들을 분석하여 잡음 고유값들의 수와 신호 고유값들의 수를 예측하는 모듈이며, MDL(Minimum Description Length) 방식을 사용한다.
상기 고유값 수 예측 모듈에서 발생된 신호 고유값들의 수를 hat(M)으로 정의하며, 이 신호 고유값들의 수를 ESPRIT 기반의 주파수 예측 모듈(ESPRIT-based Frequency Estimator)과 고장 진단 모듈(Fault Decision Module)에 전달한다.
상기 ESPRIT 기반의 주파수 예측 모듈에서는 고장 주파수들을 추정하고, 회전자 고장에 해당되는 주파수 범위 안의 주파수 개수(이하, 고장 주파수의 개수( KB)라고 함)를 고장 진단 모듈에 전달한다.
이하, 고장 진단 모듈에서 유도전동기의 회전자 고장 진단 방법을 설명하기로 한다.
먼저 유도전동기의 속도(Motor speed, Rs)를 예측(calculation)한 후, 예측한 전동기의 속도(Rs)와 고장 모의 실험을 통해 구한 전동기의 속도(Rth)를 비교하여 유도전동기의 부하의 많고 적음을 판단한다.
상기 유도전동기의 부하의 많고 적음에 따라 서로 다른 고유값 예측 방식을 사용한다.
예를 들어, 유도전동기의 부하가 적은 경우에 고유값 수 예측 모듈을 통해 예측된 신호 고유값들의 수 hat(M)을 고장 지표로 사용하고, 유도전동기의 부하가 많은 경우에는 ESPRIT 기반의 주파수 예측 모듈을 통해 예측된 고장 주파수 개수 KB 를 고장 지표로 사용하여 고장 모터(Faulty motor) 또는 정상 모터(Healty motor)인지 여부를 판단한다.
이때, 부하의 많고 적음 및 고장 지표(h(M), KB)의 판단기준으로 고장 모의 실험을 통해 구한 Rth, Kth, Mth를 이용한다.
여기서, 상기 유도전동기의 부하가 적은 경우 Rs>Rth 에 신호 고유값 M이 실험을 통해 구한 신호 고유값 Mth 보다 큰지 여부를 판단한다.
상기 신호 고유값 M이 Mth 보다 큰 경우에 고장 모터(faulty motor)로 판단한다.
반대로, 상기 신호 고유값 M이 Mth 보다 작거나 같은 경우에 정상 모터(healty motor)로 판단한다.
그리고, 상기 유도전동기의 부하가 많은 경우 Rs ≤Rth 에 ESPRIT 기반의 주파수 예측 모듈을 통해 예측된 고장 주파수 개수 KB가 실험을 통해 구한 회전자의 고장에 해당하는 주파수 범위 안의 주파수 개수 Kth 보다 큰 경우에 고장 모터로 판단한다.
반대로, ESPRIT 기반의 주파수 예측 모듈을 통해 예측된 고장 주파수 개수 KB가 실험을 통해 구한 회전자의 고장에 해당하는 주파수 범위 안의 주파수 개수 Kth 보다 작거나 같은 경우에 정상 모터로 판단한다.
실험예
도 3은 전동기의 부하가 거의 없고 슬립(slip)이 0(zero)에 가까울 때 FFT, MUSIC 및 ESPRIT 기법을 이용하여 수행된 (a)정상 모터(Healty motor), (b)한 개의 고장 회전자를 가진 모터, (c)두 개의 고장 회전자(Broken Rotor Bar)를 가진 모터의 스펙트럼을 분석하기 위한 스펙트럼이다.
도 3을 참조하면 유도전동기의 부하가 거의 없을 때 슬립(slip)이 0에 가까울 때 기존 기법(FFT 기법과 MUSIC 기법)으로는 회전자(Rotor Bar)의 결함을 검출할 수 없음을 보여준다.
도 4는 전동기의 부하가 50% 일 때 FFT, MUSIC 및 ESPRIT 기법을 이용하여 수행된 (a)정상 모터(Healty motor), (b)한 개의 고장 회전자를 가진 모터, (c)두 개의 고장 회전자(Broken Rotor Bar)를 가진 모터의 스펙트럼을 분석하기 위한 스펙트럼이다.
도 5는 전동기의 부하가 80% 일 때 FFT, MUSIC 및 ESPRIT 기법을 이용하여 수행된 (a)정상 모터(Healty motor), (b)한 개의 고장 회전자를 가진 모터, (c)두 개의 고장 회전자(Broken Rotor Bar)를 가진 모터의 스펙트럼을 분석하기 위한 스펙트럼이다.
도 4 및 도 5를 참조하면 고장의 정도가 증가, 즉 정상 모터(a)에서 모터의 고장 회전자(BRB)의 수가 1개 및 2개로 증가함에 따라 ESPRIT 기법을 이용하여 예측한 고장 주파수의 개수(KB , 매우 작은 동그라미(。)의 수)가 증가함을 알 수 있다.
도 6은 전동기의 부하가 (a)없을 때(no load), (b)50% 및 (c)80% 일때 ESPRIT 기법을 이용하여 예측한 고장 주파수의 개수(KB)의 누적 분배 함수(CDFs; Cumulative distribution functions)를 보여주는 그래프이다.
도 6을 참조하면 실험을 통해 구한 Kth=9 일 때, 전동기의 부하 정도에 따른 진단 확률을 보여준다.
전동기 부하가 적을 때, 즉 슬립값이 거의 0인 경우에 도 6(a)에서 ESPRIT 기법을 이용하여 예측한 고장 주파수의 개수(KB)를 사용하기 어렵다.
왜냐하면, 정상모터, 1개의 고장 회전자를 가진 모터 및 2개의 고장 회전자를 가진 모터의 주파수 개수(KB) 모두가 Kth=9보다 더 커서, KB 를 고장 지표로 하여 정상모터와 고장모터를 구분하기 어렵기 때문에, 이러한 경우에 고유값 수 예측 모듈(FSDO estimator)로 추정한 신호 고유값들의 수 hat(M)를 이용하여 진단한다.
이때, 상기 전동기 부하가 적을 때, 슬립값이 0인 경우를 제외하고, 도 6(b) 및 도 6(c) 인 경우에 KB 를 이용하여 전동기 회전자의 고장을 완벽하게 진단할 수 있다.
도 7은 전동기의 부하가 (a)없을 때(no load), (b)50% 및 (c)80% 일 때 MDL 기법을 이용하여 신호 고유값들의 수 hat(M)의 누적 분배 함수(CDFs; Cumulative distribution functions)를 보여주는 그래프이다.
도 7을 참조하면 Mth=163 일 때 전동기 부하 정도에 따른 진단 확률을 보여준다.
전동기 부하가 적을 때, 슬립값이 거의 0인 경우에 도 7(a)에서 hat(M)을 이용하면 회전자의 고장을 완벽하게 진단할 수 있다.
왜냐하면 실험을 통해 구한 Mth 을 사이에 두고 정상모터의 신호 고유값들의 수 hat(M)가 왼쪽에 그리고, 1개의 고장 회전자를 가진 모터 및 2개의 고장 회전자를 가진 모터의 신호 고유값들의 수 hat(M)가 오른쪽에 있기 때문에, 이러한 경우에 고유값 수 예측 모듈(FSDO estimator)로 추정한 신호 고유값들의 수 hat(M)를 이용하면 완벽하게 진단할 수 있다.
하지만 상기 부하값 이외(도 7(b) 및 도 7(c))에서는 진단의 정확도가 떨어진다.
따라서, 전동기의 속도(부하와 슬립에 연관이 있음)에 따라 부하가 적은 경우 hat(M)을 이용하여 진단하고, 부하가 많은 경우에 KB 를 이용하여 진단함으로써, 회전자의 결함을 완벽하게 진단할 수 있다.

Claims (4)

  1. 고유값을 예측하는 방식으로 유도전동기에서의 회전자의 고장을 진단하는 유도전동기 회전자의 고장 진단 장치에 있어서,
    MDL(Minimum Description Length) 기법을 이용하여 신호 고유값들의 수(hat(M))를 예측하고, 예측한 전동기의 속도(Rs)와 고장 모의 실험을 통해 구한 전동기의 속도(Rth)를 비교하여 Rs > Rth인 경우, 상기 신호 고유값들의 수를 고장 지표로 사용하여 회전자의 고장을 진단할 수 있도록 된 고유값 수 예측 모듈(FSDO Estimtor); 및
    ESPRIT(Estimation of signal parameters via rotational invariance techniques) 기법을 이용하여 회전자로부터 발생하는 고장 주파수 개수(KB)를 예측하고, 예측한 전동기의 속도(Rs)와 고장 모의 실험을 통해 구한 전동기의 속도(Rth)를 비교하여 Rs ≤ Rth인 경우, 상기 고장 주파수 개수를 고장 지표로 사용하여 회전자의 고장을 진단할 수 있도록 된 ESPRIT 기반의 주파수 예측 모듈;
    을 포함하는 것을 특징으로 하는 유도전동기 회전자의 고장 진단 장치.
  2. 유도전동기의 속도를 예측한 후, 예측한 전동기의 속도(Rs)와 고장 모의 실험을 통해 구한 전동기의 속도(Rth)를 비교하는 단계;
    예측한 전동기의 속도(Rs)와 고장 모의 실험을 통해 구한 전동기의 속도(Rth)를 비교하여 Rs > Rth인 경우, 신호 고유값들의 수(hat(M))를 고장 지표로 사용하여 회전자의 고장 진단을 수행하는 단계;
    예측한 전동기의 속도(Rs)와 고장 모의 실험을 통해 구한 전동기의 속도(Rth)를 비교하여 Rs ≤ Rth인 경우, 회전자 고장 주파수의 개수(KB)를 고장 지표로 사용하여 회전자의 고장 진단을 수행하는 단계;
    를 포함하여 이루어지는 것을 특징으로 하는 유도전동기 회전자의 고장 진단 방법.
  3. 청구항 2에 있어서,
    상기 신호 고유값들의 수(hat(M))는 MDL(Minimum Description Length) 기법을 이용하여 예측되는 것을 특징으로 하는 유도전동기 회전자의 고장 진단 방법.
  4. 청구항 2에 있어서,
    상기 회전자 고장 주파수의 개수(KB)는 ESPRIT(Estimation of signal parameters via rotational invariance techniques) 기법을 이용하여 예측되는 것을 특징으로 하는 유도전동기 회전자의 고장 진당 방법.
KR1020120072705A 2012-07-04 2012-07-04 유도전동기 회전자의 고장 진단 장치 및 방법 KR101348635B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120072705A KR101348635B1 (ko) 2012-07-04 2012-07-04 유도전동기 회전자의 고장 진단 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120072705A KR101348635B1 (ko) 2012-07-04 2012-07-04 유도전동기 회전자의 고장 진단 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101348635B1 true KR101348635B1 (ko) 2014-01-08

Family

ID=50144814

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120072705A KR101348635B1 (ko) 2012-07-04 2012-07-04 유도전동기 회전자의 고장 진단 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101348635B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9837945B2 (en) 2015-08-12 2017-12-05 Hyundai Motor Company Motor control method and system
CN109783770A (zh) * 2018-11-27 2019-05-21 中国农业大学 频率分析方法及装置
CN113447815A (zh) * 2021-07-08 2021-09-28 江苏大学 一种基于实值esprit的电机故障在线检测方法及系统
KR20220057233A (ko) * 2020-10-29 2022-05-09 경북대학교 산학협력단 유도 전동기의 턴 쇼트 고장 진단 장치 및 그 방법
US11988715B2 (en) 2020-10-29 2024-05-21 Kyungpook National University Industry-Academic Cooperation Foundation Device for diagnosing turn-short fault of induction motor and method thereof

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070046438A (ko) * 2005-10-31 2007-05-03 재단법인 포항산업과학연구원 유도 전동기 회전자 이상 검출방법 및 검출장치
KR20090078075A (ko) * 2008-01-14 2009-07-17 충북대학교 산학협력단 Ｄｆｔ와 웨이블렛을 이용한 유도전동기 고장진단방법
KR20110059991A (ko) * 2009-11-30 2011-06-08 한국전기연구원 다중 경로 채널 추정 장치 및 그 방법
KR20110102568A (ko) * 2010-03-11 2011-09-19 고려대학교 산학협력단 인버터 구동 유도 전동기의 회전자 고장 진단 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 매체

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070046438A (ko) * 2005-10-31 2007-05-03 재단법인 포항산업과학연구원 유도 전동기 회전자 이상 검출방법 및 검출장치
KR20090078075A (ko) * 2008-01-14 2009-07-17 충북대학교 산학협력단 Ｄｆｔ와 웨이블렛을 이용한 유도전동기 고장진단방법
KR20110059991A (ko) * 2009-11-30 2011-06-08 한국전기연구원 다중 경로 채널 추정 장치 및 그 방법
KR20110102568A (ko) * 2010-03-11 2011-09-19 고려대학교 산학협력단 인버터 구동 유도 전동기의 회전자 고장 진단 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 매체

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9837945B2 (en) 2015-08-12 2017-12-05 Hyundai Motor Company Motor control method and system
CN109783770A (zh) * 2018-11-27 2019-05-21 中国农业大学 频率分析方法及装置
KR20220057233A (ko) * 2020-10-29 2022-05-09 경북대학교 산학협력단 유도 전동기의 턴 쇼트 고장 진단 장치 및 그 방법
KR102488028B1 (ko) 2020-10-29 2023-01-13 경북대학교 산학협력단 유도 전동기의 턴 쇼트 고장 진단 장치 및 그 방법
US11988715B2 (en) 2020-10-29 2024-05-21 Kyungpook National University Industry-Academic Cooperation Foundation Device for diagnosing turn-short fault of induction motor and method thereof
CN113447815A (zh) * 2021-07-08 2021-09-28 江苏大学 一种基于实值esprit的电机故障在线检测方法及系统

Similar Documents

Publication Publication Date Title
JP6361175B2 (ja) 異常診断装置及びプログラム
US9759774B2 (en) Anomaly diagnosis system, method, and apparatus
JP6406261B2 (ja) 情報処理装置、及び、分析方法
KR101348635B1 (ko) 유도전동기 회전자의 고장 진단 장치 및 방법
KR101539896B1 (ko) 유도전동기 오류 진단 방법
Chen et al. Estimation of frequency components in stator current for the detection of broken rotor bars in induction machines
EP3526575B1 (en) Detection of faulty bearings
EP3637209A1 (en) Motion-insensitive features for condition-based maintenance of factory robots
CN111649886B (zh) 异常检测装置、旋转机械、异常检测方法及计算机可读取的存储介质
CN117471227B (zh) 汽车线束参数性能测试方法及测试系统
EP2135144B1 (en) Machine condition monitoring using pattern rules
US7949497B2 (en) Machine condition monitoring using discontinuity detection
US10742535B2 (en) Monitoring a resource consumption of an application
JP2010266327A (ja) 設備診断装置及び設備診断方法
US20190331721A1 (en) Noise spectrum analysis for electronic device
JP6968323B1 (ja) 異常診断装置及び異常診断方法
JP2016045852A (ja) 異常診断装置及び異常診断方法
KR200486953Y1 (ko) 지능형 전동기 상태 진단장치
JP7485693B2 (ja) 機器監視のための装置
Yaqub et al. Machine fault severity estimation based on adaptive wavelet nodes selection and SVM
CN116298719A (zh) 设备绝缘老化识别方法、装置、电子设备及存储介质
RU2451299C1 (ru) Устройство диагностирования в реальном времени системы электродвижения судна
JP5771318B1 (ja) 異常診断装置及び異常診断方法
JP2015161506A (ja) 信号解析装置、信号解析方法、劣化診断装置及び劣化診断方法
KR101416626B1 (ko) 유도전동기 고장 진단 장치 및 이를 이용한 진단 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20161230

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171214

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20181231

Year of fee payment: 6