Sonlu Elemanlar Yöntemi ile Fırçasız Doğru AkımMotorunun (BLDC) Kısa Devre Arıza Analizi

Üç fazlı sürekli mıknatıslı fırçasız makineler, güvenilirlik ve hata toleransının önemli olduğu birçokuygulamada kullanılır. Bu çalışmada, dış rotorlu sürekli mıknatıslı bir fırçasız doğru akım (BLDC) motorunun arızasının benzetimini yapmak için, stator faz devresine ek paralel bir empedans eklenereksargıda oluşan yalıtım bozulması modellenmiştir. Arıza empedansı, manyetik bozulmaya neden olan dolaşımakımını hesaplamak için gereklidir. Motor akım imza analizi (MCSA) arızalı motorun akım işaretleri üzerindeki değişimi göz önünde bulundurularak farklı şiddette arıza tespiti için analizler yapılır. Kısa devrearıza modellemesi sonlu elemanlar yöntemi (SEY) ile gerçekleştirilip kullanılan program ile stator çıkışişaretlerine Hızlı Fourier Dönüşümü (FFT) uygulanarak öznitelik çıkarımı elde edilmiştir. Sınıflandırıcıolarak k en yakın komşu (k-NN), çok katmanlı algılayıcı yapay sinir ağları (MLP), karar ağaçları (RT) gibifarklı sınıflandırma metotları uygulanarak kısa devre arızaların oluşumunu ve şiddetini tahmin etmedekullanılmıştır. İki farkı öz nitelik çıkarımı ile arıza tespitinin doğruluğu karşılaştırıldıktan sonra uygun öznitelik veri seti seçilip, sunulan kriterin kısa devre hatası tespit edilmiştir. Arıza tespitinde, MLPsınıflandırma metodu %80 başarı oranına sahip olmasına karşın k-NN ve RT metotlarında %100 başarı eldeedilmiştir. Bu durumda arıza tespiti için uygulanan k-NN ve RT metotlarının oldukça başarılı olduğugörülmektedir.

PDF

___

[1] B. M. Ebrahimi and J. Faiz, “Feature extraction for short-circuit fault detection in permanent-magnet synchronous motors using stator-current monitoring,” IEEE Trans. Power Electron., 2010.
[2] K.-H. Kim, D.-U. Choi, B.-G. Gu, and I.- S. Jung, “Fault model and performance evaluation of an inverter-fed permanent magnet synchronous motor under winding shorted turn and inverter switch open,” IET Electr. Power Appl., 2010.
[3] J. Faiz and S. A. H. Exiri, “Short-circuit fault diagnosis in permanent magnet synchronous motors- an overview,” Jt. Int. Conf. - ACEMP 2015 Aegean Conf. Electr. Mach. Power Electron. OPTIM 2015 Optim. Electr. Electron. Equip. ELECTROMOTION 2015 Int. Symp. Adv. Electromechanical Moti, pp. 18–27, 2016.
[4] A. Siddique, G. S. Yadava, and B. Singh, “A review of stator fault monitoring techniques of induction motors,” IEEE Transactions on Energy Conversion. 2005.
[5] J. Lee, Y. J. Jeon, D. C. Choi, S. Kim, and S. W. Kim, “Demagnetization fault diagnosis method for PMSM of electric vehicle,” IECON Proc. (Industrial Electron. Conf., no. 1, pp. 2709–2713, 2013.
[6] H. Li, J. Hang, J. Fang, P. Zhang, S. Ding, and Q. Wang, “Inter-turn fault diagnosis of permanent magnet synchronous machine based on variational mode decomposition,” Proc. 13th IEEE Conf. Ind. Electron. Appl. ICIEA 2018, pp. 2422–2425, 2018.
[7] J. K. Park, C. L. Jeong, S. T. Lee, and J. Hur, “Early detection technique for stator winding inter-turn fault in BLDC motor using input impedance,” IEEE Trans. Ind. Appl., vol. 51, no. 1, pp. 240–247, 2015.
[8] Y. Da, X. Shi, and M. Krishnamurthy, “A new approach to fault diagnostics for permanent magnet synchronous machines using electromagnetic signature analysis,” IEEE Trans. Power Electron., vol. 28, no. 8, pp. 4104–4112, 2013.
[9] H. A.Toliyat and T. A.Lip, “Transient Analysis of Cage Induction Machines Under Stator, Rotor Bar and End Ring Faults,” IEEE Trans. Energy Convers., vol. 10, no. 2, pp. 241–247, 1995.
[10] E. Corporate, “A New Approach to OnLine Turn Fault Detection in AIC Motors,” 1996.
[11] A. Witten, I. H., Frank, E., & Mark, Data mining: practical machine learning tools and techniques. 2011.
[12] P. S. Panigrahy, P. Konar, and P. Chattopadhyay, “Application of data mining in fault diagnosis of induction motor,” in 2016 IEEE 1st International Conference on Control, Measurement and Instrumentation, CMI 2016, 2016.
[13] M. Kuncan, K. Kaplan, M. R. Minaz, Y. Kaya, and H. M. Ertunç, “A novel feature extraction method for bearing fault classification with one dimensional ternary patterns,” no. xxxx, 2019.
[14] M. Kuncan, K. Kaplan, M. R. Mı̇naz, Y. Kaya, and H. M. Ertunç, “A novel feature extraction method for bearing fault classification with one dimensional ternary patterns,” ISA Trans., 2019.
[15] Y. Kaya, M. Kuncan, K. Kaplan, M. R. Minaz, and H. M. Ertunç, “Classification of bearing vibration speeds under 1DLBP based on eight local directional filters,” Soft Comput., vol. 2, 2020.
[16] K. Kaplan, Y. Kaya, M. Kuncan, M. R. Mı̇naz, and H. M. Ertunç, “An improved feature extraction method using texture analysis with LBP for bearing fault diagnosis,” Appl. Soft Comput. J., vol. 87, 2020.
[17] M. Minaz and K. Yıldız, “Veri Madenciliği Kullanılarak İndiksiyon Motorun Mekanik Arıza Teşhisi,” Eur. J. Sci. Technol., no. 16, pp. 881–904, 2019.
[18] F. Gürbüz and F. Turna, “Rule extraction for tram faults via data mining for safe transportation,” Transp. Res. Part A Policy Pract., 2018.
[19] E. Taşcı and A. Onan, “K- En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi,” Xviii.AkademiBı̇lı̇şı̇m Konf., p. 8, 2016.
[20] M. S. Özerdem and K. Karadağ, “Parmak hareketlerine ilişkin ECoG örüntülerin AR tabanlı öznitelikler ile sınıflandırılması,” Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Derg., vol. 5, no. 2, pp. 89–97, 2014.
[21] M. F. Keskenler and E. F. Keskenler, “Geçmişten Günümüze Yapay Sinir Ağları ve Tarihçesi,” Tak. Vekayi ISSN2148-0087, vol. 5, no. 2, p. 18, 2017.
[22] M. ATALAY and E. ÇELİK, “BüyükVeriAnalı̇zı̇nde Yapay Zekâ VeMakı̇neÖğrenmesı̇ Uygulamalari - Artificial Intelligence and Machine Learning Applications in Big Data Analysis,” Mehmet Akif Ersoy Üniversitesi Sos. Bilim. Enstitüsü Derg., pp. 155–172, 2017.
[23] B. Demirel, “Veri Madenciliğinde Chaıd Algoritmasının Sosyal Güvenlik Kurumu Veri Tabanına Uygulanması,” 2010.
[24] D. Muslu, “Sigortacılık Sektöründe Risk Analizi: Veri Madenciliği Uygulaması,” 2009.
[25] Ü. Sezer, “Karar Agaçlarının Birliktelik Kuralları İle İyileştirilmesi,” 2008.
[26] Z. Ullah and J. Hur, “A comprehensive review of winding short circuit fault and irreversible demagnetization fault detection in PM type machines,” Energies, vol. 11, no. 12, 2018.
[27] A. Gandhi, T. Corrigan, and L. Parsa, “Recent advances in modeling and online detection of stator interturn faults in electrical motors,” IEEE Trans. Ind. Electron., 2011.
[28] M. Zafarani, E. Bostanci, Y. Qi, T. Goktas, and B. Akin, “Interturn shortcircuit faults in permanent magnet synchronous machines: An extended review and comprehensive analysis,” IEEE Journal of Emerging and Selected Topics in Power Electronics. 2018.
[29] C. M. Gheorghiţǎ, M. Adam, M. Andruşcǎ, A. Munteanu, and A. Dragomir, “About contact resistance of the electrical equipment,” Proc. - 2017 Int. Conf. Mod. Power Syst. MPS 2017, no. Mps, pp. 3–6, 2017.
[30] A. Sapena-Bañó, M. Pineda-Sanchez, R. Puche-Panadero, J. Martinez-Roman, and D. Matić, “Fault Diagnosis of Rotating Electrical Machines in Transient Regime Using a Single Stator Current’s FFT,” IEEE Trans. Instrum. Meas., 2015.
[31] J. Pons-llinares, J. A. Antonino-daviu, M. Riera-guasp, M. Pineda-sanchez, and V. Climente-alarcon, “Current Analytic Wavelet Transform via Frequency BSplines,” IEEE Trans. Ind. Electron., vol. 58, no. 5, pp. 1530–1544, 2011.
[32] J. W. Bennett, G. J. Atkinson, B. C. Mecrow, and D. J. Atkinson, “Faulttolerant design considerations and control strategies for aerospace drives,” IEEE Trans. Ind. Electron., vol. 59, no. 5, pp. 2049–2058, 2012.
[33] S. Rajagopalan, J. A. Restrepo, J. M. Aller, T. G. Habetler, and R. G. Harley, “Wigner-Ville distributions for detection of rotor faults in brushless DC (BLDC) motors operating under non-stationary conditions,” SDEMPED 2005 - Int. Symp. Diagnostics Electr. Mach. Power Electron. Drives, vol. 42, no. 6, pp. 1464–1477, 2005.