|
|
Fault relevance diagnostics of the PMSM under the inter-turn short circuit fault
Zezula, Lukáš ; Václavek, Pavel (referee) ; Blaha, Petr (advisor)
Tato práce popisuje matematické modelování mezizávitových zkratů fázového vinutí synchronního motoru s permanentními magnety, diskretizaci odvozeného modelu a diagnostiku závažnosti zkratu založenou na referenčním modelu. Popis zkratovaného stroje je vytvořen v proměnných statoru s uvažováním sérioparalelního zapojení vinutí a následně transformován do referenčního rámce rotoru pomocí rozšířené Clarkové a Parkovy transformační matice. Diskrétní ekvivalent navrženého modelu je vytvořen pomocí definované diskretizace lineárních časově variantních systémů, přičemž je uvažováno, že elektrická úhlová rychlost je časově variantní parametr s definovaným integrálem. Diskrétní model je transformován do referenčního rámce statoru, aby se maximalizovala perzistence vstupních signálů. Diagnostika závažnosti zkratu je poté realizována pomocí rekurzivního parametrického odhadu diskrétního modelu. Jedna z kapitol je věnována i popisu řídicího systému, neboť zkraty mohou ovlivnit stavové proměnné různým způsobem v závislosti na architektuře a volbě parametrů řídicího systému. Za každou kapitolou následuje experimentální ověření prezentovaných myšlenek.
|
|
|
Inter turn short-circuit detection in vector controlled PMS motor using AI
Zezula, Lukáš ; Kozovský, Matúš (referee) ; Blaha, Petr (advisor)
This thesis deals with the diagnostics of inter turn faults in a vector controlled synchronous motor with permanent magnets. Inter turn faults are detected by the pretrained convolution neural network GoogLeNet from adequately preprocessed signals of phase currents, inverter voltages and electrical angular velocity. Signal preprocesing includes, but is not limited to digital filtration, resampling and Wavelet transform. For the purpose of network training a drive system model is created, capable of simulating inter turn faults. The network is then trained on the simulated data and later validated with data measured on a real drive system, capable of emulating faults. The results of the diagnostics, together with the main problems are presented in the conclusion.
|
|
|
Fault relevance diagnostics of the PMSM under the inter-turn short circuit fault
Zezula, Lukáš ; Václavek, Pavel (referee) ; Blaha, Petr (advisor)
Tato práce popisuje matematické modelování mezizávitových zkratů fázového vinutí synchronního motoru s permanentními magnety, diskretizaci odvozeného modelu a diagnostiku závažnosti zkratu založenou na referenčním modelu. Popis zkratovaného stroje je vytvořen v proměnných statoru s uvažováním sérioparalelního zapojení vinutí a následně transformován do referenčního rámce rotoru pomocí rozšířené Clarkové a Parkovy transformační matice. Diskrétní ekvivalent navrženého modelu je vytvořen pomocí definované diskretizace lineárních časově variantních systémů, přičemž je uvažováno, že elektrická úhlová rychlost je časově variantní parametr s definovaným integrálem. Diskrétní model je transformován do referenčního rámce statoru, aby se maximalizovala perzistence vstupních signálů. Diagnostika závažnosti zkratu je poté realizována pomocí rekurzivního parametrického odhadu diskrétního modelu. Jedna z kapitol je věnována i popisu řídicího systému, neboť zkraty mohou ovlivnit stavové proměnné různým způsobem v závislosti na architektuře a volbě parametrů řídicího systému. Za každou kapitolou následuje experimentální ověření prezentovaných myšlenek.
|
|
|
Inter turn short-circuit detection in vector controlled PMS motor using AI
Zezula, Lukáš ; Kozovský, Matúš (referee) ; Blaha, Petr (advisor)
This thesis deals with the diagnostics of inter turn faults in a vector controlled synchronous motor with permanent magnets. Inter turn faults are detected by the pretrained convolution neural network GoogLeNet from adequately preprocessed signals of phase currents, inverter voltages and electrical angular velocity. Signal preprocesing includes, but is not limited to digital filtration, resampling and Wavelet transform. For the purpose of network training a drive system model is created, capable of simulating inter turn faults. The network is then trained on the simulated data and later validated with data measured on a real drive system, capable of emulating faults. The results of the diagnostics, together with the main problems are presented in the conclusion.
|
guest ::
