Application of Signal Processing for Motor Condition Monitoring Based on Filtered-signals and Eliminated-signals

บทคัดย่อ

บทคัดย่อ

บทความนี้นำเสนอวิธีการใหม่ของการตรวจจับการเสียหายของมอเตอร์ไฟฟ้า วิธีการที่นำเสนอใหม่นี้จะใช้สัญญาณที่ถูกกรองแล้วและสัญญาณที่ถูกขจัดทิ้งซึ่งโดยทั่วไปแล้วกระแสไฟฟ้าที่บันทึกโดยตรงกับมอเตอร์เริ่มแรกจะขจัดสัญญาณรบกวนทิ้งก่อน ถ้าสมมุติว่าสัญญาณใหม่ที่ได้ถูกเรียกว่า “สัญญาณที่ถูกกรองแล้ว”และสมมุติว่าสัญญาณที่ถูก ขจัดทิ้งที่เต็มไปด้วยสัญญาณรบกวนเรียกว่า “สัญญาณที่ถูกขจัด” โดยงานวิจัยนี้ได้เสนอ 2 วิธีในการตรวจจับการเสียหายของมอเตอร์โดยการนำทั้งสัญญาณที่ถูกกรองแล้วและสัญญาณที่ถูกขจัดมาใช้ โดยวิธีแรกเป็นการนำสัญญาณที่ถูกกรองแล้วมาใช้เพื่อคำนวณหาค่าความชันของความหนาแน่นของสเปตรัม วิธีที่สองเป็นการนำสัญญาณที่ถูกขจัดทิ้งมาใช้สำหรับเพื่อคำนวณหาค่าสเปกตรัมของสัญญาณนี้ท้งั สองวิธีนี้จะนำวิธีการประมวลผลสัญญาณของการแปลง

ฟูเรียร์ภินทนะแบบขยายมาใช้ในการวิเคราะห์ งานวิจัยนี้ได้ทำการทดลองกับ 3 ชนิดของสภาพมอเตอร์คือ สภาพดี

สภาพที่สเตเตอร์เสีย (ขดลวดลัดวงจร) และสภาพที่โรเตอร์เสีย (โรเตอร์บาร์แตก) จากการทดลองพบว่าวิธีที่นำเสนอทั้งสองนี้ สามารถแยกสภาพของมอเตอร์ได้อย่างแม่นยำและยังสามารถตรวจสอบระดับความรุนแรงของการเสียหายได้อีกด้วย ดังนั้นทั้งสองวิธีใหม่นี้สามารถที่จะเป็นเครื่องมือที่มีประสิทธิภาพเมื่อนำไปใช้ตรวจจับความเสียหายของมอเตอร์พร้อมกัน

คำสำคัญ: การประมวลผลสัญญาณ การตรวจสภาพมอเตอร์ การตรวจจับการเสียหาย การแปลงฟูเรียร์ภินทนะแบบขยาย สัญญาณที่ปราศจากสัญญาณรบกวน สัญญาณที่ถูกขจัดทิ้ง

Abstract:

This paper proposes new procedures of motor fault detection. The proposed methods are based on filtered-signals and eliminated-signals. Generally, the raw stator phase currents obtained from a motor are initially filtered in order to get rid of disturbing signals. These new signals are called “filtered-signals” and those eliminated from the raw stator phase currents are called “eliminated-signals.” This paper proposes two methods of motor condition monitoring by processing the two types of signals mentioned above. For the first method, the filtered-signals were used to calculate the PSD slope of the spectrum, while in the second, the eliminated-signals were employed to calculate the spectrum itself. Extended DFT was applied to analyze both methods. Three different motor conditions; a healthy motor, a motor with stator fault, and another one with rotor fault were tested. The experiments showed that both methods could differentiate the motor conditions accurately. In addition, they could indicate the levels of fault severity. Thus, these two methods could be used simultaneously as an effective tool for monitoring motor faults.

Keywords: Signal Processing, Condition Monitoring, Fault Detection, Extended DFT, Filtered Signals, Eliminated Signals