SYSTÉMATISATION ET SÉLECTION DES MÉTHODES DE DIAGNOSTIC POUR L'ISOLATION DES BOBINAGES DU STATOR MOTEURS A INDUCTION
Mots-clés :
Méthodes diagnostiques, Statistiques d'échec, Dommages à l'isolation, Enroulement du stator, Types de défauts, Moteur à induction, Fermetures tour à tour du stator, Co-simulation, État technique, Ressource résiduelleRésumé
Mise en évidence d'un problème extrêmement pertinent de surveillance de l'état d'isolement des enroulements du stator des moteurs à induction pendant le fonctionnement. L'amélioration de la précision des diagnostics et le choix correct de la méthode d'évaluation et de prédiction du fonctionnement sans panne augmentent considérablement la fiabilité de l'équipement. Les éléments de machine les plus dommageables sont les enroulements du stator, où les défauts d'isolation sont d'une importance primordiale. Le travail fournit une classification des causes de défaillances, de l'isolation des enroulements des moteurs à induction et des types de défauts dus aux raisons de leur apparition.
Une analyse des avantages et des inconvénients des méthodes les plus courantes dans la pratique pour diagnostiquer l'isolation des enroulements des moteurs à induction pendant le fonctionnement est donnée. Les enjeux de l'utilisation de la modélisation pour établir une méthode de diagnostic sont abordés. Les avantages et inconvénients des méthodes envisagées sont révélés, et une caractéristique comparative est présentée.
Les travaux ont porté sur la systématisation et la construction d'un schéma structurel complexe reliant les types connus de défauts d'isolation et les méthodes pour leur détermination. Le schéma résultant contribue à la création de complexes de diagnostic qui envisagent la combinaison de plusieurs méthodes pour différents types de défauts et une approche rationnelle du diagnostic pour détecter les dommages à différents stades du fonctionnement moteur.
Références
(1) M. Nawaz, F. Zulfiqar, M. Bilal. Performance evaluation of digital governor for improving operational efficiency and reliability of power plant, Sarhad University International Journal of Basic and Applied Sciences, 4, 1, pp. 1–9 (2017).
(2) V.P. Meshalkin, S.P. Kurilin, M.I. Dli, V.I. Bobkov, A.S. Fedulov. Ways to increase the energy efficiency and reliability of induction electric motors in chemical plants, Theoretical Foundations of Chemical Engineering, 55, 2, pp. 215–224 (2021).
(3) B. V. Malozyomov, M. E. Vilberger, M. V. Rozhkova, A. A. Shtang. Diagnostics time intervals of electric transport systems using time between failures, International Conference “Actual Issues of Mechanical Engineering”, Atlantis Press, pp. 458–466 (2017).
(4) A. Nosenko, A. Domnitskiy, E. Shemshura. Predictive reliability assessment of loading and transport modules of tunneling equipment during construction of road tunnels, Procedia Engineering, 206, pp. 1661–1666 (2017).
(5) Y.L. Zhukovskiy, N.A. Korolev, I.S. Babanova, A.V. Boikov. The probability estimates of the defects of the induction motors based on the complex method of diagnostics. In: IOP Conference Series: Earth and Environmental Science, 87, 3, p. 032055, IOP Publishing (2017).
(6) A. Aboulian, D.H. Green, J.F. Switzer, T.J. Kane, G.V. Bredariol, P. Lindahl, J. S. Donnal, S. B. Leeb. NILM dashboard: A power system monitor for electromechanical equipment diagnostics, IEEE Transactions on Industrial Informatics, 15, 3, pp.1405–1414 (2018).
(7) J. Yang, Y. Guo, W. Zhao. Long short-term memory neural network based fault detection and isolation for electro-mechanical actuators, Neurocomputing, 360, 85–96 (2019).
(8) M. Singh, A.G. Shaik. Incipient fault detection in stator windings of an induction motor using Stockwell transform and SVM, IEEE Transactions on Instrumentation and Measurement, 69, 12, pp. 9496–9504 (2020).
(9) A. Khechekhouche, H. Cherif, A. Menacer, S.E. Chehaidia, H. Panchal. Experimental diagnosis of inter-turns stator fault and unbalanced voltage supply in induction motor using MCSA and DWER, Periodicals of Engineering and Natural Sciences (PEN), 8, 3, pp. 1202–1216 (2020).
(10) I. Culbert, J. Letal. Signature analysis for online motor diagnostics: Early detection of rotating machine problems prior to failure, IEEE Industry applications magazine, 23, 4, pp. 76–81 (2017).
(11) R. H.C. Palácios, I.N. da Silva, A. Goedtel, W.F. Godoy, T.Lopes. Diagnosis of stator faults severity in induction motors using two intelligent approaches, IEEE Transactions on Industrial Informatics, 13, 4, pp. 1681–1691 (2017).
(12) B.C.F. de Oliveira, R.C.C. Flesch, M.B. Demay. Development and experimental evaluation of a vision system for detecting defects of stator windings in induction motor assembly lines, 13th IEEE International Conference on Industry Applications (INDUSCON), pp. 858–863 (2018).
(13) I.Y. Braslavsky, V.P. Metelkov, D.V. Esaulkova, A.V. Kostylev. Simplified method of taking into account temperature fluctuations influence on durability of induction motors stator winding insulation, In: 2018 17th International Ural Conference on AC Electric Drives (ACED), pp. 1–4, IEEE (2017).
(14) M-A. Enache, I. Vlad, A. Campeanu, E. Erina (Spunei). Optimization of operation characteristics for asynchronous motors used in coal mills. Rev. Roum. Sci. Techn. – Électrotechn. Et Énerg., 64, 1, pp. 27–32 (2019).
(15) S.Y. Cherif, D. Benoudjit, M.S. Nait-Said, N. Nait-Said, Incipient shortcircuit fault impact on service continuity of an electric vehicle propelled by dual induction motors structure. Rev. Roum. Sci. Techn. – Électrotechn. Et Énerg., 67, 3, pp. 265–270 (2022).
(16) О. Gubarevych, S. Goolak, O. Daki, V. Tryshyn. Investigation of turn-to-turn closures of stator windings to improve the diagnostics system for induction motors. Problems of the regional energetics. E-Journal, 2, 50, pp. 10–24 (2021).
(17) N.J. Jameson, M.H. Azarian, M. Pecht, Impedance-based condition monitoring for insulation systems used in low-voltage electromagnetic coils, IEEE Transactions on Industrial Electronics, 64, 5, pp. 3748–3757 (2017).
(18) C. Zoeller, M. Vogelsberger, M. Bazant, H. Ertl, T.M. Wolbank. Diagnostic technique for traction motor insulation condition monitoring by transient signal assessment, In: PCIM Europe 2018; International Exhibition and Conference for Power Electronics, Intelligent Motion, Renewable Energy and Energy Management, pp. 1–8, VDE (2017).
(19) E.G. Habbi et al. New dynamic genetic selection algorithm: application to induction machine identification. Rev. Roum. Sci. Techn. – Électrotechn. Et Énerg., 66, 3, pp. 145–151 (2021).
(20) R. Varbanets, O. Fomin, V, Píštěk, V. Klymenko, D. Minchev, A. Khrulev, V. Zalozh, P. Kučera, acoustic method for estimation of marine low-speed engine turbocharger parameters, Journal of Marine Science and Engineering, 9, 3, pp. 321 (2021).
(21) S. B. Jiang, P. K. Wong, R. Guan, Y. Liang, J. Li. An efficient fault diagnostic method for three-phase induction motors based on incremental broad learning and non-negative matrix factorization, IEEE Access, 7, pp. 17780–17790 (2019).
