3상 유도전동기는 전기에너지를 운동에너지로 변환하는 기기로 일반 가정에서부터 대규모 산업현장에 이르기까지 범용적으로 사용되고 있다. 그러므로 고장이 발생하였을 시, 기업의 손실을 초래하며, 일반 가정에는 생활의 불편함을 가져오게 된다. 3상 유도전동기의 결함은 크게 기계적 결함과 전기적 결함으로 분류된다. 기계적 결함은 베어링 고장이 주된 원인이며, 전기적 결함은 ...
3상 유도전동기는 전기에너지를 운동에너지로 변환하는 기기로 일반 가정에서부터 대규모 산업현장에 이르기까지 범용적으로 사용되고 있다. 그러므로 고장이 발생하였을 시, 기업의 손실을 초래하며, 일반 가정에는 생활의 불편함을 가져오게 된다. 3상 유도전동기의 결함은 크게 기계적 결함과 전기적 결함으로 분류된다. 기계적 결함은 베어링 고장이 주된 원인이며, 전기적 결함은 고정자 고장과 회전자 고장이 원인이 된다. 전기적 결함의 고정자 고장은 권선의 고정자 권선이 전원부와 직접 접속되어 있기 때문에 대형 사고를 초래하게 됨으로 3상 유도전동기 고장진단의 주된 관심분야로 연구가 진행되고 있다. 이러한 고장의 원인을 분석하기 위해 센서를 이용하여 고장진단을 수행하고 있으나, 전기적 결함의 원인은 전기적 신호에 의해 발생되기 때문에 최근에는 MCSA(Motor Current Signal Analysis)방법을 활용하여 Sensorless 연구가 각광받고 있다. 또한 상시 구동을 하고 있는 상태에서 고장진단이 가능하도록 온라인 고장진단 방법에 대해 연구도 진행되고 있다. MCSA방법과 온라인 고장진단이 가능하기 위해서 Park’s Vector Approach의 알고리듬이 사용되고 있으며, 이 방법은 3상 전류를 d-q transform을 수행하여 2개의 상으로 리사쥬 원패턴으로 나타냄으로써 원의 왜곡된 모양을 가지고 고장진단을 수행하였다. 하지만 기존의 고정자 고장진단 방법에 있어서 최소 턴 단락에 대한 임계치 설정의 어려움이 있다. 특히 현재 연구가 활발하게 진행되고 있는 MCSA방법은 고정자의 권선에서 측정된 전류데이터를 이용하기 때문에 직접적인 고정자 고장을 판별할 수 있지만, 회전자 고장이 발생하였을 때에도 회전자에서 유기되는 고장자속이 고정자 권선에 영향을 미쳐 이상전류특성을 나타나게 된다. 이러한 이유로 많은 MCSA방법을 이용한 고정자 고장 혹은 회전자 고장 진단 프로그램들은 각 요소(고정자, 회전자)의 고장을 전제로 하여 진행 되었으며, 복합고장진단에는 다소 어려움을 가지고 있다. 최근에는 이러한 복합고장진단을 수행하기 위해 AI 기술을 도입하여 복합고장에 대해 판별을 수행하고 있으나, AI 방법은 온라인 상태에서 진단이 어렵다는 단점을 가지고 있다. MCSA방법의 온라인 고장진단으로 널리 사용하는 Park’s Vector Approach도 고정자 고장에서 원의 왜곡률로 고장 진단을 수행하지만, 회전자 고장에서도 동일하게 원은 왜곡률을 나타남으로써 정확한 고장원인의 판별이 어려운 실정이다. 즉, MCSA방법을 이용한 진단 프로그램들은 고정자 혹은 회전자의 특정 고장진단프로그램이 아닌, 전기적 결함이 발생하였다는 것만 진단 가능하며, 정확한 고장 부위를 판별하기에는 부족함이 있다. 그리하여, 본 논문에서는 MCSA방법의 온라인 고장진단 알고리즘인 Park’s Vector Approach가 Clark transform을 기반으로 d-q transform이 수행된다는 과정을 재해석함으로써 Park’s Vector Approach 정보 속에 측정된 전류 크기 변화와 위상각 변화의 정보를 가지고 있음을 확인하였으며 위상각 변화의 정보만을 이용하여 FFT를 수행함으로써 고정자 고장진단의 개선된 방법을 제안하였다. 또한, 3상 유도전동기의 위상각 변화를 d-q transform 과정에서 고정자 측면과 회전자 측면으로 정의하여 두 위상각 변화 측면을 2차원 그래프로 표시하였으며, 그래프 상에서 Half-period Duty Ratio 방법을 정의하였다. 이때, 반주기 주파수의 형태에서 상승구간은 고정자 측면, 하강구간은 회전자 측면의 위상각 정보를 가지고 있음을 확인하였다. 이 방법을 이용하여 고정자 고장인지 혹은 회전자 고장인지를 판별할 수 있는 방법을 제안하였다. 제안된 판별 및 고장진단 기법의 유용함을 확인하기 위하여 1[hp]을 가지는 3상 유도전동기를 무부하 상태에서 전부하 상태까지 변화시켜 주면서 부하 및 속도 상태별 전류 데이터의 위상각 변화 정보만을 이용하였다. 고정자 고장은 정상상태, 2턴 단락, 4턴 단락의 작은 턴 단락에서 위상각 정보를 검출하였으며, 회전자 고장은 1bar-broken, 2bar-broken에서 위상각 정보를 검출하였다. 기존의 고정자 고장진단방법은 3상 유도전동기의 한주기 회전상태를 고려하더라도 정상 상태와 2턴 단락을 진단하기 어려웠으나, 제안된 위상각 변화를 이용한 방법에서는 한주기 동안 변화된 값의 평균을 고려할 시 2턴 단락이 진단 가능함을 확인하였다. 또한, 온라인 상태에서 고정자 고장인지 혹은 회전자 고장인지를 판별하기 위해 제안한 half-period duty ratio 방법을 이용할 경우, duty ratio의 중간값을 기준으로 0.5보다 작은 값일 경우에는 고정자 고장을 나타내며, 클 경우에는 회전자 고장을 나타냄을 확인함으로써 본 연구의 유용함을 증명하였다.
3상 유도전동기는 전기에너지를 운동에너지로 변환하는 기기로 일반 가정에서부터 대규모 산업현장에 이르기까지 범용적으로 사용되고 있다. 그러므로 고장이 발생하였을 시, 기업의 손실을 초래하며, 일반 가정에는 생활의 불편함을 가져오게 된다. 3상 유도전동기의 결함은 크게 기계적 결함과 전기적 결함으로 분류된다. 기계적 결함은 베어링 고장이 주된 원인이며, 전기적 결함은 고정자 고장과 회전자 고장이 원인이 된다. 전기적 결함의 고정자 고장은 권선의 고정자 권선이 전원부와 직접 접속되어 있기 때문에 대형 사고를 초래하게 됨으로 3상 유도전동기 고장진단의 주된 관심분야로 연구가 진행되고 있다. 이러한 고장의 원인을 분석하기 위해 센서를 이용하여 고장진단을 수행하고 있으나, 전기적 결함의 원인은 전기적 신호에 의해 발생되기 때문에 최근에는 MCSA(Motor Current Signal Analysis)방법을 활용하여 Sensorless 연구가 각광받고 있다. 또한 상시 구동을 하고 있는 상태에서 고장진단이 가능하도록 온라인 고장진단 방법에 대해 연구도 진행되고 있다. MCSA방법과 온라인 고장진단이 가능하기 위해서 Park’s Vector Approach의 알고리듬이 사용되고 있으며, 이 방법은 3상 전류를 d-q transform을 수행하여 2개의 상으로 리사쥬 원패턴으로 나타냄으로써 원의 왜곡된 모양을 가지고 고장진단을 수행하였다. 하지만 기존의 고정자 고장진단 방법에 있어서 최소 턴 단락에 대한 임계치 설정의 어려움이 있다. 특히 현재 연구가 활발하게 진행되고 있는 MCSA방법은 고정자의 권선에서 측정된 전류데이터를 이용하기 때문에 직접적인 고정자 고장을 판별할 수 있지만, 회전자 고장이 발생하였을 때에도 회전자에서 유기되는 고장자속이 고정자 권선에 영향을 미쳐 이상전류특성을 나타나게 된다. 이러한 이유로 많은 MCSA방법을 이용한 고정자 고장 혹은 회전자 고장 진단 프로그램들은 각 요소(고정자, 회전자)의 고장을 전제로 하여 진행 되었으며, 복합고장진단에는 다소 어려움을 가지고 있다. 최근에는 이러한 복합고장진단을 수행하기 위해 AI 기술을 도입하여 복합고장에 대해 판별을 수행하고 있으나, AI 방법은 온라인 상태에서 진단이 어렵다는 단점을 가지고 있다. MCSA방법의 온라인 고장진단으로 널리 사용하는 Park’s Vector Approach도 고정자 고장에서 원의 왜곡률로 고장 진단을 수행하지만, 회전자 고장에서도 동일하게 원은 왜곡률을 나타남으로써 정확한 고장원인의 판별이 어려운 실정이다. 즉, MCSA방법을 이용한 진단 프로그램들은 고정자 혹은 회전자의 특정 고장진단프로그램이 아닌, 전기적 결함이 발생하였다는 것만 진단 가능하며, 정확한 고장 부위를 판별하기에는 부족함이 있다. 그리하여, 본 논문에서는 MCSA방법의 온라인 고장진단 알고리즘인 Park’s Vector Approach가 Clark transform을 기반으로 d-q transform이 수행된다는 과정을 재해석함으로써 Park’s Vector Approach 정보 속에 측정된 전류 크기 변화와 위상각 변화의 정보를 가지고 있음을 확인하였으며 위상각 변화의 정보만을 이용하여 FFT를 수행함으로써 고정자 고장진단의 개선된 방법을 제안하였다. 또한, 3상 유도전동기의 위상각 변화를 d-q transform 과정에서 고정자 측면과 회전자 측면으로 정의하여 두 위상각 변화 측면을 2차원 그래프로 표시하였으며, 그래프 상에서 Half-period Duty Ratio 방법을 정의하였다. 이때, 반주기 주파수의 형태에서 상승구간은 고정자 측면, 하강구간은 회전자 측면의 위상각 정보를 가지고 있음을 확인하였다. 이 방법을 이용하여 고정자 고장인지 혹은 회전자 고장인지를 판별할 수 있는 방법을 제안하였다. 제안된 판별 및 고장진단 기법의 유용함을 확인하기 위하여 1[hp]을 가지는 3상 유도전동기를 무부하 상태에서 전부하 상태까지 변화시켜 주면서 부하 및 속도 상태별 전류 데이터의 위상각 변화 정보만을 이용하였다. 고정자 고장은 정상상태, 2턴 단락, 4턴 단락의 작은 턴 단락에서 위상각 정보를 검출하였으며, 회전자 고장은 1bar-broken, 2bar-broken에서 위상각 정보를 검출하였다. 기존의 고정자 고장진단방법은 3상 유도전동기의 한주기 회전상태를 고려하더라도 정상 상태와 2턴 단락을 진단하기 어려웠으나, 제안된 위상각 변화를 이용한 방법에서는 한주기 동안 변화된 값의 평균을 고려할 시 2턴 단락이 진단 가능함을 확인하였다. 또한, 온라인 상태에서 고정자 고장인지 혹은 회전자 고장인지를 판별하기 위해 제안한 half-period duty ratio 방법을 이용할 경우, duty ratio의 중간값을 기준으로 0.5보다 작은 값일 경우에는 고정자 고장을 나타내며, 클 경우에는 회전자 고장을 나타냄을 확인함으로써 본 연구의 유용함을 증명하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.