최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.20 no.3, 2010년, pp.380 - 387
이대종 (충북대학교 제어로봇공학과 컴퓨터정보통신연구소) , 조재훈 (충북대학교 제어로봇공학과 컴퓨터정보통신연구소) , 윤종환 (충북대학교 제어로봇공학과 컴퓨터정보통신연구소) , 전명근 (충북대학교 제어로봇공학과 컴퓨터정보통신연구소)
For the fault diagnosis of three-phase induction motors, we propose a diagnosis algorithm based on mutual information and linear discriminant analysis (LDA). The experimental unit consists of machinery module for induction motor drive and data acquisition module to obtain the fault signal. As the fi...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
유도전동기의 고장 진단을 위해 사용되는 방법은? | 유도전동기의 고장을 진단하기 위해 진동신호를 이용하는 방법과 전류의 신호특성을 분석하여 진단하는 방법 등이 사용되고 있으나 최근에는 데이터 취득의 편리성과 고장상태간의 특성분석이 용이한 전류신호를 이용하는 MCSA(motor current signal analysis)이 주로 사용된다[1][2]. 이러한 MCSA 검출방법에 의해 전류신호를 취득한 후 진단을 위해 사용되는 유도전동기의 고장상태를 효과적으로 표현할 수 있는 특징추출 기법이 요구된다. | |
유도전동기의 장점은? | 산업발달과 더불어 산업현장에서 전동기의 수요는 매년 증가하고 있다. 그 중에서도 유도전동기는 구조적으로 간단하고 견고할 뿐만 아니라 저렴하기 때문에 산업용, 가정용 전동기로써 가장 널리 사용되고 있다. 이러한 유도전동기가 가동 중 갑작스런 고장에 의해 구동기능을 상실할 경우 시스템 전체의 마비로 이어져 치명적인 경제적 손실을 초래하게 된다. | |
상호정보량과 선형판별분석기법에 기반을 둔 진단 알고리즘 개발 실험 장치는 어떻게 구성되어 있는가? | 본 논문에서는 3상 유도전동기의 고장진단을 수행하기 위해 상호정보량과 선형판별분석기법에 기반을 둔 진단 알고리즘을 제안한다. 실험 장치는 유도전동기 구동의 기계적 모듈과 고장신호를 구하기 위한 데이터 획득 모듈로 구성하였다. 제안된 방법은 취득된 전류신호를 DFT에 의해 주파수 영역으로 변환한 후 분산정보를 이용하여 고장상태별로 차별성이 큰 순서대로 유효 주파수 성분을 추출한다. |
Van Tung Tran, Bo-Suk Yang, Myung-Suck Oh, Andy Chit Chiow Tan, “Fault diagnosis of induction motor based on decision trees and adaptive neuro-fuzzy inference,” Expert Systems with Applications, vol. 36, no. 9, pp. 1840-1849, 2009.
Vilas N. Ghate, Sanjay V. Dudul, “Optimal MLP neural network classifier for fault detection of three phase induction motor,” Expert Systems with Applications, vol. 37, no. 4, pp. 3468-3481, 2010.
Fatiha Zidani, Demba Diallo, "A Fuzzy-Based Approach for Diagnosis of Fault Modes in a Voltage-Fed PWM Inverter Indcution Motor Dirve," IEEE Trans., Industrial Electronics, vol. 55, no. 2. pp. 586-593, 2008.
Nejjari, M. H. Benbouzid, "Monitoring and diagnosis of induction motors electrical faults using a current Park’s vector pattern learning approach," IEEE Trans. Ind. Applications. vol. 36, no.3, pp. 730-735, 2000.
Zhengping Zhang, and et al, “A Novel Detection Method of Motor Broken Rotor Bars Based on Wavelet Ridge,” IEEE Trans. on Energy Conversion, vol. 18, no. 3, pp. 417-423, 2003.
Zhongming Ye, and et al, “Current Signature Analysis of Induction Motor Mechanical Faults by Wavelet Packet Decomposition,” IEEE Trans. on Industrial Electronics, Vol. 50, No. 6, pp. 1217-1228, 2003.
Achmad Widodo, and et al, “Combination of independent component analysis and support vector machines for intelligent faults diagnosis of induction motors,” Expert Systems with Applications, vol. 32, no. 2, pp .299-312, 2006.
Boqiang Xu, Liling Sun, Hui Ren, "A New Criterion for the Quantification of Broken Rotor Bars in Inducion Motors", IEEE Trans., Energy Conversion, vol. 25, no. 1, pp. 100-106, 2010.
Bilal Akin, and et al, "DSP-Based Sensorless Electric Motor Fault-Diagnosis Tools for Electric and Hybrid Electric Vehicle Powertrain Applications," IEEE trans., Vehicular Technology, vol. 58, no. 6, pp. 2679-2688, 2009.
E. Cabal-Yepez, and et al, "FPGA-based Online Induction Motor Multiple-fault Detection with Fused FFT and Wavelet Analysis", International Conf., Reconfigurable Computing and FPGAs, pp. 101-106, 2009.
W. T. Thomson, M. Fenger, "Current signature analysis to detect induction motor faults," IEEE Ind. Applicat. Magazine, pp. 26-34, pp. 26-34, 2001.
R. Casimir, and et al, "The Use of Feature Selection and Nearest Neighbors rules for Faults Diagnostic in Induction Motors", Engineering Applications of Artificial Intelligence, vol. 19, pp. 169-177, 2006.
M. Turk, A. Pentland, “Face recognition using eigenfaces”, IEEE Conf., on Computer Vision and Pattern Recognition, pp.586-591, 1991.
P. N. Belhumeur, J. P. Hespanha, D. J. Kriegmaqn, “Eigenfaces vs. Fisherfaces : recognition using class specific Linear Projection”, IEEE Trans. on Pattern Analysis and Machine Intell., vol. 19, no.7, pp. 711-720, 1997.
Bezdec, J.C., Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, New York, 1981.
J. F. Bangura, N. A. Demerdash, “Diagnosis and Characterization of Effects of Broken Bars and Connectors in Squirrel-Cage Induction Motors by a Time-Stepping Coupled Finite Element-State Space Modeling Approach,” IEEE Transactions on Energy Conversion, vol. 14, no. 4, pp. 1167-1176, 1999.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.