УДК 621.313
DOI: 10.18503/1995-2732-2020-18-1-80-89
Аннотация
В статье дается краткий анализ проблемы диагностики текущего состояния асинхронных двигателей переменного тока с перечислением основных используемых в настоящее время методов диагностики, включая сигнатурный анализ тока статора, анализ внешнего магнитного поля двигателя, вибродиагностику и мониторинг температуры наиболее ответственных узлов. Отмечено, что в настоящее время в промышленности происходит постепенный переход от концепции «планового обслуживания» технологического оборудования к более эффективной концепции «обслуживания по состоянию». Последняя, относящаяся к базовым технологиям промышленного Интернета вещей (IIoT), предполагает сбор данных о состоянии большого числа электродвигателей, находящихся в эксплуатации, посредством специализированных автономных измерительных модулей (смарт-сенсоров). Указаны базовые требования, предъявляемые к автономным измерительным модулям систем IIoT. Приведена таблица характеристик указанных модулей ведущих мировых производителей. Перечислены и кратко охарактеризованы исследования, выполненные специализированной группой разработчиков в области автономных измерительных модулей, включая моделирование различных неисправностей двигателя, разработку стендового оборудования для имитации неисправностей, исследование различных вариантов крепления модуля к электродвигателю а также исследования, проводимые с целью обеспечения требуемой продолжительности работы модуля в автономном режиме. Описаны основные этапы создания модуля, предназначенного для преобразования в электрические сигналы физических величин, характеризующих состояние контролируемой электрической машины, преобразования указанных сигналов в цифровую форму, накопления и анализа полученных данных с передачей их посредством беспроводного канала связи на специализированный сервер обработки данных. Приведены характеристики разработанного модуля, полученные в результате испытаний.
Ключевые слова
Электродвигатель, диагностика, измерительный модуль.
Для цитирования
Пырко С.А., Митиогло А.М., Ишметьев Е.Н. Автономные измерительные модули для систем диагностики электродвигателей // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2020. Т.18. №1. С. 80–89. https://doi.org/10.18503/1995-2732-2020-18-1-80-89
1. Thomson W.T, Fenger M. Current signature analysis to detect induction motor faults. IEEE Industry Applications Magazine. 2001, vol. 7, no. 4, pp. 26–34. DOI: 10.1109/2943.930988.
2. Диагностика неисправностей асинхронных двигателей на основе спектрального анализа токов статора / Н.Р. Сафин [и др.] // Энергобезопасность и энергосбережение. 2014. № 3(57). С. 34–39.
3. Henao H, Capolino G.-A., Fernandez-Cabanas M., Filippetti F., Bruzzese C., Strangas E., Pusca R., Estima J., Riera-Guasp M., Hedayati-Kia Sh. Trends in Fault Diagnosis for Electrical Machines. A review of diagnostic techniques. IEEE Industrial Electronics Magazine. 2014, vol. 8, no. 2, pp. 31–42. DOI: 10.1109/MIE.2013.2287651.
4. Исследование внешнего магнитного поля асинхронного электродвигателя / В.Е. Вавилов [и др.] // Вестник УГАТУ. 2016. Т. 20, № 1(71). C. 122–127.
5. Henao H, Demian C., Capolino G.-A. A frequency-domain detection of stator-winding faults in in-duction machines using an external flux sensor. IEEE Transactions on Industry Applications. 2003, vol. 39, no. 5, pp. 1272–1279. DOI: 10.1109/TIA.2003.816531.
6. Intesar Ahmed, Manzar Ahmed, Kashif Imran, Muhammad Shuja Khan. Detection of Eccentricity Faults in Machine Using Frequency Spectrum Technique. Int. J. of Computer and Electrical Engi-neering. 2011, vol. 3, no. 1, pp. 111–119. DOI: 10.7763/IJCEE.2011.V3.300.
7. Ewert P. Application of Neural Networks and Axial Flux for the Detection of Stator and Rotor Faults of an Induction Motor. Power Electronics and Drives. 2019, vol. 4(39), pp. 201–213. DOI: 10.2478/pead-2019-0001.
8. Weidong Li, Mechefske Ch.K. Detection of Induction Motor Faults: A Comparison of Stator Current, Vibration and Acoustic Methods. J. of Vibration and Control. 2006, vol. 12, no. 2, pp. 165–188. DOI: 10.1177/1077546306062097.
9. Murphy, Ch. Choosing the Most Suitable MEMS Accelerometer for Your Application. Part 2. Analog Dialogue. 2017, vol. 51, no. 4, pp. 28–33.
10. Medina-García J., Sánchez-Rodríguez T., Gómez Galán J.A., Delgado A., Gómez-Bravo F., Jiménez R. A Wireless Sensor System for Real-Time Monitoring and Fault Detection of Motor Arrays. Sensors. 2017, vol. 17, no. 3, article no. 469. DOI: 10.3390/s17030469.
11. Looney M. MEMS Vibration Monitoring: From Acceleration to Velocity. Analog Dialogue. 2017, vol. 51, no. 6, pp. 1–5.
12. Murphy Ch. Choosing the Most Suitable MEMS Accelerometer for Your Application. Part 1. Analog Dialogue. 2017, vol. 51, no. 4, pp. 5–10.
13. ABB AbilityTM Smart Sensor. Condition monitoring for motors. Data Sheet. Available at: http://search.abb.com/library/Download.aspx?DocumentID=9AKK106930A9867&LanguageCode=en&DocumentPartId=&Action=Launch (Accessed February 10, 2020).
14. WEG Motor Scan. Ready for Industry 4.0. Datasheet. Available at: https://static.weg.net/medias/h79/h18/WEG-Motor-Scan-50079311-datasheet-en.pdf (Accessed Feb-ruary 10, 2020).
15. Endpoint 3XS. Assembled product Model No: AC00009. Sub-assembly part No: SA00005. Technical Datasheet. Rev. 11.05.2017. Available at: https://fccid.io/2AJJIAC00009/User-Manual/Users-Manual-3418172.pdf (Accessed February 10, 2020).
16. Endiio Retrofit Box. Condition Monitoring. Datasheet. Available at: https://www.endiio.com/wp-content/uploads/2019/04/endiio-Retrofit-Box-1.pdf (Accessed February 10, 2020).
17. Smart Motor Sensor (SMS). The condition of all your electric motors at your disposal anytime any-where. Test Motors. Available at: https://gallery.mailchimp.com/5519b9ddd5e5edf5d09d38001/files/0af7b458-82f9-4742-b403-62dbf5f65dc2/R.7_SMART_MOTOR_SENSOR_Ing_VER201906.pdf (Accessed February 10, 2020).