Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Detecting broken rotor bars in induction motors with model-based support vector classifiers
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.ORCID-id: 0000-0002-4310-7938
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.ORCID-id: 0000-0003-0126-1897
Luleå tekniska universitet, Institutionen för system- och rymdteknik, Signaler och system.ORCID-id: 0000-0002-0079-9049
2016 (Engelska)Ingår i: Control Engineering Practice, ISSN 0967-0661, E-ISSN 1873-6939, Vol. 52, s. 15-23Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

We propose a methodology for testing the sanity of motors when both healthy and faulty data are unavailable. More precisely, we consider a model-based Support Vector Classification (SVC) method for the detection of broken bars in three phase asynchronous motors at full load conditions, using features based on the spectral analysis of the stator's steady state current (more specifically, the amplitude of the lift sideband harmonic and the amplitude at fundamental frequency). We diverge from the mainstream focus on using SVCs trained from measured data, and instead derive a classifier that is constructed entirely using theoretical considerations. The advantage of this approach is that it does not need training steps (an expensive, time consuming and often practically infeasible task), i.e., operators are not required to have both healthy and faulty data from a system for checking it. We describe what are the theoretical properties and fundamental limitations of using model based SVC methodologies, provide conditions under which using SVC tests is statistically optimal, and present some experimental results to prove the effectiveness of the suggested scheme.

Ort, förlag, år, upplaga, sidor
2016. Vol. 52, s. 15-23
Nyckelord [en]
Information technology - Signal processing, Technology - Electrical engineering, electronics and photonics
Nyckelord [sv]
Informationsteknik - Signalbehandling, Teknikvetenskap - Elektroteknik, elektronik och fotonik
Nationell ämneskategori
Reglerteknik
Forskningsämne
Reglerteknik; Smarta maskiner och material (FOI); Intelligenta industriella processer (FOI)
Identifikatorer
URN: urn:nbn:se:ltu:diva-13826DOI: 10.1016/j.conengprac.2016.03.019ISI: 000377740300002Scopus ID: 2-s2.0-84963631019Lokalt ID: d1db56af-3d1e-4740-97d3-06aa8f9187a7OAI: oai:DiVA.org:ltu-13826DiVA, id: diva2:986779
Projekt
Fault Detection in Bearings, Feldetektering i elektriska maskiner
Anmärkning
Validerad; 2016; Nivå 2; 20160408 (damvar)Tillgänglig från: 2016-09-29 Skapad: 2016-09-29 Senast uppdaterad: 2018-07-10Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Mustafa, Mohammed ObaidVaragnolo, DamianoNikolakopoulos, GeorgeGustafsson, Thomas

Sök vidare i DiVA

Av författaren/redaktören
Mustafa, Mohammed ObaidVaragnolo, DamianoNikolakopoulos, GeorgeGustafsson, Thomas
Av organisationen
Signaler och system
I samma tidskrift
Control Engineering Practice
Reglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 312 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf