Die Fehlererkennung bei elektrischen Maschinen ist heute ein wesentlicher Bestandteil moderner Antriebssysteme und Anlagen. Immer höher werdende Beanspruchungen der Maschinen aufgrund von Kostenoptimierung und Sicherheitsfunktionen führen zu Fehlern in den verschiedenen Maschinenkomponenten, die rechtzeitig erkannt werden müssen um darauf entsprechend reagieren zu können. Durch die frühzeitige Erkennung kann ein plötzlicher Ausfall der Maschine vermieden und der optimale Betrieb gewährleistet werden. Unter allen Arten sind Rotorfehler am schwierigsten detektierbar. Die Änderungen des Verhaltens eines Rotors mit einem Fehler sind nicht sofort sichtbar. Vor allem die Detektion des Fehlers im Anfangsstadium und im dynamischen Betrieb ist besonders schwierig, wobei andere Methoden als die Standardverfahren (CSA Methode, Analyse von Momentenschwankungen) eingesetzt werden müssen. Diese Arbeit widmet sich der Erkennung von Rotorfehlern bei umrichtergespeisten Käfigläufer- Asynchronmaschinen. Dabei sollen Fehler (Stabbrüche) in ihrer Anfangsphase erkannt werden. Die Identifikation der Fehler soll dabei im Leerlauf wie auch im unteren Momentenbereich bei dynamischen Betrieb möglich sein. Die eingesetzte Methode beruht auf dem INFORM Verfahren. Dabei wird die transiente Reaktanz der Maschine über gemessene Stromantworten zufolge von Spannungsimpulsen gebildet.<br />Diese kann für verschiedene Rotorpositionen und Magnetisierungsrichtungen ausgewertet werden. Mittels der Variation der Magnetisierungsrichtung wird im Leerlauf der Maschine dann ein Fehlerindikator gebildet, der Auskunft über einen Fehler im Rotor gibt.<br />Im Gegensatz zum Leerlauf stören im Lastfall Arbeitspunktabhängigkeit die Fehlerdetektion. Diese müssen kompensiert werden, damit eine optimale Fehlererkennung möglich ist. Hierfür wird eine Neuronales Netzwerk verwendet, welches sich sehr gut zur Signalkompensation eignet.<br />Das Netzwerk wird zuerst an der fehlerlosen Maschine trainiert und dann im Betrieb zur Fehlerüberwachung eingesetzt.<br />
de
Nowadays fault detection in electrical machines is a key element in modern monitoring systems for drives. Demands on electrical machines are getting higher because of cost reduction and safety functions.<br />Higher demands lead to faults in different machine components which have to be detect timely. Monitoring and early fault detection can avoid sudden failures and ensure optimal operation. Amongst all faults in electrical machines rotor faults are most difficult to detect. The changes of properties of a faulty rotor are not instantly visible.<br />Especially the detection of the fault in the early stage and dynamic operation is very difficult. Therefore other methods than standard procedure (CSA method, analysis of torque pulsations) have to be used.<br />This work deals with rotor fault detection on inverter fed squirrel cage induction machines. Faults (broken rotor bars) in early stage at zero load and low torque should be detected. The introduced method is based on the INFORM procedure. Thereby transient reactance is build by measured stator current responses after voltage pulses. This can be done for different rotor positions and spatial saturations. With variation of the spatial saturation a fault indicator can be realized for zero load.<br />In opposite to this fault detection at load is disturbed by load dependencies. For optimal fault detection this dependencies have to be compensated. Therefore a neural network will be used which is well suitable for signal compensations. First the network is trained on a faultless machine, after that fault monitoring is realized with it.
en
Additional information:
Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers Zsfassung in engl. Sprache
