К компетенциям - через инноватику

Подождите немного. Документ загружается.

101

Рис. 2. Принципиальная схема диагностирования неисправностей

Существуют инвазивные и неинвазивные методы снятия сигнала.

Последние предпочтительнее, так как они основаны на доступных

и недорогих измерениях для диагностики состояния двигателя, не

затрагивая структуры машины.

Существуют различные факторы, которые необходимо принимать

во внимание при выборе подходящего способа [4]:

– способ измерения желательно должен быть неинвазивным;

– датчик и способ измерений должны быть надежными;

– желательно оценить степень развития неисправности;

– в идеальном случае определяется оставшийся срок службы;

– на основе реальных данных возможно предсказание причин не-

исправности.

Именно токи статора и напряжения позволяют построить неинва-

зивные диагностические системы [5]. В работе используется метод

Парка, анализирующий сигналы тока и напряжения.

Было предложено [6] преобразовать мгновенное напряжение и то-

ки к векторам Парка напряжения

)(tv

и токов

)(ti

, тогда мгновен-

ная комплексная мощность:

( ) ( ). *( ) ( )( )

( ) ( ) ( )

p d q d q

p d d q q q d d q

s t v t i t v jv i ji

s t v i v i j v i v i

= = + −

= + + −

1 1

2 2 2

3 3

2 2

1 1

2 2

3 3

2 2

 

− −

 

 

 

= ν

 

 

 

− −

 

 

 

 

− −

 

 

 

 

 

− −

 

 

 

(3)

102

Преобразование Парка недостаточно для диагностики неисправ-

ностей по ряду причин: классификация очень сложна при наличии

шума, и на входы классификатора лучше подавать частоты спектра.

Для решения этой проблемы предлагается использовать спектр мгно-

венной мощности [2].

Хорошо известно, что ток двигателя имеет нестационарный ха-

рактер, свойства которого изменяются вместе с рабочими режи-

мами мотора. Как результат, сложно различить неисправные ре-

жимы работы от рабочих с использованием Фурье-преобразования

[7]. Выходом из ситуации стало бы вейвлетное преобразование.

Оно разлагает широкополосные сигналы одновременно во вре-

менной и частотной областях, выделяет кратковременные интер-

валы высокочастотных составляющих и длинные интервалы низ-

кочастотных составляющих.

Использование вейвлетного преобразования в качестве метода

анализа сигнала способствовало бы уменьшению шума [8].

В настоящее время методы искусственного интеллекта (ИИ) ста-

новятся предпочтительнее традиционных методов и могут быть ус-

пешно встроены в диагностические системы. Одним из видов ИИ

являются нейронные сети (НС).

Они заменили традиционные экспертные системы, использовав-

шиеся в прошлом для диагностики неисправностей, так как они яв-

ляются динамическими системами и адаптируемы к непрерывно из-

меняющимся данным [9].

Нейронная сеть в общем виде представляет собой нелинейный

аппроксиматор функции, который «конструирует» соотношения ме-

жду переменными, составляющими входные векторы, и выходными

индексами, определяющими степень неисправности.

Нейронные сети подразделяются на два вида: с учителем и без

учителя. НС с учителем путем обучения может найти отображение

пространства входных признаков в выходное пространство клас-

сов. НС без учителя используются для кластеризации, т. е. разби-

вают набор входных образов на группу необходимых подмно-

жеств.

Представлено четыре типа нейронных сетей: расширенная НС-I,

вероятностная НС, расширенная НС-II и классическая самооргани-

зующаяся карта.

Вероятностная нейронная сеть – один из классов радиально-базисной

сети, нелинейный алгоритм с параллельной структурой и непараметри-

ческой классификацией.

103

Вероятностные НС доказали бóльшую эффективность, чем по-

следовательные НС обратного распространения и не обладают

сложной архитектурой, как многоуровневый перцептрон, которо-

му требуются много данных для обучения и предварительная об-

работка данных для правильной настройки параметров сети. Раз-

работка сети требует только целевые векторы, соответствующие

различным анализируемым классам.

Расширенные НС – новый тип НС, основанный на теории про-

должения. Теория продолжения использует измерение нового рас-

стояния для процессов классификации. Классификатор очень подхо-

дит для проблем классификации, где существуют образы с широким

диапазоном непрерывных входных значений и дискретные выходы,

показывающие, к какому классу относится образ [10].

Расширенные НС используют обучение с учителем, которое на-

страивает веса сети для достижения хорошей кластеризации или ми-

нимизации ошибки кластеризации.

Для многих приложений лучше использовать неинвазивную без

учителя систему диагностирования мотора [11].

Классическим видом НС без учителя являются самооргани-

зующиеся карты Кохонена. Они используют стратегию обучения

«победитель забирает всё» для запоминания подобных образов.

Сеть можно использовать для обнаружения неисправностей без

измерений в неисправном состоянии, лишь за счет введения

ошибки дискретизации между обученной сетью и контрольной.

При превышении этой ошибкой определенного предела фиксиру-

ется неисправное состояние [9].

Вторым типом НС без обучения являются расширенные нейрон-

ные сети-II. Алгоритм обучения использует принцип «делай как ве-

дущий». Он не требует ни начального определения координат цен-

тров кластера, ни начального их количества. Архитектура сети по-

добна архитектуре традиционной расширенной сети. Сеть использует

пороговую величину, называемую параметром дистанции и новую

функцию расширенной дистанции для контроля процесса кластери-

зации. Параметр предназначен для измерения дистанции между цен-

тром кластера и требуемым порогом.

В качестве нагрузки асинхронного двигателя малой мощности

можно использовать вместо генератора постоянного тока диск с за-

крепленными грузами. Дисбаланс нагрузки имитируется закреплени-

ем грузов на разных расстояниях от оси вращения вала. Принципи-

альная схема системы диагностирования показана на рис. 3.

104

Во время обучения нейронной сети большие входные значения

имеют тенденцию подавлять влияние малых значений. Для преодо-

ления проблемы данные должны быть заранее обработаны и норма-

лизованы для конкретного диапазона входных значений.

Сигналы тока и напряжения переводятся в цифровую форму пла-

той на цифровом сигнальном процессоре. Разрешение аналого-

цифрового преобразователя 12 бит. Сигнал предварительно фильтру-

ется фильтром низких частот. Частота среза 1 КГц.

В эксперименте искусственно создаются неисправности подшип-

ников (на внешней и внутренней дорожке качения, сепараторе и ша-

рике), стержней ротора и обмотки статора.

Рис. 3. Принципиальная схема системы диагностирования

Благодаря прогрессу цифровых технологий большие возможности

в обработке данных теперь доступны на основе недорогих аппарат-

ных платформ для мониторинга состояния мотора в реальном режиме

времени [7].

В настоящее время основной тенденцией является требование

обеспечения систем мониторинга состояния знанием понимания свя-

зей между текущими неисправностями и данными, сгенерированны-

105

ми как результат на эти неполадки. Более того, сейчас повсеместно

признано, что проблемы в силу сложности мониторинга оборудова-

ния могут быть преодолены с помощью архитектур, содержащих

множество динамично взаимодействующих распределенных интел-

лектуальных модулей.

Список литературы

1. Ye, Z., Wu, B. A Review of Induction Motor Online Fault Diagnosis. – To-

ronto, 1999.

2. Zarei, J., Poshtan, J. An Advanced Park's Vectors Approach for Bearing

Fault Detection // J. of Tribology Intern. – Feb. 2009. – Vol. 42, Nr 2. –

Pp. 213–219.

3. Mohamed, S., Tettey, T., Marwala, T. An Extension Neural Network and

Genetic Algorithm for Bearing Fault Classification // Proceedings of the IEEE

World Congress on Computational Intelligence, WCCI 06, 15–21 July, Vancouver

BC, Canada, 2006. – Pp. 7673–7679.

4. Thompson, W. T., Fenger, M. Industrial Application Of Current Signature

Analysis To Diagnose Faults In 3-Phase Squirrel Cage Induction Motors // IEEE

Conference Record of Annual Pulp and Paper Industry Technical Conference,

2000. – Pp. 205–211.

5. Aroui, T. Modelling and Diagnostics of Induction Machines Under Rotor

Failures // ICGST-ACSE Journal. 2007. – Vol. 7, Iss. 2.

6. Ferrero, A., Superti-Furga, G. A New Approach to the Definition of Power

Components in Three-Phase Systems under Nonsinusoidal Conditions // IEEE

Trans. Instr. Meas. – 1991. – Vol. 40. – Pp. 568–577.

7. Benbouzid, M. What Stator Current Processing-Based Technique to Use for

Induction Motor Rotor Fault Diagnosis? // IEEE Transactions on Energy Conver-

sion. – 2003. – Vol. 18, Nr 2.

8. Induction Motor Fault Detection by using Wavelet decomposition on dq0

components / J. Cusido, J. A. Rosero, J. A. Ortega et al. // Proc. IEEE Int. Symp.

Ind. Electron., Jul. 9–13, 2006. – Vol. 3. – Pp. 2406–2411.

9. Grupi, V., Guglielmino, E., Milazzo, G. Neural-Network-Based System for

Novel Fault Detection in Rotating Machinery // J. of Vibration a. Control. – 2004. –

Nr 10. – Pp. 1137–1150.

10. Marwala, T., Vilakazi, C. Computational Intelligence for Condition Moni-

toring. URL: http://arxiv.org/ftp/arxiv/papers/0705/0705.2604.pdf (дата обраще-

ния: 31.08.2009).

11. A Comparison of Rotor Fault Detection Techniques with Respect to the

Assessment of Fault Severity / C. Kral, T. G. Habetler, R. G. Harley et al. // Diag-

nostics for Electric Machines, Power Electronics and Drives, 2003. SDEMPED

2003. 4th IEEE International Symposium on Volume, Issue, 24–26 Aug. 2003. –

Pp. 265–270.

106

Н. Г. Пенина, магистрант

Ижевский государственный технический университет

Гибридные силовые установки в легковых автомобилях

В связи с постоянным увеличением количества машин растет их

стоимость и затраты на их содержание. Наряду с проблемой эконо-

мичности и увеличивающимися расходами на топливо существует

также проблема загрязнения автомобилями окружающей среды. Ко-

личество выхлопных газов, выбрасываемых в атмосферу, увеличива-

ется с каждым годом, в особенности это касается крупных городов.

Несмотря на то, что бензиновые двигатели на данный момент яв-

ляются наиболее широко используемыми, начинают появляться аль-

тернативные варианты, которые не уступают им в основных эксплуа-

тационных характеристиках.

Одной из альтернатив являются электромобили, к недостаткам

которых относятся дороговизна, отсутствие эффективных накопите-

лей электроэнергии, габариты и масса, а также проблема утилизации

отработавших накопителей электрической энергии.

Другой альтернативой, к тому же более перспективной, являются

автомобили с гибридной энергосиловой установкой (ГСУ). Они яв-

ляются своего рода гибридами автомобилей с ДВС и электромоби-

лей. ГСУ – сочетание маломощного теплового двигателя и электро-

двигателя (ЭД). В таких установках более эффективно используется

электрическая (ЭД) и тепловая (ДВС) энергия при выполнении за-

данного объема работ, что в результате позволяет улучшить топлив-

ную экономичность на 30–50 %, уменьшить уровень шума, сущест-

венно повысить экологическую безопасность транспортных средств.

Еще одним достоинством является возможность подзарядки аккуму-

ляторов во время движения путем рекуперации кинетической энер-

гии при торможении (ЭД работает в генераторном режиме).

Так как ГСУ является сочетанием ДВС и ЭД, то имеет смысл рас-

смотреть их поподробнее.

ДВС

Д о с т о и н с т в а:

1) высокая дальность передвижения на одной заправке;

2) малый вес и объем источника энергии (топливного бака).

Недостатки:

107

1) низкий средний КПД во время эксплуатации;

2) высокое загрязнение окружающей среды;

3) отсутствие режима рекуперации энергии;

4) работа ДВС подавляющую часть времени с недогрузом.

В сущности, процесс управления ДВС заключается в изменении

значений некоторых входных параметров для достижения некоторых

значений выходных параметров. К выходным параметрам относятся

мощность, крутящий момент, частота вращения коленчатого вала,

содержание токсичных компонентов в отработавших газах и другие.

Важнейшие входные параметры – угол открытия дроссельной за-

слонки, момент зажигания смеси в цилиндрах, состав топливовоз-

душной смеси. В зависимости от режима и условий работы двигателя

необходимо изменять значения входных параметров. Например, при

движении автомобиля водитель изменяет угол открытия дроссельной

заслонки, а также передаточное отношение в коробке переключения

передач (для автомобилей, оборудованных механической КПП)

и, в конечном итоге, получает от двигателя необходимые для движе-

ния в данном режиме мощность и крутящий момент. Таким образом,

изменение одного из входных параметров системы – угла открытия

дроссельной заслонки – задается водителем. Соответственно количе-

ству поступающего в цилиндры воздуха необходимо изменять как

минимум еще два входных параметра, а именно: количество пода-

ваемого в цилиндры топлива и момент воспламенения смеси (т. е.

угол опережения зажигания), в противном случае становится невоз-

можным получение необходимых значений выходных параметров.

Очевидно, что большая часть входных параметров должна изменять-

ся автоматически, в соответствии с режимом и условиями работы

двигателя. В первую очередь это относится к таким параметрам, как

момент зажигания и состав топливовоздушной смеси. Поэтому авто-

матическое приготовление смеси необходимого состава и регулиро-

вание момента зажигания на различных режимах используется на

автомобилях уже несколько десятилетий. На водителя возлагается

только функция управления углом открытия дроссельной заслонки,

а на автомобилях с механической КПП – еще и выбора соответст-

вующей передачи. Реализация этих систем долгое время осуществля-

лась на уровне жестких автоматов, т. е. устройств, в которых «про-

грамма» управления закладывалась при изготовлении и не могла

быть существенно изменена. В качестве примера можно привести

карбюратор, в котором «программа» дозирования топлива на различ-

ных режимах работы двигателя жестко определена различными ки-

108

нематическими, пневматическими и гидравлическими связями, т. е.

конструкцией. Но карбюраторы ввиду механических особенностей

своей конструкции не могли обеспечить двигатель необходимой сме-

сью на различных режимах работы двигателя так гибко, как это де-

лают системы впрыска.

При подробном рассмотрении принципов действия и классифика-

ции ДВС делаем вывод, что предпочтительным будет применение

маломощного ДВС с системой электронного впрыска топлива.

Электродвигатель

Д о с т о и н с т в а:

1) малый вес;

2) максимальный момент доступный при 0 об/мин;

3) высокий КПД;

4) возможность рекуперации энергии.

Н е д о с т а т к и:

1) малый пробег на одной зарядке аккумуляторов;

2) долгая зарядка аккумуляторов;

3) малый срок службы батареи;

4) большой объем и вес батареи.

Так как необходимо выбрать тип ЭД для ГСУ, то приведем крат-

кую характеристику всех основных видов ЭД.

Электрические машины постоянного тока

Используются в электрической тяге, где требуются мягкие регу-

лировочные характеристики и широкие пределы регулирования час-

тоты вращения. Используются там, где питание от постоянного тока.

В качестве исполнительных двигателей систем автоматического

управления используют в основном машины постоянного тока с не-

зависимым возбуждением.

Д о с т о и н с т в а:

1) допускают плавное регулирование частоты вращения простыми

способами и обладают лучшими пусковыми качествами – развивают

большой пусковой момент при относительно небольшом токе;

2) практически линейные механическая и регулировочная харак-

теристики;

3) устойчивость к перегрузкам;

4) сохраняет во всем диапазоне регулирования высокий КПД.

Н е д о с т а т к и:

1) необходимость профилактического обслуживания коллекторно-

щеточных узлов;

109

2) ограниченный срок службы из-за износа коллектора;

3) высокая стоимость.

Асинхронные машины

Используются в основном как двигатели и сравнительно редко как

генераторы (для образования вращающего магнитного поля асинхрон-

ный генератор потребляет из сети реактивную мощность). Асинхрон-

ные двигатели используются, как правило, в устройствах, не требую-

щих особой точности перемещения (т. е. позиционирования) и удобны,

когда требуется простое вращение с постоянной скоростью.

Д о с т о и н с т в а:

1) высокая надежность;

2) длительный срок службы;

3) простота использования;

4) малая стоимость по сравнению с другими машинами;

5) высокий пусковой вращающий момент;

6) жесткая механическая характеристика.

Н е д о с т а т к и:

1) трудное осуществление плавного регулирования частоты вра-

щения в широком диапазоне;

2) потребление больших токов из сети при пуске;

3) плохие характеристики при работе в генераторном режиме.

Синхронные машины

Используют главным образом в качестве источников электрической

энергии переменного тока, их устанавливают на мощных тепловых,

гидравлических и атомных электростанциях, а также на передвижных

электростанциях и транспортных установках. Синхронные машины

широко используют и в качестве электродвигателей при мощности до

0,1 и от 100 кВт и выше для привода насосов, компрессоров, вентиля-

торов и других механизмов, работающих при постоянной частоте вра-

щения. Для запуска необходимо стороннее устройство.

С помощью приведенной характеристики типов ЭД делаем вывод,

что наиболее рациональным в данном случае будет выбрать двига-

тель постоянного тока. К его достоинствам можно отнести еще

и возможность проведения экспериментальных исследований на ДПТ

марки ПТ-125-12.

ГСУ

П р е и м у щ е с т в а:

возможность рекуперации энергии;

110

2) большой пробег на одной заправке;

3) малый вес и объем источника энергии;

4) максимальный момент доступный при 0 об/мин;

5) ДВС работает с большой степенью равномерности и большой

степенью загрузки;

6) высокий средний КПД;

7) высокие экологические показатели.

Н е д о с т а т к и:

1) увеличение потребления энергии в связи с низкими температу-

рами в зимнее время года;

2) высокая сложность конструкции;

3) утилизация аккумуляторов.

При разработке системы управления ГСУ необходимо учесть, что

существуют различные режимы работы ГСУ.

1. Начало движения – при трогании с места и движении на малых

скоростях используются лишь электромоторы.

2. Нормальный режим движения – на трассе двигатель и электро-

мотор работают вместе; мощность двигателя делится между колесами

и электрогенератором, который приводит в движение электромотор.

Распределение мощности корректируется для обеспечения максималь-

ной эффективности. При необходимости генератор подзаряжает бата-

рею за счет избыточной мощности двигателя.

3. Разгон – батарея дает энергию, дополняющую мощность двига-

теля; двигатель и электромоторы обеспечивают плавный разгон.

4. Торможение – при торможении электромоторы работают как

генераторы. Они преобразуют кинетическую энергию в электриче-

скую, накапливающуюся в батарее.

5. Остановка – при остановке двигатель автоматически выключает-

ся для экономии топлива и обеспечения максимальной эффективности.

При движении автомобиля в нормальном режиме привод колес

осуществляется за счет бензинового двигателя и электромоторов; энер-

гия двигателя распределяется между колесами и электрическим гене-

ратором, который, в свою очередь, приводит в движение электромото-

ры. При необходимости генератор также осуществляет зарядку бата-

реи, отдавая ему излишки энергии.

Распределение энергии происходит в соответствии с установлен-

ными критериями эффективности. Поэтому ставится задача разра-

ботки системы управления ГСУ по таким критериям, как экономич-

ность, экологичность и максимальная мощность. Также в задачи вхо-

дит нахождение возможности реализации максимальных параметров.