silnik indukcyjny, transformacja falkowa, sieć neuronowa, strefa luzu, moment bezwładności
induction motor, wavelet transformation, neural net-work, backlash zone, inertia moment
Rejestrowane w czasie rzeczywistym sygnały układów elektromechanicznych, zarówno elektryczne, jak i mechaniczne, zazwyczaj zawierają istotne informacje o stanie tych układów oraz o zachodzących w nich procesach fizycznych, mogących być symptomami pojawiających się uszkodzeń. W złożonych układach elektromechanicznych, zawierających silne nieliniowości, i działających w warunkach istnienia zakłóceń, dostęp do tych informacji jest zwykle bardzo trudny i wymaga stosowania specjalistycznego aparatu badawczego. Wymienione ograniczenia sprawiają, że wybór aparatu badawczego jest bardzo istotny. W rozprawie tej badania charakteru sygnałów przeprowadzono jednocześnie w dziedzinie czasu i częstotliwości, co zwiększyło efektywność selekcji zawartych w tych sygnałach informacji. Wybór ten był podyktowany dogłębną analizą istniejącego stanu wiedzy, która wykazała, że analiza czasowo-częstotliwościowa stanowi efektywne narzędzie monitorowania i diagnostyki niestacjonarnych stanów dynamicznych, które zazwyczaj są efektem występowania silnych nieliniowości (luzów, nieciągłości charakterystyk tłumienia, czy skokowych zmian momentu bezwładności). W pracy przyjęto, że analiza wrażliwości układu na niewielkie skokowe zmiany wartości wybranych parametrów układu może być pierwszym etapem badań takich stanów. W wyniku przeprowadzonych analiz stwierdzono, że zastosowanie metody sieci neuronowych, a także metody grupowania danych pozwala na wydatne zwiększenie efektywności wykorzystania informacji zawartej w rozkładach współczynników falkowych i skalogramach.
Real-time signals of electromechanical systems, both electrical and mechanical, usually contain important information about the state of these systems and the physical processes occurring in them that may be symptoms of emerging faults. In complex electromechanical systems containing strong nonlinearities and operating under the conditions of interference, access to this information is usually very difficult and requires the use of specialized research equipment. The above-mentioned restrictions make the selection of a research tool very important. In this study, the nature of the signals was simultaneously carried out in the field of time and frequency, which increased the efficiency of the selection of information contained in these signals. This choice was dictated by an in-depth analysis of the existing state of knowledge, which showed that time-frequency analysis is an effective tool for monitoring and diagnostics of non-stationary dynamic states, which are usually the result of strong nonlinearities (backlashes, discontinuity of suppression characteristics or step changes of moment inertia). This work assumes that the analysis of the sensitivity of the system to small step changes in the value of selected system parameters may be the first stage of testing such states. As a result of the conducted analyzes, it was found that the use of the neural network method as well as the grouping of data methods, allows for a significant increase in the efficiency of information utilization contained in the distributions of wavelet coefficients and scalograms.
