doi: 10.17586/2226-1494-2022-22-3-492-500


УДК 681.5.09

Колесник Н.С., Маргун А.А.
Алгоритм детектирования и локализации отказов двигателя постоянного тока



Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования:
Колесник Н.С., Маргун А.А. Алгоритм детектирования и локализации отказов двигателя постоянного тока // Научно-технический вестник информационных технологий, механики и оптики. 2022. Т. 22, № 3. С. 492–500. doi: 10.17586/2226-1494-2022-22-3-492-500


Аннотация
Предмет исследования. Исследован современный подход к решению проблемы детектирования отказов двигателей постоянного тока. Предложен алгоритм онлайн-оценки работоспособности двигателя постоянного тока при различных нагрузках. Метод. Метод детектирования основан на использовании набора наблюдателей Люенбергера полного порядка. Схема локализации построена с применением направленных генераторов рассогласования и оценки соотношений между вектором ошибки наблюдения и векторами рассогласования для различных видов отказов. Основные результаты. Разработана процедура синтеза алгоритма детектирования и локализации отказов двигателей постоянного тока. Выполнено компьютерное моделирование на примере двигателя постоянного тока RK 370CA при условиях: отказа из-за неучтенного момента силы, действующего на ротор; отклонения входного напряжения от заданного; сбоев датчиков скорости и тока. В результате эксперимента выявлено корректное определение состояния двигателя (наличие отказа) и причины отказа. Проведено сравнение предложенного подхода с решениями, основанными на аппаратной и временной избыточностях, подходах идентификации и синтеза наблюдателей. Определено преимущество подхода — возможность детектирования и локализации отказов как по входным, так и по выходным сигналам при тривиальной процедуре синтеза и отсутствии необходимости расширения аппаратной части системы. Представленный метод применим для линейных систем второго порядка, а также может быть развит для объектов старшего порядка при необходимом изменении систем уравнений, решаемых при построении наблюдателей. Практическая значимость. Предложенный метод позволяет производить онлайн-локализацию отказов и не требует дополнительных средств измерения, что способствует сокращению расходов на диагностику, экономии времени ремонта и обслуживания, своевременному обнаружению аварий. Результаты работы могут найти применение в разработке систем управлении двигателями постоянного тока для повышения надежности и отказоустойчивости.

Ключевые слова: детектирование отказов, локализация отказов, двигатель постоянного тока, направленный генератор рассогласований

Благодарности. Исследование частично проведено при поддержке Министерства науки и высшего образования РФ, госзадание № 2019-0898. Работа частично выполнена в ИПМаш РАН при поддержке госзадания № 121112500298-6 (ЕГИСУ НИОКТР).

Список литературы
  1. Chen J., Patton R.J. Robust Model-Based Fault Diagnosis for Dynamic Systems. Springer Science & Business Media, 2012. 356 p.
  2. Wünnenberg J. Observer-based Fault Detection in Dynamic Systems. VDIVerlag, 1990. 127 p.
  3. Аверьянов А.В., Барановский А.М., Эсаулов К.А. Анализ пределов аппаратной избыточности системы автоматизированного дистанционного управления военного назначения // I-METHODS. 2015. Т. 7. № 4. С. 16–20.
  4. Chen J., Patton R., Zhang H.-Y. Design of unknown input observers and robust fault detection filters // International Journal of Control. 1996. V. 63. N 1. P. 85–105. https://doi.org/10.1080/00207179608921833
  5. Козлов Д.С., Тюменцев Е.В. Нейросетевые методы обнаружения отказов датчиков и приводов летательного аппарата // Труды МАИ. 2019. № 52. С. 2.
  6. Коровкин М.В., Сотникова М.В. Обнаружение и локализация отказов в системах управления морскими подвижными объектами // Системы управления и информационные технологии. 2013. № 4. С. 91–94.
  7. Oh K.S., Song T.J., Lee J.M., Yoon Y.M., Yi K.S. Sliding mode observer based fault detection and isolation algorithm of sensor for longitudinal autonomous driving using V2V communication // Transactions of the Korean Society of Mechanical Engineers, A. 2019. V. 43. N 98. P. 599–609. (in Korean). https://doi.org/10.3795/KSME-A.2019.43.9.599
  8. Zhao R., Wu Y. Intelligent fault detection and diagnosis method for automatic control system based on reinforcement learning // Lecture Notes in Electrical Engineering. 2021. V. 747. P. 1459–1467. https://doi.org/10.1007/978-981-16-0115-6_167
  9. Zhang Y., Wang K., Qian X., Gendeel M. Robust fault-detection based on residual K–L divergence for wind turbines // IET Renewable Power Generation. 2019. V. 13. N 13. P. 2400–2408. https://doi.org/10.1049/iet-rpg.2018.6190
  10. Lim J.K., Park C.G. Satellite fault detection and isolation scheme with modified adaptive fading EKF // Journal of Electrical Engineering and Technology. 2014. V. 9. N 4. P. 1401–1410. https://doi.org/10.5370/jeet.2014.9.4.1401
  11. Захаров Н.А., Калин С.В., Клепиков В.И., Подхватилин Д.С. Алгоритмическое обеспечение отказоустойчивости распределенных систем управления // Радіоелектронні і комп'ютерні системи. 2008. № 7(34). С. 43–48.
  12. Лейбов Р.Л. Обнаружение, локализация и конкретизация отказов исполнительных устройств линейной системы управления // Авиакосмическое приборостроение. 2012. № 8. С. 26–35.
  13. Кузнецова Т.А., Августинович В.Г. Применение нейронной сети для диагностики отказов датчиков канала обратной связи САУ ГТД // Научно-технический вестник Поволжья. 2017. № 4. С. 131–133. https://doi.org/10.24153/2079-5920-2017-7-4-131-133
  14. Adouni A., Abid A., Sbita L. A DC motor fault detection, isolation and identification based on a new architecture Artificial Neural Network // Proc. of the 5th International Conference on Systems and Control (ICSC). 2016. P. 294–299. https://doi.org/10.1109/ICoSC.2016.7507054
  15. Santos L.I., Palhares R., D’Angelo M., Mendes J.B., Veloso R., Ekel P. A new scheme for fault detection and classification applied to dc motor // Trends in Computational and Applied Mathematics. 2018. V. 19. N 2. P. 327–345. https://doi.org/10.5540/tema.2018.019.02.327


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2022 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика