Меню
Публикации
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2022-22-3-492-500
УДК 681.5.09
Алгоритм детектирования и локализации отказов двигателя постоянного тока
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
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
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
-
Chen J., Patton R.J. Robust Model-Based Fault Diagnosis for Dynamic Systems. Springer Science & Business Media, 2012. 356 p.
-
Wünnenberg J. Observer-based Fault Detection in Dynamic Systems. VDIVerlag, 1990. 127 p.
-
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.
-
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
-
Козлов Д.С., Тюменцев Е.В. Нейросетевые методы обнаружения отказов датчиков и приводов летательного аппарата // Труды МАИ. 2019. № 52. С. 2.
-
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.
-
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
-
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
-
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
-
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
-
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.
-
Лейбов Р.Л. Обнаружение, локализация и конкретизация отказов исполнительных устройств линейной системы управления // Авиакосмическое приборостроение. 2012. № 8. С. 26–35.
-
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
-
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
-
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