طالبة الماجستير في قسم الهندسة الكهربائية “ريا عبد الكريم أسود” تناقش رسالتها
نوقشت رسالة الماجستير الموسومة:
“ألنمذجة لتشخيص أعطال الملف بالجزء الثابت في المحرك الحثي”
التي اعدتها طالبة الماجستير في قسم الهندسة الكهربائية – كلية الهندسة / جامعة بغداد كجزء من متطلبات نيل درجة الدكتوراه في الهندسة الكهربائية ريا عبد الكريم أسود وبإشراف الاستاذ المساعد الدكتور باسم محمد حسن جاسم يوم الاثنين المصادف 28/9/2020.تكونت لجنة المناقشة لهذه الاطروحة من الاستاذ المساعد الدكتور حنان ميخائيل داود رئيساُ وعضوية الاستاذ المساعد الدكتورعلي محمد كاظم عيدان والمدرس الدكتور أصلان صباح الدين جلال.
خلاصة اطروحة الطالبة كما يلي:
تستهلك المحركات الحثية ثلاثية الطور أكثر من نصف أنتاج الطاقة الكهربائية الكلي في العالم. هذا يعود إلى مميزاتها، كالبساطة، قلة الكلفة و قابليتها على التشغيل الذاتي. لذلك، تستخدم هذه المحركات بشكل كبير في التطبيقات الصناعية وتحت مختلف الظروف البيئية التي قد تعرضها إلى ضغوط كهربائية وميكانيكية. وبناء عليه، تتسبب الضغوط في العديد من أنواع الأعطال، التي تتطور لفشل ينتهي بأنهيار تام للمنظومات. وبالتالي، أصبح أستخدام أستراتيجية الصيانة بالأعتماد على الحالة ( (CBMشائعا. هذا النوع من الصيانة يتطلب مراقبة مستمرة لحالة المحرك الصحية. أن العمل مع CBM معتمد على المعلومات المجهزة من قبل تقنيات التشخيص، وهذا ضروري من أجل تقليل كل من الوقت والتكاليف الناجمة من التوقف الغير متوقع. عليه، هذا البحث قد أهتم بتطوير نظام تشخيصي قادر على التمييز بين الحالات الصحية والغير صحية، حتى في ظل وجود الأضطرابات مثل أنعدام الأتزان لمصدر الجهد ، تغييرات مستوى الحمل و ضوضاء القياسات. بالأضافة، فقد كرس هذا العمل لتشخيص أعطال الملف بالجزء الثابت لأنها الأكثر حدوثا.
من أجل تحقيق ذلك الهدف، تم أستخدام طريقة النمذجة للتشخيص وبمساعدة طرق المثالية ( الخوارزمية الجينية “GA” وطريقة منطقة الثقة “TRM” ) لتخمين التغييرات في المعاملات الأساسية للماكنة ( المقاومات، المحاثات للجزء الثابت والمتحرك، المحاثة المشتركة) وعدد اللفات لملفات الجزء الثابت تحت الظروف الصحية، أنقطاع طور و الحالة الغير صحية بقصور بين عدد اللفات. تظهر نتائج المحاكات بأن هذه المعاملات تمتلك تغييرات ذات صلة بطبيعة الحالة الغير صحية، وانحرافاتها من قيمها المقننة يمكن أعتبارها كأعراض للعطل. علاوة، هذه الأعراض يمكن توظيفها بأستخدام المنطق المضبب للتصنيف لأعلان حالة الماكنة، شدة العطل و موقعه. وتؤكد هذه النتائج أن GA و TRM تتلاقى بشكل متشابه، لكن TRM أسرع من GA. النظام التشخيصي المقترح يتطلب فقط أشارات التيار والجهد وقادر على تشخيص العطل في مرحلته الأبتدائية و بمختلف الحالات لمستوى الحمل و تحت مصدر الجهد الغير متزن. وكذلك قد أخذ بنظر الأعتبار التحقق العملي للنظام التشخيصي المقترح بأستخدام أشارات مقاسة ضوضائية و نقية. توافقت النتائج العملية مع نتائج المحاكات وكلاهما تشدد على أن تتبع التغيير في عدد اللفات لملفات الجزء الثابت كفوء لتشخيص أعطال الملف بالجزء الثابت.
M.Sc. Student in Electrical Engineering Department “Raya A. K. Aswad” Defends Her Thesis
Translated by: Dr. Rabab Hameed Shghedl Al-Darraji
The M.Sc. student Ms. Raya A.K. Aswad was examined in the contents of the thesis entitled:
“Model-based Diagnosis of Stator Winding Faults in Induction Motor”
which she prepared in the Department of Electrical Engineering/College of Engineering/Baghdad University in partial fulfillment of the requirements for the degree of M.Sc. in Electrical Engineering under the supervision of Asst. Prof Bassim M.H. Jassim, Ph.D. on Monday 28-9-2020.The examining committee consisted of Asst. Prof. Hanan Michael Dawod, Ph.D.(Chairperson of the Examining Committee) and Asst. Prof. Mohammad Kazem Edan, Ph.D., Lect. Asslan Sabah Al-Deen Jalal(Members of the Examining Committee).
The abstract of the student’s thesis is as follows:
Three-phase induction motors consume more than half of the total generation of electricity in the world due to their merits, such as simplicity, low cost, and self-starting capability. Therefore, they are enormously used in industrial applications under different environmental conditions that may subject them to electrical and mechanical stresses. Consequently, the stresses can cause several types of faults, which are progress to failure and result in the total shutdown of systems. Hence, the usage of a condition-based maintenance strategy (CBM) has become a trending. This kind of maintenance strategy requires continuous monitoring of the motor health condition. Working with CBM is based on the information provided by diagnosis techniques, and it is essential for reducing both the time and costs of unexpected downtime. Thus, this research is interested in developing a diagnostic system capable of discrimination between healthy and faulty conditions, even with disturbances such as imbalanced supply voltages, load level variations, and measurements noise. Furthermore, this work is devoted to diagnosing the stator winding faults because they are the most frequent.
In order to achieve that aim, a model-based diagnosis method is used with the aid of optimization methods (genetic algorithm ‘GA’ and trust-region method ‘TRM’) to estimate the variations in basic parameters of the machine (resistances, inductances of stator and rotor, mutual inductance) and the number of turns in stator windings under healthy, single-phasing and faulty with inter-turn fault conditions. The simulation results show that the parameters have related variations with the faulty state nature, and their deviations from the initial values can be considered as fault’s symptoms. In addition, those symptoms can be employed using the fuzzy logic classifier to declare the machine’s condition, the fault severity, and location. These results confirm that GA and TRM converge similarly, but TRM is faster than GA. The proposed diagnostic system needs only voltage and current signals and can diagnose the incipient stage of fault at different load level cases and under imbalanced supply voltages. Experimental validation of the proposed diagnostic system using both noisy and noise-free measured signals has also been considered. The experimental results are in agreement with the simulation results and both emphasize that tracking the variation of the number of turns in stator windings is efficient for diagnosing the stator winding faults.
