Broken rotor bar detection using empirical demodulation and wavelet transform: suitable for industrial application

Filho, Paulo Cezar Monteiro Lamim; Baccarini, Lane Maria Rabelo; Batista, Fabiano Bianchini; Alves, D. A.

doi:10.1007/s00202-018-0700-1

Cited by 11 publications

(8 citation statements)

References 29 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…O HRRé causado pela estrutura do rotor (distribuição das barras do rotor nas ranhuras) e o curto circuito no estator CCEE (Joksimovic and Penman, 2000;Ghoggal et al, 2009;Lamim Filho et al, 2014). O HBQé resultado de assimetrias nas barras do rotor (Lamim Filho et al, 2018;Batista et al, 2016;Ramirez-Nunez et al, 2018;Henao et al, 2003), o HE por desalinhamentos e presença de excentricidades mistas (Ramirez-Nunez et al, 2018) e HEM por excentricidade estática e dinâmica (Ramirez-Nunez et al, 2018;Ghoggal et al, 2009;Ishkova and Vítek, 2016;Sahraoui et al, 2008).…”

Section: Análise Espectralunclassified

Análise do Envelope da Corrente para Diagnóstico de Falhas em MITs

Zaparoli

Baccarini

Lamim

et al. 2020

Anais Do Congresso Brasileiro De Automática 2020

View full text Add to dashboard Cite

O diagnóstico de falhas é essencial para evitar interrupções não programadas e garantir a continuidade e confiabilidade dos processos de produção. Entretanto a detecção da falha incipiente no estator não é trivial e é reconhecida como uma das falhas mais cruciais e difíceis de se identificar. A análise do envelope da corrente tem sido amplamente utilizada nos métodos de diagnósticos, porém apenas o envelope sem um processamento de sinais adequado não é capaz de detectar a falha. Este artigo propõe uma nova técnica para o diagnóstico de curto-circuito inicial entre espiras do estator em motores de indução, considerando uma análise espectral do resíduo obtido do envelope da corrente. A metodologia consiste em separar as oscilações de alta e baixa amplitude do envelope da corrente utilizando a técnica Robust Extreme Envelope Average (REEA). O sinal formado pelas maiores oscilações, denominado resíduo, carregam as informações desejadas causadas pela falha incipiente, é analisado utilizando a Transformada Rápida de Fourier (FFT), e os componentes harmônicos excitados pela falha são utilizados para monitorar sua evolução. Os resultados experimentais mostram que o método é robusto e eficaz no diagnóstico inicial da falha do estator. A ferramenta é versátil e de fácil aplicação em uma planta industrial.

show abstract

Section: Análise Espectralunclassified

Análise do Envelope da Corrente para Diagnóstico de Falhas em MITs

Zaparoli

Baccarini

Lamim

et al. 2020

Anais Do Congresso Brasileiro De Automática 2020

View full text Add to dashboard Cite

show abstract

“…As falhas relacionadas ao rotor englobam um total de 5% a 10% das falhas que o motor de indução está susceptível [3]. Dentre essas anomalias, o defeito de barra quebrada é a terceira falta mais comum nessas máquinas [8]. A ocorrência dessa falha, geralmente, ocasionada por falta de manutenção, sobrecarga e estresse térmico nesses equipamentos, o que causa uma série de perturbações como flutuações de velocidade e vibrações indesejadas [9].…”

Section: Introductionunclassified

A Incerteza ao Detectar Falha de Barra Quebrada em Baixo, Médio e Nominal Escorregamento

Araújo

Oliveira

Carvalho

et al. 2021

J. Appl. Instrum. Control

View full text Add to dashboard Cite

Resumo-Os motores de indução são amplamente utilizados no setor industrial, principal razão pelo qual sua manutenção se tornou um tema relevante nas últimas décadas. Diversas técnicas de detecção de falhas foram desenvolvidas em função dessas máquinas. No presente trabalho, três técnicas de demodulação de sinais são abordadas a fim de testar, comparar e apontar as incertezas por meio da distribuição normal. Essas técnicas são a Transformada de Hilbert, a Empirical Demodulation e Fault Frequency Highlighting. Aplicando-as nos sinais de corrente a fim de detectar o defeito de barra quebrada em motores de indução foi possível analisar o comportamento das respostas obtidas e das situações de falso negativo ou positivo, principalmente em baixo escorregamento, de 0% a aproximadamente 10% de carga.

show abstract

“…On the other hand, in the classification stage, the obtained features are employed for designing and training different pattern recognition algorithms, which automatically determine the IM condition [ 16 ]. In this regard, the fast Fourier transform [ 17 , 18 ], statistical methods [ 19 , 20 ], Welch method [ 21 ], regressive-based models [ 22 ], fractality-based method [ 23 ], entropy-based methods [ 24 , 25 ], multiple signal classification method [ 26 ], wavelet transform [ 27 , 28 , 29 ], empirical mode decomposition [ 30 , 31 ], and principal component analysis [ 32 ], among other indices or methods, have been explored to extract patterns about the IM condition. In a similar venue, different pattern recognition algorithms have already been presented to diagnose the IM condition automatically, e.g., artificial neural networks [ 4 ], fuzzy logic systems [ 23 ], k-means [ 33 ], support vector machines [ 34 ], and decision trees [ 35 ], among others.…”

Section: Introductionmentioning

confidence: 99%

Convolutional Neural Network and Motor Current Signature Analysis during the Transient State for Detection of Broken Rotor Bars in Induction Motors

Valtierra-Rodríguez

Rivera-Guillen

Basurto-Hurtado

et al. 2020

Sensors

View full text Add to dashboard Cite

Although induction motors (IMs) are robust and reliable electrical machines, they can suffer different faults due to usual operating conditions such as abrupt changes in the mechanical load, voltage, and current power quality problems, as well as due to extended operating conditions. In the literature, different faults have been investigated; however, the broken rotor bar has become one of the most studied faults since the IM can operate with apparent normality but the consequences can be catastrophic if the fault is not detected in low-severity stages. In this work, a methodology based on convolutional neural networks (CNNs) for automatic detection of broken rotor bars by considering different severity levels is proposed. To exploit the capabilities of CNNs to carry out automatic image classification, the short-time Fourier transform-based time–frequency plane and the motor current signature analysis (MCSA) approach for current signals in the transient state are first used. In the experimentation, four IM conditions were considered: half-broken rotor bar, one broken rotor bar, two broken rotor bars, and a healthy rotor. The results demonstrate the effectiveness of the proposal, achieving 100% of accuracy in the diagnosis task for all the study cases.

show abstract

Broken rotor bar detection using empirical demodulation and wavelet transform: suitable for industrial application

Cited by 11 publications

References 29 publications

Análise do Envelope da Corrente para Diagnóstico de Falhas em MITs

Análise do Envelope da Corrente para Diagnóstico de Falhas em MITs

A Incerteza ao Detectar Falha de Barra Quebrada em Baixo, Médio e Nominal Escorregamento

Convolutional Neural Network and Motor Current Signature Analysis during the Transient State for Detection of Broken Rotor Bars in Induction Motors

Contact Info

Product

Resources

About