Revista Internacional de Avances en Tecnología
Acceso abierto

abstracto

Nueva técnica Wavelet ANN para clasificar Falla entre vueltas en motor de inducción trifásico

Sra. Anjali.U.Jawadekar, Gajanan Dhole, Sudhir Paraskar

La detección temprana de fallas en el devanado del estator del motor de inducción es crucial para una operación confiable y económica del motor de inducción en las industrias. Mientras que las fallas principales de los devanados se pueden identificar fácilmente a partir de las corrientes de suministro, las fallas menores que involucran menos del 5 % de las espiras no son fácilmente discernibles. La presente contribución reporta resultados experimentales para el monitoreo de fallas menores de cortocircuito en el devanado del estator del motor de inducción. La corriente de la línea del motor se ha analizado utilizando una herramienta moderna de procesamiento de señales y reducción de datos que combina la Transformación de Park y la Transformada Wavelet Discreta (DWT). La herramienta de clasificación de datos basada en Feed Forward Artificial Neural (FFANN) se utiliza para la caracterización de fallas en función de las características de DWT extraídas del patrón vectorial actual de Park. Se prueba con éxito un algoritmo en línea en un motor de inducción trifásico y se presentan resultados experimentales para demostrar la eficacia del método propuesto.