Mateusz DYBKOWSKI, Kail KLIMKOWSKI Politechnika Wrocławska, Katedra Maszyn, Napędów i Poiarów Elektrycznych doi:10.15199/48.2016.04.20 Wybrane detektory uszkodzeń czujnika prędkości obrotowej dla napędu wektorowego z silnikie indukcyjny Streszczenie. W artykule przedstawiono odele i analizę wybranych detektorów uszkodzeń czujnika prędkości obrotowej silnika indukcyjnego dla napędu sterowanego etodą wektorową. Analizie poddane zostały zarówno systey wykorzystujące teorię sztucznych sieci neuronowych, jak i proste techniki bazujące na relacjach poiędzy wybranyi ziennyi stanu napędu. Badania syulacyjne i eksperyentalne wykonano z wykorzystanie struktury bezpośredniego sterowania polowo zorientowanego (DFOC) na stanowisku laboratoryjny z zawe szybkiego prototypowania Micro Lab Box ds1202 firy dspace. Abstract. In the paper the chosen speed sensor faults detectors for vector controlled induction otor drive syste are presented and described. Systes based on the artificial intelligence (neural network) and siple algorithic systes are analyzed and ted in different drive conditions. Siulation and experiental results are obtained in direct field oriented control algorith (DFOC) on the laboratory set-up with rapid prototyping card Micro Lab Box DS1202 by dspace. (Chosen speed sensor fault detectors for vector controlled induction otor drive syste). Słowa kluczowe: DFOC, czujnik prędkości, detektor, napęd odporny, sieci neuronowe. Keywords: DFOC, speed sensor, detector, fault tolerant drive, neural networks. Wstęp Układy napędowe o zwiększony stopniu bezpieczeństwa (FTC - ang. Fault Tolerant Control [17], [24]) zyskują coraz większe zainteresowanie w różnych gałęziach przeysłu. Systey te gwarantują stabilną pracę napędu elektrycznego, poio wystąpienia awarii w ty układzie. Definicja systeów odpornych związana j z detekcją [6], [13], [18] i kopensacją uszkodzeń [6], [13], [19] zarówno aszyny elektrycznej [6], [13], [14], [20], energoelektroniki [6], [13], [21] jak i czujników poiarowych [6], [22]. Wzrost zainteresowania tyi układai wygenerował także potrzebę opracowywania uniwersalnych etod detekcji uszkodzeń koponentów całego systeu [16], [20], [24]. W zależności od napędu, detektory te ogą bazować na sygnałach ierzonych lub dodatkowo także na sygnałach pochodzących z wewnętrznej pętli regulacji (napędy sterowane etodai wektorowyi). Istotny zagadnienie związany z napędai o zwiększony stopniu bezpieczeństwa j czas od wykrycia uszkodzenia do podjęcia decyzji o dalszy stanie napędu [21]. I dłuższy czas detekcji i kopensacji uszkodzenia, ty bardziej zakłócone są przebiegi podstawowych ziennych stanu aszyny. Ponadto awarie czujników poiarowych w napędach sterowanych etodai wektorowyi ogą doprowadzić do utraty stabilności bądź niepożądanych stanów pracy silnika [1], [9], [17], [24]. Aby zapewnić prawidłowe funkcjonowanie złożonych układów, konieczne j zate uwzględnienie technik diagnostyki [23] i kontroli, które w odpowiednio krótki czasie pozwolą na detekcję uszkodzenia i adekwatną odpowiedź struktury sterowania [1], [9], [24]. W artykule przedstawiono analizę wybranych systeów detekcji uszkodzenia czujnika prędkości kątowej silnika indukcyjnego. Badania wykonano w strukturze sterowania polowo zorientowanego (DFOC ang. Direct Field Oriented Control). Do yacji struienia wirnika wykorzystano odel prądowy silnika indukcyjnego [1], [2], a do yacji prędkości yator MRAS CC [1]. Zwrócono szczególną uwagę na czas potrzebny na prawidłową detekcję uszkodzenia enkodera inkreentalnego. Badania syulacyjne zostały zrealizowane w środowisku MATLAB/SiPowerSystes. Badania eksperyentalne wykonano na zawie do szybkiego prototypowania MicroLabBox firy dspace z kartą poiarową DS1202 i układe FPGA. Metody detekcji uszkodzeń czujników poiarowych Konwencjonalne techniki weryfikacji poprawnego działania czujników dotyczą ich okresowego sprawdzania i kalibrowania zgodnie z określony zawe procedur [12]. Poio, że takie rozwiązanie j powszechnie stosowane w przeyśle to nie pozwala ono na identyfikację uszkodzenia w czasie rzeczywisty, zate j nieefektywne przy wystąpieniu wczesnych oznak awarii [12], [16]. Obecnie projektowane są bardziej systeatyczne techniki, które najogólniej ożna podzielić na etody redundancji sprzętowej oraz analitycznej. Ogólna idea pierwszych z nich polega na ciągły poiarze odpowiedniej ziennej stanu z użycie dwóch lub większej ilości czujników, a następnie izolacji uszkodzonego koponentu poprzez porównanie z odczytai pozostałych czujników. Metody te, ze względu na swoją prostotę są najczęściej stosowane [6], [12], [13]. Metody oparte na redundancji analitycznej nie wykorzystują dodatkowych czujników, lecz bazują na wzajenych relacjach poiędzy ierzonyi ziennyi stanu i otrzyanyi z odelu ateatycznego procesu. Różnica poiędzy tyi wartościai wskazuje na wystąpienie uszkodzenia eleentu poiarowego [9], [13], [18]. Jak przedstawiono na rysunku 1 etody redundancji analitycznej ogą być podzielone na kategorie w zależności od sposobu uzyskiwania inforacji o danej ziennej stanu: bazujące na odelach ateatycznych, wiedzy eksperta czy analizie danych [12], [13]. Rys.1. Podział etod detekcji i identyfikacji awarii [12], [13] PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 92 NR 4/2016 85
Metody oparte na odelu ateatyczny wyagają dokładnego opisu badanego systeu, który oże być przedstawiony za poocą relacji parzystości, obserwatorów czy yatorów ziennych stanu [6], [15], [18], [24]. Systey oparte na wiedzy eksperta opierają się na zawie reguł nawiązujących do uprzednio zdefiniowanych i zaakceptowanych definicji [6], [16], [17], [18]. W przypadku bardzo skoplikowanych systeów ożna posłużyć się etodai wykorzystującyi odpowiednio dużą liczbę danych o dany procesie [6], [16], [17]. W złożonych systeach sterowania stosowanych j coraz więcej czujników, w wyniku czego liczne dane z poiarów ogą być zbierane w celu sterowania i diagnostyki. Uożliwia to rozwój technik opartych na wielowyiarowych etodach statystycznych, sieciach Bayesowskich i sztucznych sieciach neuronowych [14], [18], [19], [20], [22], [29], [30]. W układach napędowych odpornych na uszkodzenia (ang. FTCS - Fault Tolerant Control Systes) etody detekcji i identyfikacji awarii ożna podzielić na dwa główne typy: pasywne oraz aktywne [12], [16], [17], [18]. Pierwsze z nich wykorzystują techniki sterowania zapewniające, że sterowany w zakniętej pętli syste pozostaje niewrażliwy na pewne awarie, w taki sposób, że wadliwy proces kontynuuje pracę przy zachowaniu tej saej struktury i paraetrów sterowania [6], [17], [19]. Aktywne układy odporne na uszkodzenia wykorzystują detektory i/lub obserwatory stanu [6], [12], [13], [20], które wykrywają awarię. Główny cele j tutaj odzyskanie sprawności poprzez użycie dodatkowych obwodów redundantnych lub przez dostosowanie paraetrów regulatorów i yatorów w wyniku identyfikacji nowego obiektu sterowania [13], [20]. Zaiast polegać na stałej niewrażliwości systeu sterowania na każdą ożliwą sytuację, aktywne układy FTC reagują na awarię poprzez dostosowanie paraetrów i warunków regulacji. W celu osiągnięcia pożądanej rekonfiguracji syste wyaga albo inforacji dotyczących awarii albo odpowiedniego echanizu ich wykrywania i izolacji [6], [13], [20]. Model układu napędowego Jedny z najczęściej wykorzystywanych systeów sterowania wektorowego silnika indukcyjnego, w różnych gałęziach przeysłu, w ty także w niniejszej pracy, j układ bezpośredniego sterowania polowo zorientowanego DFOC [1]. Scheat ideowy analizowanego układu przedstawiono na rysunku 2. Do yacji struienia wirnika wykorzystano odel prądowy silnika indukcyjnego, natoiast do yacji prędkości yator MRAS CC, który w wewnętrzny obwodzie wykorzystuje yator prądowy [1]. Dokładny odel tego układu, wraz ze szczegółowyi badaniai przedstawiono w [1]. Rys.2. Scheat sterowania wektorowego DFOC wraz z systee diagnostyki czujnika prędkości Wpływ uszkodzeń czujnika prędkości na pracę napędu sterowanego etodą wektorową DFOC Awarie czujnika prędkości (enkodera inkreentalnego) ożna podzielić na trzy rodzaje, które przedstawiono w tabeli 1. Zależą one od współczynnika poocniczego. W tabeli 1 przedstawiono również wyniki eksperyentalne ilustrujące wpływ opisanych uszkodzeń czujnika prędkości na pracę układu napędowego sterowanego etodą polowo zorientowaną DFOC. Można zauważyć, że jedny z najniebezpieczniejszych rodzajów uszkodzeń j całkowite przerwanie pętli poiarowej prędkości. Wartość prędkości bardzo szybko rośnie, co związane j z wystawianie przez regulator prędkości aksyalnej (ograniczonej) wartości składowej i sy prądu stojana. Gubienie pojedynczych ipulsów nie powoduje znaczących negatywnych skutków w pracy napędu z silnikie indukcyjny, ale długotrwałe uszkodzenie tego typu oże doprowadzić do niekontrolowanych zjawisk w napędzie elektryczny sterowany wektorowo. Zanik poszczególnych ipulsów sygnału poiarowego oże wynikać iędzy innyi z drgań związanych z pracą układu napędowego, awaria tego typu w konsekwencji oże doprowadzić do uszkodzenia napędu. Tabela 1. Podział uszkodzeń inkreentalnego czujnika prędkości (badania dla struktury DFOC) Rodzaj uszkodzenia: Całkowite przerwanie pętli poiarowej Rodzaj uszkodzenia: Ograniczenie liczby ipulsów 1 Rodzaj uszkodzenia : Cykliczne przerywany sygnał poiarowy γ=0-1 < γ <1 γ =[0,1] 86 PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 92 NR 4/2016
Detekcja uszkodzeń czujnika prędkości Jednyi z podstawowych technik wykorzystywanych do diagnostyki stanu czujnika prędkości są etody techniczne (algoryticzne), bazujące na wzajenych relacjach poiędzy sygnałai dostępnyi w wewnętrznej strukturze sterowania i/lub z czujników poiarowych. Najprostszy i jedny z najczęściej opisywanych w literaturze [6], [9], [17], [20] sposobów detekcji awarii enkodera j porównywanie przebiegów prędkości echanicznej oraz yowanej przez dowolny yator tej wielkości (Rys. 3). świadcząca o wystąpieniu awarii. Próg ten oże być różny dla różnych układów napędowych. Zaprojektowano detektor oparty na jednokierunkowej sieci neuronowej z trzea warstwai ukrytyi, złożonej z neuronów o nieliniowych funkcjach aktywacji w konfiguracji 11-4-2-1. Scheat ideowy detektora przedstawiono na rysunku 5. Rys.3. Scheat blokowy detektora uszkodzeń czujnika prędkości bazujący na prędkości ierzonej i yowanej (1) gdzie: IF 1DFOC 0,02 0, 1 1 DFOC. THEN ELSE Skuteczność i niezawodność takiego algorytu zależy od dwóch aspektów. Pierwszy z nich j wybranie ożliwie najniej wrażliwego na ziany paraetrów silnika yatora. Drugi utrudnienie j ustalenie progowej wartości błędu iędzy wybranyi sygnałai diagnostycznyi, dla której detektor powinien zostać aktywowany. Zasada działania takiego detektora sprowadza się do zależności (1). Inny rozwiązanie, poprawiający skuteczność detekcji układu z rysunku 3 j echaniz [9] również oparty o yator prędkości (np. MRAS CC ), który dodatkowo wykorzystuje w procesie diagnostyki składowe prądu stojana. Scheat blokowy takiego detektora przedstawiono na rysunku 4, a zasada działania wyrażona j zależnością (2). Rys.4. Scheat blokowy detektora uszkodzeń czujnika prędkości dla sterowania wektorowego DFOC (2) IF isy isy 1DFOC 2DFOC THEN ELSE gdzie: 1DFOC, 2DFOC - dopuszczalne progi graniczne uchybów prędkości i składowej i sy dla analizowanego układu napędowego sterowanego etodą DFOC. Detektor zostaje aktywowany jeśli wartości uchybów są większe niż dopuszczalne wartości graniczne i generuje wtedy ipuls logiczny inforujący o wystąpieniu uszkodzenia. Inny sposobe wykrywania uszkodzeń czujnika prędkości kątowej j wykorzystanie sztucznych sieci neuronowych. Podstawową zaletą takiego podejścia j fakt braku konieczności doboru współczynników granicznych, przy których detektor wystawia flagę Rys.5. Struktura sieci neuronowej służąca do detekcji uszkodzenia czujnika prędkości Sieć neuronowa trenowana była sygnałe według algorytu Levenberga-Marquardta. W procesie nauki zianie ulegała wartość prędkości zadanej w układzie sterowania wektorowego. W pierwszej chwili napęd pracował z prędkością 100% wartości znaionowej, która w odpowiednich chwilach czasowych była zniejszana. W czasie pracy napędu dokonywano uszkodzeń czujnika prędkości kątowej. Detektor uczony był awarii polegającej na całkowity przerwaniu pętli poiarowej z czujnika prędkości. Wartość prędkości yowanej (przy wykorzystaniu yatora MRAS CC opisanego szerzej w [1]) pokrywała się z wartością rzeczywistą silnika, która różniła się od ierzonej (przez uszkodzony czujnik inkreentalny). Na podstawie procesu uczenia sieci neuronowej otrzyano detektor, który zweryfikowany został przy wyuszeniu innej wartości prędkości kątowej i innych typach awarii (takich, dla których sieć nie była trenowan występujących ponadto w innych chwilach czasowych. Uzyskane wyniki badań potwierdziły, że ożliwe j wykorzystanie takiego detektora w układzie napędowy z silnikie indukcyjny odporny na awarie czujnika prędkości. Wybrane wyniki badań Zaprezentowano wyniki syulacyjne oraz eksperyentalne dotyczące pracy obu detektorów uszkodzenia czujnika prędkości (z Rys.4 i Rys.5). W pierwszej chwili napęd pracował z prędkością 70% wartości znaionowej, która w odpowiednich chwilach czasowych była zieniana. Uszkodzenie enkodera zasyulowano w chwili t=4s. Na rysunkach 6 i 7 zaprezentowano wyniki kolejno syulacyjne oraz eksperyentalne dotyczące pracy układu napędowego bez obciążenia. Rysunki 6-9 dotyczą układu odpornego wykorzystującego detektor algoryticzny opisany zależnością (2). W przypadku badań syulacyjnych wyraźnie widoczny j oent przejścia na sterowanie bez poiaru prędkości, szczególnie na przebiegach składowej i sy prądu stojana oraz oentu elektroagnetycznego. I dłuższy czas detekcji awarii ty gorsze skutki ogą nastąpić w pracy napędu. Kolejne przebiegi z rysunków 8 i 9 prezentują podobną sytuację, z tą różnicą, że silnik był obciążony oente o =0,5 on w czasie t=2,5-7,0s. PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 92 NR 4/2016 87
Rys.6. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika (, odułu struienia wirnika, oentu elektroagnetycznego (b) oraz składowych x-y prądu stojana (c) (wyniki syulacyjne) Rys. 7. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika (, odułu struienia wirnika, oentu elektroagnetycznego (b) oraz składowych x-y prądu stojana (c), (wyniki eksperyentalne) Rys.9. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika (, odułu struienia wirnika, oentu elektroagnetycznego (b) oraz składowych x-y prądu stojana (c), obciążenie silnika oente o =0,5 on (wyniki eksperyentalne) Po stwierdzeniu obecności awarii przez układ diagnostyczny, napęd został przełączony na sterowanie z yatore prędkości MRAS, co pozwoliło na dalszą stabilną pracę napędu wektorowego. W chwilach pojawienia się i zaniku oentu obciążającego (t=2,5s oraz odpowiednio t=7s) oraz wystąpienia awarii enkodera (t=4s) widoczne są niewielkie przeregulowania prędkości yowanej oraz rzeczywistej silnika, które w przypadku wyników syulacyjnych nie są zauważalne w taki stopniu. Chwilowe ziany aplitud oentu elektroagnetycznego oraz składowej i sy prądu stojana wydają się być proporcjonalnie większe w porównaniu do pracy bez oentu obciążenia. Prosty detektor algoryticzny uożliwił wystarczająco szybkie wykrycie awarii, a yator pozwolił na dalsze dokładne odwzorowanie prędkości i ty say poprawną pracę napędu. Rys.8. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika (, odułu struienia wirnika oraz oentu elektroagnetycznego (b) oraz składowych x-y prądu stojana (c), obciążenie silnika oente o =0,5 on (wyniki syulacyjne) Rys.10. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika (, odułu struienia wirnika oraz oentu elektroagnetycznego (b) oraz składowych x-y prądu stojana (c), (wyniki syulacyjne) Kolejne badania (od Rys. 10) zostały przeprowadzone z wykorzystanie detektora opartego na sztucznej sieci neuronowej. Badania przeprowadzono w warunkach identycznych jak w przypadku detektora algoryticznego. 88 PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 92 NR 4/2016
Rysunki 10-11 dotyczą pracy jałowej silnika, natoiast rysunki 12-13 pracy z obciążenie. W obu trybach pracy napędu uzyskane wyniki syulacyjne wskazują, że prędkość silnika nie zostaje zakłócona, nawet w chwili wystąpienia awarii czujnika prędkości. Ipulsy widoczne na oencie i składowej i sy prądu stojana są niejsze i krótsze niż te uzyskane w poprzednich badaniach. Podobne przebiegi uzyskano dla badań eksperyentalnych, gdzie w chwili uszkodzenia syptoy zauważalne są goły okie jedynie na przebiegu erencyjnej wartości składowej i sy prądu, ale w dopuszczalnych dla tego sygnału granicach. AWARIA ENKODERA Rys.13. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika (, odułu struienia wirnika oraz oentu elektroagnetycznego (b) oraz składowych x-y prądu stojana (c) obciążenie silnika oente o =0,5 on (wyniki eksperyentalne) Poniżej na rysunku 14 przedstawiono w powiększeniu przebiegi prędkości yowanej, ierzonej oraz rzeczywistej silnika w chwili przejścia na sterowanie bezczujnikowe dla obu rodzajów detektorów (a, b detektor algoryticzny, c, d detektor neuronowy). b) Rys.11. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika (, odułu struienia wirnika, oentu elektroagnetycznego (b) oraz składowych x-y prądu stojana (c), (wyniki eksperyentalne) ω o c) d) AWARIA ENKODERA ω ψ r o e i sx i sy Rys.12. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika (, odułu struienia wirnika oraz oentu elektroagnetycznego (b) oraz składowych x-y prądu stojana (c) obciążenie silnika oente o =0,5 on (wyniki syulacyjne) Widoczne różnice w przebiegach podstawowych ziennych stanu, w chwili pojawienia się awarii wynikają jedynie z różnych czasów detekcji oraz kopensacji uszkodzenia przez układy diagnostyczne. Dlatego bardzo istotny aspekte w układach odpornych na uszkodzenia j skrócenie tego czasu do iniu. i sx i sy Rys.14. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika podczas przejścia ze struktury czujnikowej na bezczujnikową: dla silnika nieobciążonego (a, c), oraz dla silnika obciążonego (b, d) (wyniki eksperyentalne) W przypadku pierwszego detektora ożna zauważyć, że przy obciążeniu silnika połową znaionowej wartości oentu echanicznego przeregulowanie prędkości j znacznie większe w porównaniu do detektora neuronowego. Można zate stwierdzić, że przy pełny obciążeniu skutki będą jeszcze poważniejsze, tak sao jeśli uszkodzenie wystąpiłoby w znacznie niej korzystny oencie (np. w chwili załączenia obciążeni. Dodatkowo sprawdzono działanie detektorów dla 5% wartości prędkości znaionowej (Rys. 15). Dla niejszych wartości prędkości skutki awarii są w pierwszych chwilach niej szkodliwe dla pracy napędu zate czas detekcji również ulega wydłużeniu. Nie niej jednak także w takich przypadkach czas zadziałania detektora neuronowego j krótszy w porównaniu do systeu algoryticznego. PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 92 NR 4/2016 89
b) AWARIA ENKODERA AWARIA ENKODERA Rys. 15. Przebiegi prędkości ierzonej, yowanej i rzeczywistej silnika przy wystąpieniu całkowitego uszkodzenia enkodera w chwili t=4s dla: detektora neuronowego ( i algoryticznego (b) (wyniki eksperyentalne) Poniżej zaprezentowano porównanie odpowiedzi obu detektorów przy pracy napędu z obciążenie (przypadki z rysunków 9 i 12) oraz wartości bezwzględne błędów prędkości rzeczywistej i yowanej oraz składowej i sy prądu stojana. b) c) d) Rys.16. Przebiegi czasów detekcji poszczególnych detektorów (a, b) oraz uchybów prędkości oraz składowej isy prądu stojana (c, d) Detektor neuronowy stwierdził wystąpienie awarii czujnika prędkości po czasie t1=2s natoiast detektor algoryticzny t2=1s później. Mio tak nieznaczącej różnicy czasów widoczne są dwukrotnie większe aplitudy uchybów prędkości silnika. Podsuowanie W artykule przedstawiono odele oraz analizę wybranych detektorów uszkodzeń czujnika prędkości obrotowej silnika indukcyjnego dla napędu sterowanego etodą wektorową. Analiza dotyczyła pracy układu ze zienną prędkością kątową w stanie jałowy oraz z obciążenie. Badania eksperyentalne potwierdziły założenia teoretyczne oraz uzyskane wyniki syulacyjne. Detektor algoryticzny charakteryzujący się znaczną prostotą i wykorzystujący inforację o yowanej prędkości kątowej silnika oraz składowej i sy uożliwił detekcję awarii enkodera w cały zakresie prędkości oraz obciążenia silnika indukcyjnego. Nie niej jednak konieczny j odpowiedni dobór progów granicznych. I bardziej precyzyjnie zostaną wyznaczone wartości tych progów ty szybsza będzie odpowiedź detektora, ale ty say zostanie zwiększona podatność detektora na błędną identyfikację awarii. Ponadto i bardziej wrażliwy detektor, ty większe prawdopodobieństwo nieprawidłowego działania pozostałych układów diagnostycznych innych czujników poiarowych (np. czujników prądu stojan. Zate przy projektowaniu detektora tego typu należy wziąć pod uwagę wiele czynników, co znacznie utrudnia proces doboru optyalnych współczynników. Wad tych pozbawiony j detektor oparty o sztuczną sieć neuronową, która uczona j sygnałai związanyi pośrednio bądź bezpośrednio z zakłóconą przez awarię zienną stanu. Taki układ diagnostyczny oże być zastosowany dla każdego silnika i nie a potrzeby doboru dodatkowych paraetrów. Co więcej zaprezentowana sieć neuronowa wykazała się lepszyi właściwościai i ożliwościai detekcji awarii w odpowiednio szybki i bezpieczny dla napędu czasie. Należy zaznaczyć, że oba zaproponowane detektory są w stanie wykryć awarię czujnika prędkości polegającą nie tylko na całkowity jego uszkodzeniu, ale także na zaburzeniu wyznaczania odpowiednich zboczy ipulsów enkodera. Zate każde zakłócenie odczytu inforacji o prędkości silnika z czujnika zostanie zarejrowane jako awaria i ożliwe j zastosowanie odpowiedniej do rodzaju uszkodzenia etody kopensacji. Praca zrealizowana w raach projektu finansowanego przez Narodowe Centru Nauki na podstawie decyzji DEC- 2013/09/B/ST7/04199 Autorzy: Dr hab. inż. Mateusz Dybkowski, gr inż. Kail Klikowski, Politechnika Wrocławska, Katedra Maszyn, Napędów i Poiarów Elektrycznych, ul. Soluchowskiego 19, 50-372 Wrocław, E-ail: ateusz.dybkowski@pwr.edu.pl, kail.klikowski@pwr.edu.pl LITERATURA [1] Dybkowski M., Estyacja prędkości kątowej w złożonych układach napędowych zagadnienia wybrane, Prace Naukowe Instytutu Maszyn, Napędów i Poiarów Elektrycznych Politechniki Wrocławskiej, nr 67 seria Monografie nr 20, 2013 [2] Orłowska-Kowalska T., Bezczujnikowe układy napędowe z silnikai indukcyjnyi,, Oficyna wydawnicza Politechniki Wrocławskiej, 2003 [3] Orlowska-Kowalska T., Dybkowski M., Stator Current-based MRAS Estiator for a Wide Range Speed-Sensorless Induction Motor Drive, IEEE Trans. on Industrial Electronics, 57 (2010), n.4, 1296-1308 [4] Shicai Fan, Zou J., Sensor Fault detection and fault tolerant control of induction otor drivers for electric vehicles, IEEE 7th Int. Power Electronics and Motion Control Conference - ECCE Asia, China 2012, 1306-1309 [5] Khalaf Sallou Gaeid, Hew Wooi Ping, Fault Tolerant Control of Induction Motor, Modern Applied Science, 5 (2011), n.4, 83-94 [6] Li Jiang, Sensor fault detection and isolation using syste dynaics identification techniques, PhD thesis, The University of Michigan, 2011 [7] Lee K.S., Ryu J.-S., Instruent fault detection and copensation schee for direct torque controlled induction otor drivers, IEE Control Theory Appl., 150 (2003), n.4 [8] Klikowski K., Dybkowski M., Wpływ uszkodzenia wybranych czujników poiarowych na pracę napędu sterowanego etodą wektorową, ZKwE 2014, Poznań University of Technology, Acadeic Journals, Electrical Engineering nr 77, 185-192 [9] Klikowski K., Dybkowski M., Analiza wektorowego układu napędowego z silnikie indukcyjny odpornego na uszkodzenia wybranych czujników poiarowych, ZKwE 2014, Poznań University of Technology, Acadeic Journals, Electrical Engineering (2014), nr 77, 193-200 [10] Boldea I., Lascu C., Blaabjerg F., A Class of Speed-Sensorless Sliding-Mode Observers for High-Perforance Induction Motor Drives, IEEE Trans. Industrial Electronics, 56 (2009), n.9 [11] Roero M.E., Seron M.M., De Dona J.A., Sensor fault-tolerant vector control of induction otors, IET Control Theory Applications., 4 (2010), n.9, 1707 1724 [12] Iserann R., Fault Diagnosis Systes. An Introduction fro Fault Detection Fault Tolerance, Springer, New York, 2006 [13] Jin Jiang, Xiang Yu, Fault-tolerant control systes: A coparative study between active and passive approaches, Annual Reviews in Control, 36 (2012), n.1, 60 72 90 PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 92 NR 4/2016
[14] Kowalski C.T., Diagnostyka układów napędowych z silnikie indukcyjny z zastosowanie etod sztucznej inteligencji, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2013 [15] Betta, G., D'apuzzo, M., And Pietrosanta, A., A knowledgebased approach to instruent fault detection and isolation, IEEE Transactions on Instruentation and Measureent, (1995). [16] Betta G., Dell'isola M., Liguori C., Pietrosant, A., Expert systes for the detection and isolation of faults on lowaccuracy sensor systes, IEEE Workshop ET&VS-IM/97, Niagara Falls, Ontario, Canada, 1997 [17] Betta G., Pietrosanto A., Instruent fault detection and isolation: state of the art and new research trends, IEEE Transactions on Instruentation and Measureent, 49 (2000) (1):100-7, 2000 [18] Fekih A., Fault Diagnosis and Fault Tolerant Control Design for Aerospace Systes: A Bibliographical Review, Aerican Control Conference, 4-6.06.2014. [19] Alag S., Agogino A., Morjaria M., A ethodology for intelligent sensor easureent, validation, fusion, and fault detection for equipent onitoring and diagnostics, (AI EDAM) Artificial Intelligence for Engineering Design, Analysis and Manufacturing, (2001), 15(4):307-20 [20]Aradhye H., Sensor fault detection, isolation, and accoodation using neural networks, fuzzy logic and bayesian belief networks. Master's thesis, University of New Mexico, (2002). [21] Benitez-Perez, H., Garcia-Nocetti, F., Thopson, H., Fault classification so and pca for inertial sensor drift, 2005 IEEE International Workshop on Intelligent Signal Processing, pp. 177-182, Portugal. IEEE, (2005). [22] Bernieri A., Betta G., Pietrosant A., Sansone, C., A neural network approach to instruent fault detection and isolation, IEEE Transactions on Instruentation and Measureent, 44 (1005), (3):747-50 [23] Blanke M., Kinnaert M., Lunze J., Diagnosis and fault-tolerant control, Springer-Verlag, 2003 [24] Hsiao T., Toizuka M., Sensor fault detection in vehicle lateral control systes via switching Kalan filtering, Proceedings of the 2005 Aerican Control Conference (IEEE Cat. No. 05CH37668), volue vol. 7, pages 5009-14, Portland, OR, USA. IEEE, (2005). [25] Klikowski K., Orłowska-Kowalska T., Dybkowski M., Speed Fault Tolerant Direct Torque Control of Induction Motor Drive, Proc. of the 16th Intern. Conf. Power Electronics and Motion Control PEMC 2014, Antalya, Turkey, 21-24.09.2014. [26] M.E. Roero, M.M. Seron, J.A. De Dona, Sensor faulttolerant vector control of induction otors, IET Control Theory Applications, 4 (2010), n.9, 1707 1724 [27] Mehranbod, N., Soroush, M., And Panjapornpon, C., A ethod of sensor fault detection and identification, Journal of Process Control, 15 (2005),(3):321-339 [28] Mehranbod N., Soroush M., Piovoso M., Ogunnaike B. A., Probabilistic odel for sensor fault detection and identification, AIChE Journal, 49 (2003), (7):1787-1802 [29] Mengshoel O., Darwiche A., Uckun S., Sensor validation using Bayesian networks, 9th International Syposiu on Artificial Intelligence, Robotics and Autoation in Space, Los Angeles, CA (2008). [30] Zhang Y. X., Artificial neural networks based on principal coponent analysis input selection for clinical pattern recognition analysis. Talanta, 73 (2007),(1), 68-75 PRZEGLĄD ELEKTROTECHNICZNY, ISSN 0033-2097, R. 92 NR 4/2016 91