آشكارسازي خطاي شكسته شدن ميله هاي روتور در موتور القايي با استفاده از فيلترهاي غيرخطي كالمن پيوستهUKF و EKF

Detection of Broken Rotor Bars in Induction Motor using Continuous Nonlinear Kalman Filters UKF and EKF

در اين مقاله يك تكنيك مبتني بر مدل براي آشكارسازي خطاي شكسته شدن ميله هاي روتور موتور القايي، با استفاده از فيلترهاي غيرخطي ارائه‌شده است. ازآنجايي‌كه موتور القايي يك سيستم غيرخطي پيوسته-زمان است، استفاده از روش-هاي فيلتر كالمن خطي به‌عنوان تكنيك تشخيص عيب، پاسخگو نمي باشند و فيلترهاي غيرخطي گسسته نيز در مطالعات قبلي پياده سازي شده اند؛ لذا در اين مقاله تكنيك هاي فيلتر كالمن توسعه يافته(EKF) پيوسته و فيلتر كالمن نمونه-بردار(UKF) پيوسته مورد مطالعه قرارگرفته‌اند. اين روش خطاي روتور را به‌صورت يك افزايش ناگهاني در مقاومت روتور مدل كرده است و با تخمين اين پارامتر قبل و بعد از رخ دادن عيب به تعداد ميله هاي شكسته شده در قفسه ي روتور پي مي برد. در اين مقاله فرض بر اين گذاشته شده است، كه ميله هاي روتور به صورت نامتقارن در قفسه ي روتور شكسته و مقاومت هاي روتور در هر فاز جداگانه تخمين زده شوند. تكنيك هاي پيشنهادي تنها به اندازه گيري جريان و ولتاژ استاتور نياز دارند. به‌منظور مقايسه ي فيلترهاي UKF و EKF پيوسته، هر دو فيلتر را تحت شرايط اوليه و ماتريس هاي كوواريانس يكسان، پياده سازي كرده ايم. نتايج شبيه سازي حاكي از آن است كه فيلتر UKF پيوسته مقاومت روتو را دقيق تر تخمين مي زند و روش ارائه‌شده در مقابل نامتعادلي‌هاي منبع تغذيه و تغييرات بار مقاوم مي باشد.

Fault detection and diagnosis of Induction Motors (IMs), because of their wider application in modern industry, is increasingly important. IMs are subjected to the unavoidable stresses, such as electrical, mechanical, environmental and thermal stresses, which create failures in different parts of them. Effective incipient fault detection techniques can reduce the maintenance expense by preventing the high cost failures and unscheduled downtimes. In this paper, a different fault of IMs and their causes is discussed. In the following, diagnosis methods of IMs faults have been introduced. A model-based technique for detection of broken rotor bars faults using nonlinear filters is presented too. Since induction motor is a continuous- time nonlinear system, using of linear Kalman filter as fault detection technique is not suitable and discrete filters have been implemented in previous studies; so in this paper, continuous Extended Kalman Filter (EKF) and Unscented Kalman Filter (UKF) are used for detection of rotor fault in IMs. In this method the rotor fault are modeled by jumps in rotor resistance. Upon breaking a bar the estimated rotor resistance is increased instantly, thus providing two values of resistance after and before bar breakage. In order to compare the estimation performance of the EKF and UKF, both observers are designed for the same motor model and run with the same covariance matrices under the same conditions. The proposed strategy needs the measurments of stator current and voltage. The results show the superiority of UKF over EKF in nonlinear system (such as induction motors) as it provides better estimates for rotor fault detection and the proposed strategy is robust against supply voltage unbalance and changes of load.