Nouveau MOTEUR SERVO industriel 200V SGM-02A5FJ12 SGM-02A5FJ12 de Yaskawa de moteur servo

La deuxième méthode présentée dans cette thèse est une technique de surveillance des défauts du moteur à induction basée sur l'analyse du profil de couple de l'entrefer, associée à des techniques d'apprentissage automatique pour classer l'état de fonctionnement d'un moteur à induction comme sain ou défectueux.Ces techniques d'apprentissage automatique sont basées sur les GMM et les RPS.La nouveauté importante de cette approche est double.Premièrement, les signatures motrices saines et défectueuses nécessaires pour former cette méthode sont obtenues à partir de simulations par éléments finis, et non à partir de données expérimentales.Deuxièmement, les signatures peuvent être appliquées à différentes classes de moteurs à induction grâce à un nouveau processus de normalisation.Une condition défectueuse représente n'importe quel nombre de barres de rotor cassées.Les signatures utilisées dans la phase d'apprentissage sont basées sur le profil de couple d'entrefer d'un moteur à induction simulé par une méthode d'éléments finis à pas de temps.

 

Dans l'étape de surveillance, une nouvelle signature est construite pour le couple développé.Ce couple est calculé en ligne à partir d'un nouvel ensemble de tensions et de courants de stator triphasés acquis à partir d'un moteur à induction réel surveillé.Une comparaison des signatures obtenues aux étapes d'apprentissage et de surveillance classe l'état de fonctionnement du moteur.