• čeština
    • English
    • русский
  • English 
    • čeština
    • English
    • русский
  • Login
View Item 
  •   Repository Home
  • Závěrečné práce
  • bakalářské práce
  • Fakulta elektrotechniky a komunikačních technologií
  • 2020
  • View Item
  •   Repository Home
  • Závěrečné práce
  • bakalářské práce
  • Fakulta elektrotechniky a komunikačních technologií
  • 2020
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Diagnostika mezi-závitového zkratu vektorově řízeného PMS motoru pomocí UI

Inter turn short-circuit detection in vector controlled PMS motor using AI

Thumbnail
View/Open
appendix-1.zip (975.6Kb)
final-thesis.pdf (2.514Mb)
review_126674.html (7.974Kb)
Author
Zezula, Lukáš
Advisor
Blaha, Petr
Referee
Kozovský, Matúš
Grade
A
Altmetrics
Metadata
Show full item record
Abstract
Tato práce se zabývá diagnostikou mezizávitových zkratů na vektorově řízeném synchronním motoru s permanentními magnety. Mezizávitové zkraty jsou detekovány pomocí předučené konvoluční neuronové sítě GoogLeNet na základě obrazů vzniklých předzpracováním signálů fázových proudů, výstupních napětí střídače a elektrické úhlové rychlosti. Předzpracování signálů mimo jiné zahrnuje digitální filtraci, převzorkování a Vlnkovou transformaci. Pro účely učení sítě je vytvořen model pohonu schopný simulovat mezizávitové zkraty. Síť je poté učena na datech ze simulace a validována na datech měřených na skutečném pohonu, který je schopný emulovat poruchy. Výsledky diagnostiky jsou poté společně s hlavními problémy prezentovány v závěru práce.
 
This thesis deals with the diagnostics of inter turn faults in a vector controlled synchronous motor with permanent magnets. Inter turn faults are detected by the pretrained convolution neural network GoogLeNet from adequately preprocessed signals of phase currents, inverter voltages and electrical angular velocity. Signal preprocesing includes, but is not limited to digital filtration, resampling and Wavelet transform. For the purpose of network training a drive system model is created, capable of simulating inter turn faults. The network is then trained on the simulated data and later validated with data measured on a real drive system, capable of emulating faults. The results of the diagnostics, together with the main problems are presented in the conclusion.
 
Keywords
synchronní motor s permanentními magnety, mezizávitové zkraty, vektorové řízení, konvoluční neuronové sítě, diagnostika poruch elektromotorů, Vlnková transformace, permanent magnet synchronous motor (PMSM), Inter turn faults (ITF), Inter turn short-circuits, vector control, convolutional neural networks (CNN), electric motor fault diagnostics, Wavelet transform
Language
čeština (Czech)
Study brunch
bez specializace
Composition of Committee
doc. Ing. Petr Blaha, Ph.D. (předseda) Ing. Soňa Šedivá, Ph.D. (místopředseda) Ing. Luděk Buchta, Ph.D. (člen) Ing. Radovan Holek, CSc. (člen) Ing. Lukáš Kopečný, Ph.D. (člen)
Date of defence
2020-06-24
Process of defence
Student uspěšně obhájil bakalářskou práci. Komise neměla žádné námitky k řešené práci. V průběhu odborné rozpravy odpověděl na dotazy týkající se HW využitého při učení, realizaci brždění motoru v simulaci a struktuře neuronové sítě.
Result of the defence
práce byla úspěšně obhájena
Persistent identifier
http://hdl.handle.net/11012/190468
Source
ZEZULA, L. Diagnostika mezi-závitového zkratu vektorově řízeného PMS motoru pomocí UI [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Collections
  • 2020 [427]
Citace PRO

Portal of libraries | Central library on Facebook
DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback | Theme by @mire NV
 

 

Browse

All of repositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

LoginRegister

Statistics

View Usage Statistics

Portal of libraries | Central library on Facebook
DSpace software copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback | Theme by @mire NV