DSpace
KOBRA
KOBRA

KOBRA - Dokumentenserver der Universität Kassel  → Fachbereiche  → FB 16 Elektrotechnik / Informatik  → Institut für Elektrische Energietechnik / Elektrische Maschinen  → Dissertationen 

Please use this identifier to cite or link to this item: http://nbn-resolving.de/urn:nbn:de:hebis:34-2008050821402

Titel: Neuartige Verfahren für die Überwachung und Diagnose von aktiv magnetgelagerten rotierenden Maschinen
Autor(en): Gärtner, Steffen
Schlagworte (SWD): MagnetlagerRotor <Maschinenteil>
Klassifikation (DDC): 600 - Technik (Technology (Applied sciences))620 - Ingenieurwissenschaften (Engineering and allied operations)
Issue Date: 8-May-2008
Zusammenfassung: Mit aktiven Magnetlagern ist es möglich, rotierende Körper durch magnetische Felder berührungsfrei zu lagern. Systembedingt sind bei aktiv magnetgelagerten Maschinen wesentliche Signale ohne zusätzlichen Aufwand an Messtechnik für Diagnoseaufgaben verfügbar. In der Arbeit wird ein Konzept entwickelt, das durch Verwendung der systeminhärenten Signale eine Diagnose magnetgelagerter rotierender Maschinen ermöglicht und somit neben einer kontinuierlichen Anlagenüberwachung eine schnelle Bewertung des Anlagenzustandes gestattet. Fehler können rechtzeitig und ursächlich in Art und Größe erkannt und entsprechende Gegenmaßnahmen eingeleitet werden. Anhand der erfassten Signale geschieht die Gewinnung von Merkmalen mit signal- und modellgestützten Verfahren. Für den Magnetlagerregelkreis erfolgen Untersuchungen zum Einsatz modellgestützter Parameteridentifikationsverfahren, deren Verwendbarkeit wird bei der Diagnose am Regler und Leistungsverstärker nachgewiesen. Unter Nutzung von Simulationsmodellen sowie durch Experimente an Versuchsständen werden die Merkmalsverläufe im normalen Referenzzustand und bei auftretenden Fehlern aufgenommen und die Ergebnisse in einer Wissensbasis abgelegt. Diese dient als Grundlage zur Festlegung von Grenzwerten und Regeln für die Überwachung des Systems und zur Erstellung wissensbasierter Diagnosemodelle. Bei der Überwachung werden die Merkmalsausprägungen auf das Überschreiten von Grenzwerten überprüft, Informationen über erkannte Fehler und Betriebszustände gebildet sowie gegebenenfalls Alarmmeldungen ausgegeben. Sich langsam anbahnende Fehler können durch die Berechnung der Merkmalstrends mit Hilfe der Regressionsanalyse erkannt werden. Über die bisher bei aktiven Magnetlagern übliche Überwachung von Grenzwerten hinaus erfolgt bei der Fehlerdiagnose eine Verknüpfung der extrahierten Merkmale zur Identifizierung und Lokalisierung auftretender Fehler. Die Diagnose geschieht mittels regelbasierter Fuzzy-Logik, dies gestattet die Einbeziehung von linguistischen Aussagen in Form von Expertenwissen sowie die Berücksichtigung von Unbestimmtheiten und ermöglicht damit eine Diagnose komplexer Systeme. Für Aktor-, Sensor- und Reglerfehler im Magnetlagerregelkreis sowie Fehler durch externe Kräfte und Unwuchten werden Diagnosemodelle erstellt und verifiziert. Es erfolgt der Nachweis, dass das entwickelte Diagnosekonzept mit beherrschbarem Rechenaufwand korrekte Diagnoseaussagen liefert. Durch Kaskadierung von Fuzzy-Logik-Modulen wird die Transparenz des Regelwerks gewahrt und die Abarbeitung der Regeln optimiert. Endresultat ist ein neuartiges hybrides Diagnosekonzept, welches signal- und modellgestützte Verfahren der Merkmalsgewinnung mit wissensbasierten Methoden der Fehlerdiagnose kombiniert. Das entwickelte Diagnosekonzept ist für die Anpassung an unterschiedliche Anforderungen und Anwendungen bei rotierenden Maschinen konzipiert.Active magnetic bearings make it possible to levitate a rotating shaft without friction or wear. Due to the functional principle there are essential signals available without additional sensor equipment. In this work a concept is developed, that uses the inherently existing signals to diagnose active magnetic bearings at rotating machinery and therefore allows the continuously monitoring of the machinery and the fast evaluation of the machine condition. Faults can be recognized early and by their cause with their kind and size, relevant counter measures can be triggered. Features for the diagnosis are extracted from the acquired signals with signal- and model-based methods. The application of model-based methods of parameter identification is carried out at the magnetic bearing control loops. The usability of the applied methods is proven at the diagnosis of the controller and power amplifier. The typical behaviour of the features by normal operation and by operation with faults is investigated by use of simulation models and experiments at test rigs. The results are accumulated in a knowledgebase. It serves as basis for the definition of limit values and rules for the monitoring as well as for the development of knowledge-based diagnosis models. In the monitoring process the extracted magnitudes of the features are observed on exceeding of limits. Information on the occurrence of faults and on the process condition can be given and alarm messages can be released. Slowly increasing faults are recognizable by calculation of the trends of the features with regression analysis methods. Additional to the monitoring of active magnetic bearings based on limit value checking, a diagnosis concept using the combination of the extracted features for the identification and location of appearing faults is applied. For the diagnosis a rule-based fuzzy logic concept is applied. Fuzzy logic supports the possibility to consider uncertainties and uses linguistic statements from expert knowledge and therefore allows the diagnosis of complex systems. Models are developed and tested to diagnose faults at actors, sensors and in the magnetic bearing control loop as well as faults caused by external forces and unbalances. It is proven that the developed rule-based diagnosis concept delivers accurate diagnosis statements with a reasonable calculation effort. The transparency of the rule network is preserved and the calculation of the rules optimized by cascading of fuzzy-logic-modules. Final result is novel hybrid diagnosis concept that combines signal- and model-based methods of feature extraction with knowledge-based methods of fault diagnosis. The designed diagnosis concept is adaptable to different demands and applications at rotating machinery.
URI: urn:nbn:de:hebis:34-2008050821402
Appears in Collections:Dissertationen

Files in This Item:

File Description SizeFormat
DissertationSteffenGaertner.pdf2,54 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.