Stator Short-Circuit Fault Detection and Location Methods for Brushless DFIMs Using Nested-Loop Rotor Slot Harmonics
Notice bibliographique
Résumé
This article proposes and demonstrates a fault-detection method to locate interturn short circuits (ITSCs) in the stator windings of a brushless doubly fed induction machine (BDFIM). The detection of ITSC is important in machine health prognostics as ITSC is an early stage fault that may lead to other faults such as coil-to-coil and coil-to-ground. BDFIM consists of power and control windings in the stator that are magnetically coupled through a nested-loop rotor winding. Existing ITSC detection algorithms use rotor slot harmonics in stator current spectra as fault indicators for only conventional doubly fed induction machines. However, these algorithms cannot be applied to BDFIM due to its different stator/rotor winding structure. This article primarily proposes a new analytical formulation for the nested-loop rotor slot harmonics (NRSHs) as ITSC fault indicators in BDFIMs. Using NRSHs, a detection algorithm is also proposed to detect and locate ITSC in power/control windings of BDFIMs. The proposed algorithm is verified based on numerical analysis of a BDFIM using the finite-element method. The accuracy of the proposed fault-detection algorithm is also experimentally investigated and demonstrated using a BDFIM test rig. Both numerical and experimental test results confirm effectiveness of the proposed ITSC fault-detection algorithm.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».