A Threshold-Based Stator Inter-Turn Fault Diagnosis for Induction Motors Using the Negative Sequence Current’s Magnitude and Phase Angle
Notice bibliographique
Résumé
This paper introduces a novel threshold-based stator inter-turn fault (SITF) detection and faulty phase identification method for induction motors through the negative sequence stator current analysis, where the negative sequence current magnitude level (NCL) is used for SITF detection, and the negative sequence current’s phase angle (∡12) is used for the faulty phase identification. Through the systematic experimental investigation of NCL’s behavior under various unbalanced voltage conditions (0.1% to 1.7%), a detection threshold (ThSITF) of NCL equal to 10% is established. Three angular zones for ∡12 are defined for the faulty phase identification: ±60° for Phase A, 60°−180° for Phase B, and 180°−300° for Phase C. Experimental validations on a 2.2 kW induction motor demonstrates accurate SITFs detection across different fault severities and motor loading levels using the proposed method. Extensive testing results for six SITFs with 2, 3, 5, 10, 13, and 15 shorted turns at Phase B reveal a linear correlation between the fault severity and NCL. The proposed method remains effective for variable frequency drive (VFD)-fed induction motors, showing enhanced sensitivities at a higher frequency.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».