Interturn Fault Diagnosis in Sensorless PMSM Drive Based on Negative-Sequence Reactive Power Distortions
Notice bibliographique
Résumé
Stator interturn fault (ITF) is the most common failure in electrical machines; if no prompt detection is implemented, it can cause catastrophic results. This work proposes a novel method in permanent magnet synchronous machine (PMSM) drives to detect the ITF, which is insular to speed and load variations. The proposed ITF technique is based on negative-sequence instantaneous reactive power (IRP) distortions. The sensorless control of the PMSM drive, while using field-oriented technique, uses the voltage and current information for rotor position estimation. This serves the dual purpose of controlling the drive and also in developing the diagnostic technique. The IRP distortion is calculated from dq-reference frame voltage distortions, which are estimated using Luenberger observer and dq-reference frame current distortions. The novel fault indicator is calculated based on the vector magnitude of dc components obtained from negative-sequence IRP distortions, which is insular to various speed and load conditions of the drive. The proposed ITF detection technique is experimentally validated under varying load and speed conditions of the sensorless field-oriented controlled (FOC) PMSM drive. Further, a comparison of the proposed ITF detection scheme with the dq-reference frame current residuals technique shows the superiority of the proposed ITF detection scheme under various speed and load conditions of the PMSM drive scheme; furthermore, the reliability of the proposed ITF detection technique under various noise conditions is also verified.
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 | 0,000 | 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 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 ».