Fault Diagnosis in Variable-Frequency-Drive-Fed Induction Motors: Addressing Stator Turn-to-Turn and High-Resistance-Connection Faults
Notice bibliographique
Résumé
Detection and differentiation of stator turn-to-turn (T-T) and high-resistance-connection (HRC) faults in induction motors (IMs) are challenging due to varying severities and fault signatures because of noise introduced by variable-frequency-drives (VFDs). This paper introduces an online technique to diagnose and differentiate T-T and HRC faults in medium/high voltage IMs. It is also capable of identifying the faulty phase during these two faults. The proposed approach identifies abnormal conditions by calculating Fault Diagnose Index using the Teager-Kaiser Energy of the current unbalance factor derived from the supply side current quantities. Discrimination between T-T and HRC faults is confirmed by observing the phase angle between the negative sequence current from the supply-side and remote-side. Faulty phase detection is carried out using the angle of the Faulty Phase Detector determined by the phase angle of the mean difference between the voltage and current unbalance factors. The proposed approach is validated through multiple test cases derived from a laboratory prototype of a VFD-connected IM. Results show that the proposed technique identifies and discriminates between T-T and HRC faults with variable fault resistance and load conditions, outperforms existing techniques and assists in faulty phase identification for effective maintenance and reliability.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».