고정자 전류 스펙트럼 모니터링을 이용한 효과적인 유도전동기 회전자 고장 검출

고정자 전류 스펙트럼(stator current spectrum)은 유도전동기의 고장 검출에 널리 사용되어왔다. 본 논문에서는 고정자 전류 스펙트럼 중에서 회전자 고장에 의해서 큰 영향을 받는 주파수 성분들로 특징벡터(feature vector)를 구성하고, 특징벡터와 기준벡터(reference vector)와의 평균 절대치 차이(mean absolute difference)를 구함으로써, 회전자 고장을 검출하는 방법을 제안한다. 제안한 방법에서는 전류 스펙트럼 중에서 추출된 매우 작은 크기(dimension)의 특징 벡터에 대한 평균 절대치 차이를 이용하기 때문에 신경회로망에 의한 고장 검출 알고리즘 둥에 비해서 훨씬 적은 계산량만으로 모터의 고장을 효율적으로 검출할 수 있다 【Stator current spectrum by the fast Fourier transform (FFT) of current signals has been widely used for fault detection in induction motors. In this paper, we propose efficient rotor fault detection of Induction motors using stator current spectrum monitoring. The proposed method utilizes the mean absolute difference (MAD) between a Predetermined reference vector and a feature vector extracted from the stator current spectrum. Our proposed approach requires a smaller amount of computations when compared to fault detection algorithms based on neural networks, since it uses simple MAD criterion to detect rotor faults related broken rotor bars. Experimental results show that our proposed method can successively detect the rotor fault of the induction motor.】