Etracker Debug:
	et_pagename = "Archives of Metallurgy and Materials|amm|C|[EN]"
	
        
Jump to ContentJump to Main Navigation

Archives of Metallurgy and Materials

The Journal of Institute of Metallurgy and Materials Science and Commitee on Metallurgy of Polish Academy of Sciences

4 Issues per year

IMPACT FACTOR increased in 2013: 0.763
Rank 30 out of 75 in category Metallurgy & Metallurgical Engineering in the 2013 Thomson Reuters Journal Citation Report/Science Edition

Open Access
VolumeIssuePage

Open Access

Feature selection of the armature winding broken coils in synchronous motor using genetic algorithm and mahalanobis distance

Z. Głowacz / J. Kozik

AGH UNIVERSITY OF SCIENCE AND TECHNOLOGY, DEPARTMENT OF ELECTRICAL MACHINES, 30-059 KRAKÓW, 30 MICKIEWICZA AV., POLAND

This content is open access.

Citation Information: Archives of Metallurgy and Materials. Volume 57, Issue 3, Pages 829–835, ISSN (Online) , ISSN (Print) 1733-3490, DOI: 10.2478/v10172-012-0091-7, October 2012

Publication History

Published Online:
2012-10-24

The paper describes a procedure for automatic selection of symptoms accompanying the break in the synchronous motor armature winding coils. This procedure, called the feature selection, leads to choosing from a full set of features describing the problem, such a subset that would allow the best distinguishing between healthy and damaged states. As the features the spectra components amplitudes of the motor current signals were used. The full spectra of current signals are considered as the multidimensional feature spaces and their subspaces are tested. Particular subspaces are chosen with the aid of genetic algorithm and their goodness is tested using Mahalanobis distance measure. The algorithm searches for such a subspaces for which this distance is the greatest. The algorithm is very efficient and, as it was confirmed by research, leads to good results. The proposed technique is successfully applied in many other fields of science and technology, including medical diagnostics.

Artykuł opisuje procedure automatycznego wyboru symptomów towarzyszacych przerwie w uzwojeniach twornika silnika synchronicznego. Procedura ta, nazywana selekcja cech, prowadzi do wyboru sposród pełnego zestawu cech opisujacych dany problem takiego podzbioru, który pozwalałby na jak najlepsze odróznienie stanu bezawaryjnego od stanu awaryjnego. Poszczególnymi cechami sa amplitudy składowych widm sygnałów pradowych silnika. Spektra sygnałów pradowych sa traktowane jako pełne przestrzenie cech, z których nastepnie wybierane sa podprzestrzenie z zastosowaniem algorytmu genetycznego. Jakosc kazdej podprzestrzeni sprawdzana jest z uzyciem miary odległosci Mahalanobisa. Algorytm poszukuje takich podprzestrzeni, dla których odległosc ta jest najwieksza. Zastosowany algorytm jest bardzo wydajny i jak potwierdziły badania prowadzi do dobrych wyników. Proponowana technika jest z powodzeniem stosowana w wielu innych dziedzinach nauki i techniki, w tym w diagnostyce medycznej.

Keywords:: feature selection; genetic algorithm; synchronous motor; faults diagnostics

  • [1] J. Bartnicki, Z. Pater, G. Samołyk, The Distributions of Wall-Thickness of Hollowed Parts in Rolling Extrusion Process, Archives of Metallurgy and Materials 52, 2 (2007).

  • [2] S. Bruce, V. Cheetham, Recent Developments and Experiences in Modular Dry Mechanical Vacuum Pumping Systems for Secondary Steel Processing Archives of Metallurgy and Materials 53, 2 (2008).

  • [3] M.E. ElAlami, A filter model for feature subset selection based on genetic algorithm, Journal of Knowledge-Based Systems 22, 356-362 (2009).

  • [4] T. Glinka, Badania diagnostyczne maszyn elektrycznychwprzemysle, Komel, Katowice 2000.

  • [5] Z. Głowacz, J. Kozik, Detection of synchronous motor inter-turn faults based on spectral analysis of Park’s vector. Archives of Metallurgy and Materials 56 (2011). [Web of Science]

  • [6] Z. Głowacz, J. Kozik, Diagnostyka silnika synchronicznego oparta na rozpoznawaniu pradów stojanazzastosowaniem FFTilogiki rozmytej, Czasopismo Naukowo-Techniczne MechanizacjaiAutomatyzacja Górnictwa (MIAG), Nr 9, Katowice 2010.

  • [7] Z. Głowacz, Automatic Recognition of Armature Current of DC Motor with Application of FFT and GSDM, Archives of Metallurgy and Materials 56, 1 (2011). [Web of Science] [CrossRef]

  • [8] A. Glowacz, Z. Glowacz, Diagnostics of Induction Motor Based on Analysis of Acoustic Signals with Application of FFT and Classifier Based on Words, Archives of Metallurgy and Materials 55, 3 (2010).

  • [9] A. Glowacz, W. Glowacz, Diagnostics of Synchronous Motor Based on Acoustic Signals with Application of LPCC and Nearest Mean Classifier with Cosine Distance, Archives of Metallurgy and Materials 55, 2 (2010).

  • [10] D.E. Goldberg, Algorytmy genetyczneiich zastosowania, WNT, Warszawa 2003.

  • [11] I. Guyon, A. Elisseeff, An Introduction to Variable and Feature Selection, Journal of Machine Learning Research 3, 1157-1182 (2003).

  • [12] J. Kempken, G. Kleinschmidt, K. Schmale, U. Thiedemann, H.P. Gaines, J.T. Kopfle, Short Route - Long-Term Success, Integrated Mini-Mill Solutions by Midrex and SMS Demag, Archives of Metallurgy and Materials 53, 2 (2008).

  • [13] G.H. John, R. Kohavi, K. Pfleger, Irrelevant Features and the Subset Selection Problem, Proeedings of the Eleventh International Conference on Machine Learning, 121-129 (1994).

  • [14] J. Korbicz, J.M. Koscielny, Z. Kowal -czuk, W. Cholewa, Diagnostyka procesów. Modele. Metody sztucznej inteligencji. Zastosowania. WNT, Warszawa, 2002.

  • [15] J. Kozik, Zastosowanie sieci neuronowychwdetekcji uszkodzen silnika synchronicznego ze zwartym uzwojeniem wirnika, Maszyny elektryczne: Zeszyty Problemowe nr 80/2008, PEMINE: Problemy Eksploatacji MaszyniNapedów Elektrycznych, Rytro 2008.

  • [16] A. Niechajowicz, A. Tobota, Dynamic Tension Testing of DP600, DP800 Steel and Al 6061 T4 Alloy Sheets by Means of Rotary Hammer, Archives of Metallurgy and Materials 54, 3 (2009).

  • [17] L. Rutkowski, Metodyitechniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2006.

  • [18] K. Weinreb, M. Sułowicz, Nieinwazyjna diagnostyka wewnetrznych niesymerii uzwojen maszyny synchronicznej, Zeszyty Problemowe Maszyny Elektryczne Nr 77, 2007.

Comments (0)

Please log in or register to comment.