Şebeke kalkışlı daimi mıknatıslı senkron motorun scada ortamında durum izlemesi yoluyla rulman arızası tespiti

Abstract

Yüksek verim ve yüksek güç faktörü gibi avantajlara sahip Şebeke Kalkışlı Daimi Mıknatıslı Senkron Motor (ŞKDMSM) bant sistemleri, fan sistemleri vb. endüstriyel alanlarda günden güne asenkron motorların yerini almaktadır. ŞKDMSM'ler ağır işletme koşulları nedeniyle zamanla arızalanmaktadır. Bu motorların arızalanması üretim kayıpları oluşturmasının yanı sıra yüksek bakım ve onarım masraflarını da beraberinde getirir. Bu nedenle ŞKDMSM'de oluşacak arızaların hızlı bir şekilde tespiti çok önemlidir. Son yıllarda motorların çalışma durumlarının denetiminde online durum izlemesi yapılmaktadır. Bu çalışmada ŞKDMSM'nin çalışma durumunun uzaktan kontrol edilmesi, motora ait akım ve gerilim bilgilerinin bir merkezde toplanması ve bu bilgilerin analiz edilerek rulman arızası tespiti için, Supervisory Control and Data Acquisition (SCADA) tabanlı durum izleme otomasyonu gerçekleştirilmiştir. Önerilen arıza tespiti, motor akım sinyal bilgileri üzerinden istatistiksel süreç kontrol yöntemine dayalıdır. Durum izleme amacıyla gerçekleştirilen donanımsal bölüm merkezinde mikro denetleyici olarak Arduino Mega yer almaktadır. Kullanılan mikro denetleyicinin düşük maliyetli olarak seçilmesi herkes tarafından erişilebilir olmasını sağlarken düşük örnekleme frekansı (saniyede ~1000 örnek) bir dezavantaj olarak ortaya çıkmaktadır. Düşük frekans değerine sahip olan örnekleme değerlerinden arıza tespiti yapabilmek için Üstel Ağırlıklı Hareketli Ortalama (EWMA) grafik yöntemi kullanılmıştır. SCADA ara yüzünde görüntülenen ve veri tabanına kaydedilen tüm veriler sayesinde ŞKDMSM online durum izlemesi yoluyla başarılı bir şekilde rulman arızası tespit edilebilmektedir

Line Start Permanent Magnet Synchronous Motor (LSPMSM) production line systems, fan systems with the advantages of high efficiency and high power-factor replace the asynchronous motors day by day in industrial areas. LSPMS motors with mains start-up fail over time due to severe operating conditions. Failure of these motors not only results in production losses but also high maintenance and repair costs. For this reason, it is very important to detect faults in the LSPMSM starting quickly. In recent years, online status monitoring has been carried out under the supervision of the operating status of the engines. In this study, Supervisory Control and Data Acquisition (SCADA) based state monitoring automation has been realized for remote control of the working status of the LSPMSM with network residual, collection of current and voltage information of the motor and analysis of this information in order to detect bearing fault. The proposed fault detection is based on the statistical process control method based on the motor current signal information. Arduino Mega is the microcontroller at the centre of the hardware department for the purpose of monitoring the situation. The low-cost selection of the microcontroller used makes it accessible to all, but a low sampling frequency (~ 1000 samples per second) is a disadvantage. Exponentially Weighted Moving Average (EWMA) graphing method was used in order to make fault detection from low frequency sampling values. All the data displayed in the SCADA interface and stored in the database can successfully detect bearing fault through online status monitoring of the LSPMSM with mains start.