Key points are not available for this paper at this time.
Diese umfassende Übersicht befasst sich mit Techniken zur Fehlerdiagnose von Elektromaschinen, mit besonderem Schwerpunkt auf Drehstrom-Asynchronmaschinen. Sie behandelt eine Vielzahl von Fehlern, darunter Exzentrizität, gebrochene Rotorstäbe und Lagerfehler. Außerdem werden Techniken wie die Motorstromsignalanalyse (MCSA), Teilentladungsmessungen und KI-basierte Ansätze behandelt. Diese Übersicht konzentriert sich auf Fehlersuche-Techniken für Elektromaschinen, insbesondere Exzentrizitätsfehler, Fehler bei Käfigläufer-Rotoren und Lagerfehler. Sie diskutiert deren Wirksamkeit, Anwendungen und Einschränkungen sowie die Rolle von KI- und neuronalen Netzwerk-Techniken in modernen Fehlersuche-Anwendungen. Die Übersicht behandelt nicht nur Exzentrizitätsfehler, sondern auch Stator- oder Ankerfehler, die durch Isolationsversagen verursacht werden, sowie Lagerfehler, die als Kugel-, Zug-, Außen- und Innenlaufringe klassifiziert werden. Der Fokus liegt auf der frühzeitigen Erkennung, um optimale Maschinenleistung und Zuverlässigkeit sicherzustellen, und bietet zudem Einblicke in die Mechanismen der Fehlererkennung. Moderne Methoden zur Problemerkennung bei Maschinen, wie nicht-negative-Matrix-Faktorisierung, korrigierte Statorstromanalyse, inkrementelles breites Lernen und KI-basierte Methoden, verbessern die Maschine und verhindern den Verlust von Geld. Die Übersicht ist eine wertvolle Ressource für Praktiker und Forscher auf diesem Gebiet, die es ihnen ermöglicht, bessere Entscheidungen über Wartungsstrategien zu treffen und die Maschineneffizienz zu steigern.
Bahgat et al. (Sat,) haben diese Frage untersucht.