Les Inscriptions à la Bibliothèque sont ouvertes en
ligne via le site: https://biblio.enp.edu.dz
Les Réinscriptions se font à :
• La Bibliothèque Annexe pour les étudiants en
2ème Année CPST
• La Bibliothèque Centrale pour les étudiants en Spécialités
A partir de cette page vous pouvez :
| Retourner au premier écran avec les recherches... |
Détail de l'auteur
Auteur Henao, Humberto
Documents disponibles écrits par cet auteur
Affiner la rechercheA high-resolution frequency estimation method for three-phase induction machine fault detection / Kia, Shahin Hedayati in IEEE transactions on industrial electronics, Vol. 54 N°4 (Août 2007)
in IEEE transactions on industrial electronics > Vol. 54 N°4 (Août 2007) . - 2305-2314 p.
Titre : A high-resolution frequency estimation method for three-phase induction machine fault detection Titre original : Une méthode à haute résolution d'évaluation de fréquence pour la détection de défaut triphasée de machine d'induction Type de document : texte imprimé Auteurs : Kia, Shahin Hedayati, Auteur ; Henao, Humberto, Auteur ; Capolino, Gérard-André, Auteur Article en page(s) : 2305-2314 p. Note générale : Electronique Langues : Anglais (eng) Mots-clés : Electric variable measurement Fault diagnosis Fourier transforms Frequency estimation Induction machines Multidimensional signal processing Pattern classification Mesure variable électrique Diagnostic de défaut Transformée de Fourier Evaluation de fréquence Machines d'Induction Traitement des signaux multidimensionnel Classification de modèle Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : Fault detection in alternating-current electrical machines that is based on frequency analysis of stator current has been the interest of many researchers. Several frequency estimation techniques have been developed and are used to help the induction machine fault detection and diagnosis. This paper presents a technique to improve the fault detection technique by using the classical multiple signal classification (MUSIC) method. This method is a powerful tool that extracts meaningful frequencies from the signal, and it has been widely used in different areas, which include electrical machines. In the proposed application, the fault sensitive frequencies have to be found in the stator current signature. They are numerous in a given frequency range, and they are affected by the signal-to-noise ratio. Then, the MUSIC method takes a long computation time to find many frequencies by increasing the dimension of the autocorrelation matrix. To solve this problem, an algorithm that is based on zooming in a specific frequency range is proposed with MUSIC in order to improve the performances of frequency extraction. Moreover, the method is integrated as a part of MUSIC to estimate the frequency signal dimension order based on classification of autocorrelation matrix eigenvalues. The proposed algorithm has been applied to detect a rotor broken bar fault in a three-phase squirrel-cage induction machine under different loads and in steady-state condition.
La détection de défaut dans des machines électriques de courant alternatif qui est basée sur l'analyse de fréquence du courant de redresseur a été l'intérêt de beaucoup de chercheurs. Plusieurs techniques d'évaluation de fréquence ont été développées et sont employées pour aider la détection et le diagnostic de défaut de machine d'induction. Cet article présente une technique pour améliorer la technique de détection de défaut en employant la méthode multiple classique de classification de signal (MUSIQUE). Cette méthode est un outil puissant qui extrait des fréquences signicatives à partir du signal, et il a été employé couramment dans différents secteurs, qui incluent les machines électriques. Dans l'application proposée, les fréquences sensibles de défaut doivent être trouvées dans la signature de courant de redresseur. Elles sont nombreuses dans une gamme de fréquence donnée, et elles sont affectées par le rapport signal/bruit. Puis, la méthode de MUSIQUE prend un bon moment de calcul de trouver beaucoup de fréquences en augmentant la dimension de la matrice d'autocorrélation. Pour résoudre ce problème, on propose un algorithme qui est basé sur bourdonner dans une gamme de fréquence spécifique avec la MUSIQUE afin d'améliorer les exécutions de l'extraction de fréquence. D'ailleurs, la méthode est intégrée comme une partie de MUSIQUE pour estimer l'ordre de dimension de signal de fréquence basé sur la classification des valeurs propres de matrice d'autocorrélation. L'algorithme proposé a été appliqué pour détecter un défaut de barre cassé par rotor dans une machine squirrel-cage triphasée d'induction sous différentes charges et en état équilibré.DEWEY : 621 ISSN : 0278-0046 RAMEAU : Machines asynchrones En ligne : shahin.hedayati.kia@u-picardie.fr, humberto.henao@ieee.org, gerard.capolino@ieee [...] [article] A high-resolution frequency estimation method for three-phase induction machine fault detection = Une méthode à haute résolution d'évaluation de fréquence pour la détection de défaut triphasée de machine d'induction [texte imprimé] / Kia, Shahin Hedayati, Auteur ; Henao, Humberto, Auteur ; Capolino, Gérard-André, Auteur . - 2305-2314 p.
Electronique
Langues : Anglais (eng)
in IEEE transactions on industrial electronics > Vol. 54 N°4 (Août 2007) . - 2305-2314 p.
Mots-clés : Electric variable measurement Fault diagnosis Fourier transforms Frequency estimation Induction machines Multidimensional signal processing Pattern classification Mesure variable électrique Diagnostic de défaut Transformée de Fourier Evaluation de fréquence Machines d'Induction Traitement des signaux multidimensionnel Classification de modèle Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : Fault detection in alternating-current electrical machines that is based on frequency analysis of stator current has been the interest of many researchers. Several frequency estimation techniques have been developed and are used to help the induction machine fault detection and diagnosis. This paper presents a technique to improve the fault detection technique by using the classical multiple signal classification (MUSIC) method. This method is a powerful tool that extracts meaningful frequencies from the signal, and it has been widely used in different areas, which include electrical machines. In the proposed application, the fault sensitive frequencies have to be found in the stator current signature. They are numerous in a given frequency range, and they are affected by the signal-to-noise ratio. Then, the MUSIC method takes a long computation time to find many frequencies by increasing the dimension of the autocorrelation matrix. To solve this problem, an algorithm that is based on zooming in a specific frequency range is proposed with MUSIC in order to improve the performances of frequency extraction. Moreover, the method is integrated as a part of MUSIC to estimate the frequency signal dimension order based on classification of autocorrelation matrix eigenvalues. The proposed algorithm has been applied to detect a rotor broken bar fault in a three-phase squirrel-cage induction machine under different loads and in steady-state condition.
La détection de défaut dans des machines électriques de courant alternatif qui est basée sur l'analyse de fréquence du courant de redresseur a été l'intérêt de beaucoup de chercheurs. Plusieurs techniques d'évaluation de fréquence ont été développées et sont employées pour aider la détection et le diagnostic de défaut de machine d'induction. Cet article présente une technique pour améliorer la technique de détection de défaut en employant la méthode multiple classique de classification de signal (MUSIQUE). Cette méthode est un outil puissant qui extrait des fréquences signicatives à partir du signal, et il a été employé couramment dans différents secteurs, qui incluent les machines électriques. Dans l'application proposée, les fréquences sensibles de défaut doivent être trouvées dans la signature de courant de redresseur. Elles sont nombreuses dans une gamme de fréquence donnée, et elles sont affectées par le rapport signal/bruit. Puis, la méthode de MUSIQUE prend un bon moment de calcul de trouver beaucoup de fréquences en augmentant la dimension de la matrice d'autocorrélation. Pour résoudre ce problème, on propose un algorithme qui est basé sur bourdonner dans une gamme de fréquence spécifique avec la MUSIQUE afin d'améliorer les exécutions de l'extraction de fréquence. D'ailleurs, la méthode est intégrée comme une partie de MUSIQUE pour estimer l'ordre de dimension de signal de fréquence basé sur la classification des valeurs propres de matrice d'autocorrélation. L'algorithme proposé a été appliqué pour détecter un défaut de barre cassé par rotor dans une machine squirrel-cage triphasée d'induction sous différentes charges et en état équilibré.DEWEY : 621 ISSN : 0278-0046 RAMEAU : Machines asynchrones En ligne : shahin.hedayati.kia@u-picardie.fr, humberto.henao@ieee.org, gerard.capolino@ieee [...]
in IEEE transactions on industrial electronics > Vol. 57 N° 1 (Janvier 2010) . - pp. 209 - 219
Titre : Torsional vibration assessment using induction machine electromagnetic torque estimation Type de document : texte imprimé Auteurs : Kia, Shahin Hedayati, Auteur ; Henao, Humberto, Auteur ; Capolino, Gérard-André, Auteur Article en page(s) : pp. 209 - 219 Note générale : Génie électrique Langues : Anglais (eng) Mots-clés : Condition monitoring Current measurement Frequency domain analysis Frequency tracking Gearbox-based system Induction machine Mechanical stresses Mechanical systems Motor current signature analysis Torque estimation Torque oscillation Torsional vibration Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : Mechanical anomalies such as load troubles, great torque dynamic variations, and torsional oscillations result in the shaft fatigue of electrical machine and other mechanical parts such as bearings and gearboxes. Particularly, the torsional vibration may attain a significant level at resonant frequencies which damage or cause additional lifetime consumption of mechanical parts. In this way, this paper proposes a noninvasive technique through the electromagnetic torque estimation of driving induction machine as a mean of mechanical torsional stresses monitoring. The lubrication loss is considered as a gear failure to demonstrate its influence on the vibration and on the electromagnetic estimated torque signatures. Then, it is shown that the information in the electromagnetic torque can be decomposed into high- and low-frequency bandwidths which are associated to induction machine and gearbox mechanical-related frequencies, respectively. A setup based on a 5.5-kW three-phase squirrel-cage induction motor connected to a 4-kW wound-rotor induction generator via a one-stage gearbox has been used to validate the proposed method in both stationary and nonstationary conditions. DEWEY : 621.38 ISSN : 0278-0046 En ligne : http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=5291794 [article] Torsional vibration assessment using induction machine electromagnetic torque estimation [texte imprimé] / Kia, Shahin Hedayati, Auteur ; Henao, Humberto, Auteur ; Capolino, Gérard-André, Auteur . - pp. 209 - 219.
Génie électrique
Langues : Anglais (eng)
in IEEE transactions on industrial electronics > Vol. 57 N° 1 (Janvier 2010) . - pp. 209 - 219
Mots-clés : Condition monitoring Current measurement Frequency domain analysis Frequency tracking Gearbox-based system Induction machine Mechanical stresses Mechanical systems Motor current signature analysis Torque estimation Torque oscillation Torsional vibration Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : Mechanical anomalies such as load troubles, great torque dynamic variations, and torsional oscillations result in the shaft fatigue of electrical machine and other mechanical parts such as bearings and gearboxes. Particularly, the torsional vibration may attain a significant level at resonant frequencies which damage or cause additional lifetime consumption of mechanical parts. In this way, this paper proposes a noninvasive technique through the electromagnetic torque estimation of driving induction machine as a mean of mechanical torsional stresses monitoring. The lubrication loss is considered as a gear failure to demonstrate its influence on the vibration and on the electromagnetic estimated torque signatures. Then, it is shown that the information in the electromagnetic torque can be decomposed into high- and low-frequency bandwidths which are associated to induction machine and gearbox mechanical-related frequencies, respectively. A setup based on a 5.5-kW three-phase squirrel-cage induction motor connected to a 4-kW wound-rotor induction generator via a one-stage gearbox has been used to validate the proposed method in both stationary and nonstationary conditions. DEWEY : 621.38 ISSN : 0278-0046 En ligne : http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=5291794
in IEEE transactions on industrial electronics > Vol. 56 N° 11 (Novembre 2009) . - pp. 4689 - 4699
Titre : Torsional vibration effects on induction machine current and torque signatures in gearbox-based electromechanical system Type de document : texte imprimé Auteurs : Kia, Shahin Hedayati, Auteur ; Henao, Humberto, Auteur ; Capolino, Gérard-André, Auteur Article en page(s) : pp. 4689 - 4699 Note générale : Génie électrique Langues : Anglais (eng) Mots-clés : Condition monitoring Current measurement Frequency domain analysis Frequency tracking Gearbox-based system Induction machine Mechanical systems Motor current signature analysis (MCSA) Torque estimation Torque oscillation Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : The monitoring of heavy-duty electromechanical systems is crucial for their preventive maintenance planning. In these systems, the mechanical anomalies such as load troubles, great torque dynamic variations, and torsional oscillations lead to shaft fatigue and aging of other mechanical parts such as bearings and gearboxes. In this paper, a gearbox-based electromechanical system is investigated. Initially, a simple gearbox dynamic model is used to show the effects of rotating input, output, and mesh frequency components on the electromagnetic torque and consequently on the stator current signature. By this model, the influence of transmission error, eccentricities of pinion/wheel, and teeth contact stiffness variation is demonstrated for a healthy gearbox. Then, it is shown that the electrical machine can be considered as a torque sensor through electromagnetic torque estimation for torsional vibration monitoring without any extra mechanical sensor. A test-rig based on a 5.5-kW three-phase squirrel-cage induction motor connected to a wound-rotor 4-kW induction generator via a one-stage gearbox has been used to validate the proposed method. DEWEY : 621.38 ISSN : 0278-0046 En ligne : http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=5166501 [article] Torsional vibration effects on induction machine current and torque signatures in gearbox-based electromechanical system [texte imprimé] / Kia, Shahin Hedayati, Auteur ; Henao, Humberto, Auteur ; Capolino, Gérard-André, Auteur . - pp. 4689 - 4699.
Génie électrique
Langues : Anglais (eng)
in IEEE transactions on industrial electronics > Vol. 56 N° 11 (Novembre 2009) . - pp. 4689 - 4699
Mots-clés : Condition monitoring Current measurement Frequency domain analysis Frequency tracking Gearbox-based system Induction machine Mechanical systems Motor current signature analysis (MCSA) Torque estimation Torque oscillation Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : The monitoring of heavy-duty electromechanical systems is crucial for their preventive maintenance planning. In these systems, the mechanical anomalies such as load troubles, great torque dynamic variations, and torsional oscillations lead to shaft fatigue and aging of other mechanical parts such as bearings and gearboxes. In this paper, a gearbox-based electromechanical system is investigated. Initially, a simple gearbox dynamic model is used to show the effects of rotating input, output, and mesh frequency components on the electromagnetic torque and consequently on the stator current signature. By this model, the influence of transmission error, eccentricities of pinion/wheel, and teeth contact stiffness variation is demonstrated for a healthy gearbox. Then, it is shown that the electrical machine can be considered as a torque sensor through electromagnetic torque estimation for torsional vibration monitoring without any extra mechanical sensor. A test-rig based on a 5.5-kW three-phase squirrel-cage induction motor connected to a wound-rotor 4-kW induction generator via a one-stage gearbox has been used to validate the proposed method. DEWEY : 621.38 ISSN : 0278-0046 En ligne : http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=5166501
