Diagnostic de machines électriques utilisant six capteurs de champ extérieur

25/10/2017
Publication 3EI 3EI 2017-90
OAI : oai:www.see.asso.fr:1044:2017-90:20643
DOI :
contenu protégé  Document accessible sous conditions - vous devez vous connecter ou vous enregistrer pour accéder à ou acquérir ce document.
- Accès libre pour les ayants-droit
 

Résumé

Diagnostic de machines électriques utilisant six capteurs de champ extérieur

Métriques

8
0
1.12 Mo
 application/pdf
bitcache://59d77ddc958449f2de95338a6ae9705a0499f32e

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/1044:2017-90/20643</identifier><creators><creator><creatorName>Raphaël Romary</creatorName></creator><creator><creatorName>MIFTAH IRHOUMAH</creatorName></creator><creator><creatorName>REMUS PUSCA</creatorName></creator><creator><creatorName>ERIC LEFEVRE</creatorName></creator><creator><creatorName>DAVID MERCIER</creatorName></creator></creators><titles>
            <title>Diagnostic de machines électriques utilisant six capteurs de champ extérieur</title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2017</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Wed 25 Oct 2017</date>
	    <date dateType="Updated">Wed 25 Oct 2017</date>
            <date dateType="Submitted">Fri 25 May 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">59d77ddc958449f2de95338a6ae9705a0499f32e</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>34833</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

Diagnostic de machines électriques La Revue 3EI n°90 Octobre 2017 Thème 30 Diagnostic de machines électriques utilisant six capteurs de champ extérieur MIFTAH IRHOUMAH(1)(2), REMUS PUSCA(1), ERIC LEFEVRE(2), DAVID MERCIER(2), RAPHAEL ROMARY(1) (1) Univ. Artois, EA 4025, Laboratoire Systèmes Electrotechniques et Environnement (LSEE), F-62400, Béthune, France (2) Univ. Artois, EA 3926, Laboratoire de Génie Informatique et d'Automatique de l'Artois (LGI2A), F-62400, Béthune, France miftahaldwiab_irhoumah@ens.univ-artois.fr Mots clés :. Machines électriques, coefficient de corrélation, capteur bobiné, court-circuit entre spires, champ magnétique extérieur. 1. Introduction Les moteurs asynchrones sont les machines électriques tournantes les plus couramment utilisées dans l’industrie. Ces machines sont sujettes à différents types de défaillance : roulements (41%), bobinage statorique (37%), rotor (10%), ou d’autres types de défaut (12%). La défaillance du bobinage statorique concerne essentiellement le défaut de court-circuit entre spires, qui est par conséquent l'un des défauts les plus communs dans les machines asynchrones. Les raisons des défaillances dans les machines électriques tournantes sont diverses et peuvent avoir pour origine la conception, la tolérance de fabrication, l'assemblage, l'installation, l'environnement de travail, la nature de la charge. La défaillance du bobinage statorique est considérée comme grave car elle augmente la contrainte sur l'isolation du bobinage, ce qui peut à terme endommager le bobinage jusqu'à entrainer une rupture de l’isolation avec la masse [1][2]. Il est donc important de détecter un tel défaut rapidement avant le déclenchement des protections différentielles [3]. Les problèmes de détection de défauts de court-circuit entre spires dans les machines électriques ont fait l'objet de nombreuses recherches et d'investigations dans diverses applications depuis de nombreuses années [4]. Les méthodes classiquement utilisées pour le diagnostic des machines électriques sont basées sur des mesures du courant, de la tension, des vibrations, ou encore du bruit. Bien que leur efficacité ait été démontrée, la généralisation de ces méthodes dans le milieu industriel reste limitée car leur coût est relativement important [5]. Plus récemment des méthodes ont été développées avec de nouvelles stratégies proposées pour détecter le défaut de court- circuit entre spires comme le vecteur espace [6], le multilayer artificial neural network (MANN) [2], ou encore des méthodes basées sur l’utilisation des Wavelet [7]. Les méthodes basées sur des mesures de champ magnétique à l’extérieur de la machine sont intéressantes car elles sont peu onéreuses et faciles à mettre en œuvre. Ces méthodes ont toutefois du mal à percer dans le milieu industriel car elles souffrent d’un manque de confiance de la part des exploitants de machines. Dans cet article, les méthodes proposées utilisent comme information la variation du champ magnétique de dispersion présent autour d‘ une machine asynchrone. Ces méthodes permettent de baisser le coût et ainsi de pouvoir généraliser la surveillance. Il est mis Résumé . Cet article propose une méthode de diagnostic pour détecter des défauts de type court-circuit entre spires dans les machines électriques. Cette méthode présente l’avantage d’être totalement non- invasive en utilisant comme information le champ magnétique rayonnant autour de la machine. Les informations sont fournies par six capteurs de flux externes fixés sur une « ceinture » autour de la machine. Dans cet article, on exploitera deux indicateurs de défauts : le « Sens de Variation des Amplitudes, SVA» et le « Coefficient de corrélation, r» relatifs à une raie sensible du spectre du champ extérieur. Ces méthodes ont la capacité d’identifier les bobines défectueuses. Les résultats expérimentaux sont relatifs à une machine asynchrone (MA) à cage d’écureuil de 4 pôles, 50 Hz, 3.5 kW, 380/660 V, In=23.2 A, cosᵩ=0.83, 1450 tr/min, possédant 48 encoches au stator et 32 barres rotoriques. Abstract: This paper proposes a diagnostic method for detection of inter turn short circuits in electrical machines. The method has the advantage of being totally non-invasive by using as information the magnetic field around the machine. This information is provided by six external flux sensors placed on a "belt" fixed on the machine. In this paper, two indicators of the fault are used: the "direction of variation of the amplitudes SVA" and "Coefficient of correlation r" relative to a sensitive line of the spectrum of the external field. These methods have the ability to identify the defective coil. The experimental results concern a 4-pole, 50 Hz, 3.5 kW, 380/660 V, In = 23.2 A, cosᵩ = 0.83, 1450 rpm, induction machine with 48 stator slots and 32 rotor bars.. Diagnostic de machines électriques La Revue 3EI n°90 Octobre 2017 Thème 31 en évidence la possibilité de détecter des défauts dans les machines électriques par une analyse spectrale qui permet en outre de classer différents niveaux de court- circuit. Dans ces méthodes, le diagnostic est basé sur l’analyse du champ magnétique en utilisant deux indicateurs : le « Sens de Variation des Amplitudes SVA» [7] et « Coefficient de corrélation r». Les analyses sont axées sur la raie sensible à 850 Hz dans le spectre du signal de tension induite délivrée par six capteurs de type bobiné placés par paire en trois positions autour de la machine. Chaque paire de capteurs est placée de façon diamétralement opposée comme indiqué à la figure 1. 2. La Méthodologie La méthodologie utilisée permet de détecter des défauts de court-circuit entre spires à partir de plusieurs mesures, à vide et en charge du champ magnétique de dispersion. La mesure du champ est réalisée avec six capteurs de type bobiné, et où chaque paire de capteurs est décalée de 180° [8] comme la montre la Fig.1.a. On a donc trois positions : Position 1 pour les capteurs C1- C4, position 2 pour les capteurs C2-C5, position 3 pour les capteurs C3-C6. Les tests ont été réalisés sur une Machine Asynchrone (MA). C’est la machine sur laquelle le développement analytique. La figure 1.b présente la machine asynchrone expérimentale. Figure 1 : machine asynchrone expérimentale instrumentée avec des capteurs de flux L’ensemble du bobinage de la machine a été modifié de façon à offrir la possibilité de réaliser des courts- circuits entre spires. L’analyse sera axée sur la raie à 850 Hz sur le spectre du signal de tension induite délivrée par les capteurs de type bobinés placés en trois positions diamétralement opposées. La théorie montre que l’harmonique de champ à cette fréquence est sensible au défaut de court-circuit entre spires [8]. Les différents tests effectués sont récapitulés dans le tableau 1 avec indication des bornes de connexion de la MA utilisées pour réaliser le défaut. Les différentes charges et les positions des capteurs. Icc1, Icc2, Icc3, correspondent à la valeur efficace du courant dans les spires en court- circuit (limité par un rhéostat). On compare ensuite l’évolution de l’amplitude des harmoniques sensibles pour chaque paire de capteurs diamétralement opposés à partir des deux indicateurs : « Sens de Variation des Amplitudes SVA» et «Coefficient de Corrélation r». Tableau 1. Les types des charges, types des défauts, positions des défauts et les bornes des défauts Les types des charges Les types des défauts Les positions des capteurs Les bornes des défauts vide machine à vide sans défaut Position 1 C1 décalé de 180°avec C4 P (1-2) Borne de court-circuit des connexions 1-2 CH1 = 128 watt Défaut de la résistance R1 Icc1=5A Positon 2 C2 décalé de 180°avec C5 P (9-10) Borne de court-circuit des connexions 9-10 CH2 = 385 watt Défaut de la résistance R2 Icc2=10A Position 3 C3 décalé de 180°avec C6 P (17-18) Borne des connexions 17-18 CH3 =750 watt Défaut de la résistance R3 Icc3=15A P (25-26) Borne de court-circuit des connexions 25-26 CH4 =1240 watt P (33-34) Borne de court-circuit des connexions 33-34 CH5 =1500 watt P (41-42) Borne de court-circuit des connexions 41-42 (b) (a) Diagnostic de machines électriques La Revue 3EI n°90 Octobre 2017 Thème 32 2.1. Sens de variation des amplitudes SVA L’exploitation de l’information SVA va permettre de répondre à une question d'intérêt. Dans le cadre de la méthode développée, la question posée est : "Y-a-t-il un défaut de court-circuit entre spires dans la machine ?". Les réponses possibles à cette question constituent le cadre de discernement, où l'élément correspond à la proposition : "oui, il y a un défaut", et à : "non, il n'y a pas de défaut". Le principe peut être décrit comme suit : pour la machine saine, les amplitudes de la raie à 850 Hz mesurées par deux capteurs opposés augmentent avec la charge dans les trois positions P1, P2 et P3. Pour la machine défectueuse, il peut arriver que les harmoniques à 850 Hz varient en sens opposé (l’amplitude diminue d’un côté et augmentent de l’autre côté). Les valeurs issues des capteurs n’évoluent donc pas de façon similaire comme le montre la figure 2. Pour chaque paire de capteurs diamétralement opposés dans les trois positions P1, P2 et P3 lorsque la charge varie. Figure 2 : variation des amplitudes des harmoniques à 850 Hz en cas de variation de charge pour une machine 2.2. Coefficient de Corrélation r L’utilisation du coefficient de corrélation est une technique qui permet d'étudier la relation qui pourrait exister entre deux variables. Ce coefficient varie entre - 1 et +1 ; l'intensité de la relation linéaire sera d'autant plus forte que la valeur du coefficient est proche de +1 ou de - 1, et d'autant plus faible qu'elle est proche de 0. Par convention, on dira que la relation entre deux caractères est : parfaite si r = 1, très forte si r > 0.8, forte si r se situe entre 0.5 et 0.8. D’intensité moyenne si r se situe entre 0.2 et 0.5, faible si r se situe entre 0 et 0.2, nulle si r = 0, comme illustré à la figure 3. Pour la machine asynchrone utilisée dans les tests expérimentaux, l’amplitude de l’harmonique à 850 Hz dans les deux positions est analysée. • Si les valeurs (r) sont proches de 1, il existe une forte corrélation linéaire positive entre les deux variables, ce qui signifie que les variables varient dans le même sens. Ceci indique qu'il n'y a pas de défaut dans le stator de la machine. • Si les valeurs (r) sont proches de 0, il n'y a pas de corrélation linéaire ou de faible corrélation linéaire entre les deux variables, ce qui signifie que les variables ne changent pas de la même façon. Ceci indique la présence d’un défaut dans le stator de la machine. • Si les valeurs (r) sont proches de -1, il existe une forte corrélation linéaire négative entre les variables et les variables varient dans le sens opposé (négatif). Ceci indique la présence d’un défaut au stator de la machine. Figure 3 : Différentes valeurs du coefficient de corrélation La formule mathématique pour calculer le coefficient de corrélation de Pearson (r) pour deux ensembles de valeurs :