Sürekli mıknatıslı senkron motorun stator kısa devre arızasının tespiti ve arıza şiddetinin otomatik olarak belirlenmesi

Stator arızaları elektrik makinalarında yaygın olarak görülen arıza türlerinden biridir. Statorunda kısa devre arızası bulunan bir elektrik makinası istenen performansı ve verimi gösteremez. Bir elektrik makinasının statorundaki herhangi iki sarımın kısa devre olması o sarımlar arasında yüksek bir ısı artışına sebep olmakta ve kısa sürede etrafındaki sarımların da kısa devre olmasına neden olabilmektedir. Bu yüzden, küçük oranlarda başlayan kısa devre olayı hızlı biçimde yayılarak makinanın çalışmasını etkileyebilmektedir. Özellikle hassas hız ve konum kontrolü gerektiren uygulamalarda sıkça kullanılan bir motor türü olan sürekli mıknatıslı senkron motorlarda (SMSM), statorda meydana gelebilecek kısa devre olayı beklenmeyen sonuçlar doğurabileceğinden erken evrede tespiti oldukça kritik ve önemlidir. Bu tez çalışmasında, bir SMSM'nin stator sarımlar arası kısa devre arızasının henüz başlangıç aşamasında iken tespitine ve arıza şiddetinin belirlenebilmesine imkân sağlayan iki yöntem önerilmektedir. İlk yöntem sadece bir stator faz akımını kullanarak akımın spektrumundan elde edilen temel ve 3. harmonik bileşenlerinin genliklerinden arızayı ve arıza şiddetini geniş bir yük ve hız aralığında tespit etmektedir. Diğer yöntem ise; SMSM'nin stator 3-faz akım ve gerilim sinyallerinden Park dönüşümü aracılığı ile elde edilen akım ve gerilim uzay vektörlerinde stator kısa devre arızasına bağlı olarak değiştiği tez kapsamında yapılan çalışmalarla tespit edilen pozitif ve negatif arıza harmoniklerini kullanarak çok geniş bir hız ve yük aralığında stator kısa devre arızasını ve şiddetini tespit etmektedir. Her iki yöntemde de stator kısa devre arızasını ve şiddetini otomatik olarak yüksek doğrulukta tespit edebilmek için yapay sinir ağları kullanılmıştır. Arıza tespiti ve arıza şiddetinin belirlenmesi için SMSM'nin matematiksel durum denklemleri kullanılarak Matlab/Simulink ortamında oluşturulan sağlıklı ve arızalı motor modellerinin benzetimi ile her iki yöntemde kullanılan arıza sinyalleri (imzaları) test edilmiştir. Deneysel devre düzeneği kullanılarak benzer sonuçlar elde edilmiştir. Bu tezde arıza tespiti ve arıza şiddetinin belirlenmesi için deneysel düzenekten elde edilen arıza imzaları ile örüntüler elde edilmiş ve makina öğrenme algoritmaları ile arıza şiddetinin sınıflandırılması sağlanmıştır. Farklı arıza oranlarına sahip motorlardan geniş bir hız ve yük aralığında elde edilen arıza imzaları ile farklı makina öğrenme algoritmaları eğitilmiş ve sonuçları birbiriyle karşılaştırılmıştır. Bu algoritmaların doğrulukları ve başarıları dikkate alınarak stator kısa devre arızasının tespitinde hangi algoritmaların daha uygun olduğu belirtilmiştir.