Ващенко, Ярослав Васильович2016-07-222016-07-222016Ващенко Я. В. Удосконалення технології діагностування стану тягового асинхронного електроприводу рухомого складу [Електронний ресурс] : автореф. дис. ... канд. техн. наук : спец. 05.22.09 / Ярослав Васильович Ващенко ; [наук. керівник Яцько С. І.] ; Нац. техн. ун-т "Харків. політехн. ін-т". – Харків, 2016. – 21 с. – Бібліогр.: с. 16-17. – укр.https://repository.kpi.kharkov.ua/handle/KhPI-Press/22713Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.22.09 – електротранспорт. – Національний технічний університет "Харківський політехнічний інститут", Харків, 2016 р. Дисертація присвячена вирішенню науково-технічної задачі по удосконаленню технології діагностування стану тягового асинхронного електроприводу рухомого складу на основі застосування діагностичних ознак, що свідчили б про настання аварійних режимів, а також розробці технологій, методів та алгоритмів, що дозволили б виявляти та упереджувати подальший розвиток таких режимів. Для виконання досліджень розроблені комп'ютерні математичні імітаційні моделі тягового асинхронного електроприводу, в яких враховуються особливості аварійних режимів в залежності від системи управління, насичення магнітного кола асинхронного двигуна та ін. Виконано експериментальне підтвердження адекватності розроблених імітаційних моделей з реальним тяговим приводом для рухомого складу. На основі розроблених моделей досліджено електромагнітні процеси, що відбуваються в аварійних режимах, що дозволило якісно та кількісно їх оцінити, а також визначити придатні для діагностування характерні ознаки. Розроблено технології діагностування на основі гармонічного аналізу сигналу та на основі математичної моделі об'єкту, проведено комп'ютерну перевірку та підтверджено ефективність роботи таких методів. Для здійснення автоматизації прийняття рішення використано моделювання математичного алгоритму штучних нейромереж.Thesis for a candidate degree by speciality 05.22.09 – Electric transport. – National Technical University "Kharkiv Polytechnical Institute", Kharkiv, 2016. Dissertation is devoted to solving scientific and technical targets improving technology of diagnosing state for traction asynchronous drive electric rolling stock by detecting abnormally dangerous and emergency modes operation and their identification, which allowed to develop methods for early detection and prevention of drive elements failure when it malfunctions occur, as well as minimizing operational costs. The analysis of existing technologies, techniques and methods for diagnosis and protection traction asynchronous drive showed that the most promising in comparison with the existing protection systems of rolling stock, which operate on the principle of control deviations of parameters and prevent the development of emergency modes, there are diagnostics technology provides detection and localization of failures in the early stages. Improved diagnosis technology based on the object model of traction induction motor by using the extended Kalman filter that can detect damage to the stator and rotor windings of traction induction motor, for which proposed to use statistical criteria in real time for assessing its effectiveness To automate the decision approach applied mathematical algorithm simulation based on artificial neural networks for diagnostic feature variable speed oscillation induction motor rotor frequency, with which is possible to exercise effective intellectual automatic fault detection when using simple logical principles is not enough. Developed diagnosis methods are expand existing protection technologies including real technical state of asynchronous traction electric drive and allowing to perform timely malfunctions detection and automatic decision-making to prevent further development of emergency operation, thereby increasing efficiency and reliability traction drive operation.ukрухомий складтяговий асинхронний електроприводаварійні режимиінтелектуальні методи діагностикиавтореферат дисертаціїrolling stockasynchronous electric traction driveemergency modeintelligent methods of diagnosisThesis629.4.014