Elektrische Maschinen und Antriebssysteme

In diesem Sammelband werden die aktuellen Entwicklungen und Forschungsergebnisse der Professur für Elektrische Maschinen und Antriebssysteme im Jahr 2023 vorgestellt. An der Professur wurden zwei Promotionen abgeschlossen und erfolgreich verteidigt. Das Thema der Dissertation von Herrn Pedram Quseiri Darbandeh lautet „Fault Diagnosis in a Permanent Magnet Synchronous Motor using Deep Learning“. Er untersucht hier sehr strukturiert und umfangreich die Möglichkeiten der datenbasierten Fehlerklassifizierung in Abhängigkeit verschiedener Sensorsignale, Datenaufbereitungsmethoden und verschiedener Trainingsmethoden für neuronale Netze. Herr Johannes Liebrich hat zum Thema „Entwicklung einer Methode zur Chrakterisierung von Hochtemperatur-Supraleitern” promoviert. Die Arbeit liefert wichtige Erkenntnisse zu Schadensmechanismen und dem Ermüdungsverhalten von Supraleitern. Der entwickelte Versuchsstand kann zudem auch zur mechanischen Untersuchung weiterer Materialproben unter kryogenen Bedingungen verwendet werden. Mit den gewonnenen Erkenntnissen werden in Folgeprojekten supraleitende Spulen erforscht, welche für den Einsatz in Windenergieanlagen geeignet sind. In diesem Jahr konnten zwei Forschungsprojekte abgeschlossen werden. Zum einen ein ZIM-Projekt, welches die Entwicklung einer mobilen und flexibel einsetzbaren Prüfmethode für entmagnetisierte Bauteile zum Ziel hatte. Hierbei ist es möglich mit einer festen Sensoranordnung auf die globale Magnetisierung eines Prüflings in einer magnetisch geschirmten Kammer zu schließen und das Magnetfeld für unterschiedliche Abstände zu ermitteln. Zum anderen wurde das Verbundprojekt KOBRA abgeschlossen, bei dem die Professur einen deutlich leistungsfähigeren Anodenantrieb auf Basis einer „Flux-Switching-Machine“ erforscht und messtechnisch validiert hat. Zudem wurde ein neues ZIM-Projekt zur Entwicklung eines intelligenten Wellenschwingungs-Torsionssensors eingeworben (AI-Torque).

Condition Monitoring (CM) of electrical equipment, especially electrical machines, has an important role in enhancing reliability and preventing disturbance in production centers such as power plants and factories. One of the important steps of CM's process is diagnosing faults at the proper time to prevent the defect from spreading to other components of the system. Nowadays, the Permanent Magnet Synchronous Machine (PMSM) which uses permanent magnets instead of winding in its structure is widely used among other types of electrical machines. This thesis proposes a new algorithm based on Variational Autoencoder (VAE) as an unsupervised deep learning method to detect different faults with different severities. In this research work, current, vibration and sound signals are collected from a 1 kW prototyped PMSM. This motor is simulated in Finite Element Analysis (FEA) software and compared with the prototyped one. Demagnetization, bearing, and eccentricity faults are selected to be implemented on a prototyped PMSM. The performance of VAE is evaluated for different operating conditions consisting of different loads and speeds. Also, the VAE is investigated for classifying data with different complexity. The feature extraction methods which are known as the pre-processing methods can improve the performance of VAE by reducing dimensionality and extracting important data features. Besides, these methods improve the network's training time by reducing input data size. In this thesis, Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA) are used as feature extraction methods. The performance of VAE-PCA and VAE-LDA is compared, and it is shown that VAE-PCA has a slightly better performance than VAE-LDA in most operating conditions, especially in the high-class number in which the complexity is higher compared to other cases. Also, this method is developed for analyzing different combinations of sensors. Results show that the combination of current and sound signals can be a successful way to diagnose faults with and without pre-processing methods. In addition, the performance of VAE is compared with other machine learning methods such as Naïve Bayes (NB) and K-Nearest Neighbourhood (KNN) with and without pre-processing methods from accuracy and training time aspects. It is demonstrated that the performance of VAE for classifying the low and high number of classes of data is proper from accuracy and training time aspects. However, the performance of machine learning methods in the high number of classes is not proper for training time.

Diese Arbeit befasst sich mit dem Monitoring und der Diagnose von elektrischen Maschinen im industriellen Umfeld auf der Basis von künstlicher Intelligenz (KI). Das Ziel ist die Entwicklung einer praxisorientierten Methodik, welche flexibel und übertragbar eine Fehlererkennung für eine Vielzahl an elektrischen Maschinen ermöglicht. Der Fokus der Arbeit liegt folglich auf dem Entwurf eines Frameworks mit hoher Praxistauglichkeit, der eine analytische Modellierung mit neuronalen Netzen aus dem Bereich des Machine Learning kombiniert. Das Framework beinhaltet zudem eine Methodik, welche die Identifizierung passender Werte für die Modellparameter der überwachten elektrischen Maschine erlaubt. Nach einer initialen Parameteridentifkation erfolgt mit dem parametrisierten Modell die Erzeugung eines Datensatzes mit simulierten Statorströmen der überwachten Maschine in gesunden und fehlerhaften Zuständen. Der simulierte Datensatz wird von den neuronalen Netzen zum Erlernen von Fehlermerkmalen genutzt, sodass in der Folge auf der Grundlage von gemessenen Statorströmen eine Einschätzung zum aktuellen Zustand der realen Maschine erfolgen kann.

Die vorliegende Arbeit befasst sich mit theoretischen und experimentellen Untersuchungen zur Realisierbarkeit von linearen elektromagnetischen Schienenbeschleunigern, welche mit mehrphasigem Wechselstrom betrieben werden. Basierend auf den grundsätzlichen physikalischen Vorgängen, die beim Betrieb solcher Beschleuniger auftreten, wird zunächst im ersten Schritt eine theoretische Modellierung entwickelt. Dieses Modell wird dann soweit erweitert, dass es zur Berechnung und Simulation eines Experimentalaufbaus eingesetzt werden kann. Hierfür werden insbesondere analytische Formelausdrücke hergeleitet und die Ergebnisse mit kommerziellen Simulationsprogrammen verglichen. Ferner wird die Integration von zusätzlichen magnetfeldverstärkenden Spulen in das Modell beschrieben. Die daraus resultierenden Erkenntnisse werden im zweiten Schritt dazu eingesetzt, einen experimentellen Beschleuniger aufzubauen. Es wird gezeigt, welche Messtechnik für die praktischen Versuche benötigt wird und es werden eigens Messaufbauten konzipiert und gebaut sowie neue Messmethoden entwickelt und angewandt. Im Mittelpunkt dieser Betrachtungen steht die grundsätzliche Realisierbarkeit eines solchen Aufbaus mit Blick auf mögliche Anwendungsgebiete. Daher stehen insbesondere auch die Haltbarkeit und die Betriebssicherheit des Beschleunigers im Vordergrund. Die Experimentergebnisse werden dann im dritten Schritt dazu eingesetzt, den vorhandenen Versuchsaufbau zu optimieren und einen zweiten, entsprechend verbesserten Beschleuniger zu konstruieren. Es wird gezeigt, wie sich diese jeweils einzeln, aber auch modular hintereinander geschaltet verhalten, um einen segmentierten Beschleuniger nachbilden zu können. In Schritt vier werden dann die gesamten Experimentergebnisse analysiert und mit der theoretischen Vorhersage verglichen. Auf der Basis dieses Vergleichs von theoretischer Modellierung und praktischen Ergebnissen werden die erhaltenen Resultate interpretiert. Schließlich wird das erhaltene Modell zur Beschreibung und Auslegung eines mehrphasigen Schienenbeschleunigers angewendet, um einen möglichen, künftigen Anwendungsfall zu simulieren.

Im Projekt „Polymeraktuator ‐ Entwicklung eines leichten und flexiblen Polymeraktuators nach dem Prinzip eines elektromechanischen Linearmotors“ hat die Helmut‐Schmidt‐Universität / Universität der Bundeswehr Hamburg (HSU) sich hauptsächlich mit der Auslegung des Aktuators und dessen Komponenten mithilfe analytischer und numerischer Berechnungen sowie der messtechnischen Evaluation der Prototypen und der Integration in ein Demonstrator‐System beschäftigt. Im Arbeitspaket 1 wurden zunächst diverse Umsetzungsmöglichkeiten zur Ausarbeitung des Aktuators untersucht. Neben dem im Projektantrag vorgestellten Konzept des tubularen Linearmotors wurden Linearmotoren in flacher Bauweise und verkettet Zugankermagnete in Betracht gezogen, welche aber im Sinne der geplanten Anwendung nicht als vielversprechender als der tubulare Linearmotor eingeschätzt wurden. In Arbeitspaket 2 wurde erfolgreich eine elektromagnetische Auslegung des Linearmotors vorgenommen. Dazu wurde zunächst eine analytische Berechnungsmethode erarbeitet, mit der auf Grundlage der Berechnung des magnetischen Feldes im Motor innerhalb geringer Berechnungszeiten sehr genau die Kraft des Motors berechnet werden kann. Mithilfe dieser Methode konnte ein analytisches Modell des Aktuators erarbeitet und durch Finite Elemente (FE) Simulationen validiert werden. Anschließend wurde die Geometrie des Motors auf Basis verfügbarer Magnetgrößen und mechanischer Randbedingungen, die sich auch aus ersten Aufbauversuchen des Aktuators ergaben, optimiert. Die Zielgröße bei der Optimierung ist die Kraftdichte bezogen auf das Motorgewicht, welche in Arbeitspaket 1 als kritische Zielgröße definiert wurde. Auf dieser Grundlage dieser Optimierung wurde beim Projektpartner emtronic die Protottypenfertigung durchgeführt. Ein weiterer Aspekt in Arbeitspakt 2, der sich während des Projekts ergab, ist die Konzeption und rechnerische Analyse der Positionssensorik. Dazu wurde eine Sensorkonfiguration bestehend aus drei Kondensatoren erarbeitet, welche die Läufermagnete detektieren. Dieses Konzept wurde anhand vereinfachter 2D Simulationen analysiert. Im Rahmen des Arbeitspakets 6 wurde der Motor messtechnisch analysiert. Der Schwerpunkt der Motorvermessung lag bei der Messung der Motorkraft. Dazu wurde ein Prüfstand konzeptioniert und aufgebaut, in dem ein Prototyp eingespannt und dessen aufgebrachte Motorkraft mithilfe eines Zug‐ und Schubkraftsensors bidirektional gemessen werden kann. An diesem wird der Läufer des Motors befestigt, während der Ständer feststeht. Der Kraftsensor ist dabei an einen Spindelantrieb gekoppelt, sodass die Motorkraft auch in Abhängigkeit der Läuferposition gemessen werden konnte. Es wurden außerdem die Temperatur des Motors an der Außenseite in Abhängigkeit verschiedener Erregungszustände gemessen. Das letzte von der HSU bearbeitete Arbeitspakt 8 befasst sich mit der Integration des neuen Aktuators in ein Demonstrator‐System. Als Zielsystem war ein Muskelhandschuh für Anwendungen in der Rehabilitation vorgesehen. Dazu wird auf einem Stoffhandschuh ein Drahtseil an einem Finger befestigt und an den Unterarm durchgeleitet, wo der Motor angebracht wird, sodass über eine Ansteuerung des Motors der Finger bewegt werden kann.

© 2019. The Author(s). The transition of power grids to implement large amounts of nonsynchronous renewables reduces the inertia in the power system. Therefore, the rate of change of frequency (ROCOF) after a fault of given energy is higher in low inertia grids than in grids with mainly synchronous machines operating. Standard faults for the design of existing synchronous machines assume fixed frequency grids, in which an electrically close fault happens. It is not tested, if the machines can ride through transient disturbances with high ROCOF. For ROCOF values of up to 1 Hz/s as foreseen for the upcoming grid code of the Republic of Ireland and up to 2 Hz/s for Northern Ireland, a thorough verification, if generators are capable to ride through such events is necessary. For this study, ROCOF frequency traces provided by the transmission system operators (TSOs) of Ireland were first benchmarked with a full-grid model and in a second step impressed on a model of generators connected to the power grid via a step-up transformer to study transient stability and nonlinear response of the generator. This paper focusses on the ability of nine different synchronous machines to stay connected to the transmission system during severe ROCOF events without losing synchronism.