[EN]
There are moments in life when it feels like everything is at a standstill. That was exactly how I felt throughout much of my master's research, whose goal was to develop a methodology for detecting rotor faults in induction motors.
A few months ago, I published the post We have finally made progress in detecting faults in electric vehicles, where I shared that we had successfully developed a methodology capable of detecting faults in motors driven by frequency inverters, which are used in the vast majority of industrial applications as well as in many electric vehicles.
That achievement unlocked many of the challenges we had been facing in implementing an embedded monitoring system for an electric vehicle. However, my master's research followed a different path. The objective was to develop a sensor capable of detecting faults directly on the motor without relying on a computer or microcontroller to process the current signals. In other words, the entire detection process would be performed exclusively using analog circuits.
Our investigation began with a Gaussian digital filter, which had already demonstrated excellent performance in detecting and quantifying fault severity. From that point on, a new challenge emerged: finding filters with behavior similar to the Gaussian filter that could also be implemented using analog circuitry.
The figure below compares the responses of the three digital filters we evaluated: Gaussian (A), Bessel (B), and Butterworth (C). In all three cases, two oscillations associated with the rotor fault can be observed, while the red signal represents the envelope of the filtered signal. Since the Gaussian filter has a linear phase response, its envelope remains almost perfectly aligned with the filtered signal. In contrast, the Butterworth and Bessel filters exhibit a slight delay due to their phase characteristics.
Among all the alternatives evaluated, the Butterworth and Bessel FIR filters produced responses that most closely matched the Gaussian filter. After implementing these filters digitally, we obtained results that were remarkably similar to those of the Gaussian filter, despite its much higher order. With this stage successfully validated, we moved on to the analog implementation. To our surprise, a fourth-order analog filter was already sufficient to detect the faults.
During this first phase of the experiments, the motor startup current was acquired, stored, and later reproduced using a function generator. This approach eliminated the need to repeatedly start the motor for each of the six faulty rotors and the healthy rotor. It also greatly simplified circuit calibration and ensured that all experimental tests were performed under identical conditions.
The analog circuit was developed up to the envelope extraction stage of the filtered signal. To accomplish this, it was necessary to design a 60 Hz notch filter, a band-pass filter with center frequencies ranging from 20 to 30 Hz, a peak detector, gain stages, and finally the envelope detection circuit—all implemented using only analog components.
However, simply observing the fault-related oscillations was not enough. We needed a reliable indicator to confirm that these oscillations were actually caused by broken rotor bars. For this purpose, we analyzed the temporal distance between the peaks of the envelope signal.
The expected behavior is very specific: as the filter's center frequency increases, the temporal distance between the envelope peaks also increases monotonically. This characteristic behavior is unique to broken rotor bar faults and makes it possible to distinguish them from other periodic faults.
The responses obtained under all operating conditions were evaluated using an oscilloscope and are shown in the figure below. Case (A) corresponds to the healthy rotor, while the remaining cases represent different fault severities. In each waveform, the startup current is shown in yellow, the filtered signal in blue, and the envelope signal in green.
The temporal distances between the envelope peaks are used to confirm that the detected fault is indeed caused by broken rotor bars. After all, other periodic faults may also generate similar oscillations, but they do not exhibit the same monotonic variation when the filter's center frequency is changed.
Looking only at the final results, everything may seem relatively straightforward. However, reaching this point required many months of study, countless experiments, several frustrating setbacks, and a great deal of learning. As a reward, we were able to publish this work at an international conference that will take place in São Paulo this August: Chip in SAMPA.
After so many challenges, seeing this research finally produce concrete results is incredibly rewarding. There is still one important stage ahead, but now the feeling is that we are on the right track. All that remains is to complete the final phase of the project and hope that everything performs just as well as it did during the experimental validation.
Wish me luck!
[PT]
Há momentos em nossas vidas em que parece que tudo está travado. Foi exatamente assim que me senti durante boa parte do meu mestrado, cuja missão era desenvolver uma metodologia para detectar falhas no rotor de motores de indução.
Alguns meses atrás publiquei o post We have finally made progress in detecting faults in electric vehicles, no qual contei que conseguimos desenvolver uma metodologia capaz de detectar falhas em motores alimentados por inversores de frequência, que são utilizados na grande maioria das aplicações industriais e também em muitos veículos elétricos.
Esse resultado destravou boa parte dos desafios que enfrentávamos para implementar um sistema embarcado destinado ao monitoramento de um veículo elétrico. Porém, meu tema de mestrado seguia por outro caminho. O objetivo era desenvolver um sensor capaz de detectar falhas diretamente no motor, sem depender de computadores ou microcontroladores para processar os sinais. Em outras palavras, toda a detecção deveria ser realizada exclusivamente por circuitos analógicos.
Nossa investigação começou utilizando um filtro digital Gaussiano, que já havia demonstrado excelente desempenho na detecção e quantificação da severidade das falhas. A partir daí surgiu um novo desafio: encontrar filtros que apresentassem comportamento semelhante ao Gaussiano, mas que pudessem ser implementados de forma analógica.
Na imagem abaixo é possível comparar as respostas dos três filtros digitais estudados: Gaussiano (A), Bessel (B) e Butterworth (C). Em todos eles aparecem duas oscilações características da falha do rotor, enquanto o sinal em vermelho representa a envoltória do sinal filtrado. Como o filtro Gaussiano possui fase linear, sua envoltória permanece praticamente alinhada com o sinal filtrado. Já os filtros Butterworth e Bessel apresentam um pequeno atraso devido às suas características de fase.
Entre todas as alternativas avaliadas, os filtros FIR de Butterworth e Bessel foram os que mais se aproximaram do comportamento do filtro Gaussiano. Implementamos esses filtros digitalmente e obtivemos respostas muito semelhantes às do Gaussiano, que possui uma ordem bastante elevada. Com essa etapa validada, chegou o momento de partir para a implementação analógica e, para nossa surpresa, um filtro analógico de apenas quarta ordem já era suficiente para detectar as falhas.
Nesta primeira fase dos experimentos, a corrente de partida do motor foi adquirida, armazenada e posteriormente reproduzida por um gerador de funções. Dessa forma, evitamos realizar partidas repetidas do motor para cada um dos seis rotores com falhas e para o rotor saudável. Essa estratégia facilitou significativamente a calibração do circuito e garantiu que todos os ensaios experimentais fossem realizados em condições exatamente iguais.
O circuito analógico foi desenvolvido até a etapa de extração da envoltória do sinal filtrado. Para isso, foi necessário projetar um filtro notch de 60 Hz, um filtro passa-faixa com frequências centrais entre 20 e 30 Hz, um detector de pico, estágios de ganho e, por fim, o circuito responsável pela obtenção da envoltória — tudo implementado utilizando apenas componentes analógicos.
Entretanto, visualizar as oscilações da falha não era suficiente. Era necessário um indicador que comprovasse que aquelas oscilações realmente eram provocadas por barras quebradas no rotor. Para isso utilizamos a distância temporal entre os picos da envoltória.
O comportamento esperado é bastante específico: conforme a frequência central do filtro aumenta, a distância temporal entre os picos também aumenta de forma monotônica. Esse comportamento é característico da falha de barras quebradas e permite diferenciá-la de outras falhas periódicas.
As respostas obtidas para todas as condições foram avaliadas com auxílio de um osciloscópio e podem ser observadas na imagem abaixo. O caso (A) corresponde ao rotor saudável, enquanto os demais representam diferentes níveis de falha. Em cada captura são apresentados o sinal da corrente de partida (amarelo), o sinal filtrado (azul) e a envoltória do sinal (verde).
Os valores da distância temporal entre os picos são utilizados para confirmar que a falha observada realmente corresponde a barras quebradas no rotor. Afinal, outras falhas periódicas também podem produzir oscilações semelhantes, mas não apresentam a mesma variação monotônica quando a frequência do filtro é alterada.
Olhando apenas os resultados finais, tudo pode parecer relativamente simples. Mas chegar até aqui exigiu muitos meses de estudos, inúmeros testes, várias tentativas frustradas e muito aprendizado. Como recompensa, conseguimos publicar esse trabalho em um evento internacional que será realizado em São Paulo, em agosto, durante o Chip in SAMPA.
Depois de tantos desafios, ver a pesquisa finalmente dando resultados concretos é extremamente gratificante. Ainda há uma etapa importante pela frente, mas agora o sentimento é de que estamos no caminho certo. Resta concluir a fase final do projeto e torcer para que tudo funcione tão bem quanto funcionou nos experimentos realizados até aqui.
Me desejem sorte!
Posted Using INLEO
