Low-Complexity Recursive NARX for Discriminating Incipient Stator Inter-Turn Short Circuits from Load Variations in Three-Phase Induction Motors

في العالم الصناعي، يُعد المحرك الحثي ثلاثي الأطوار بمثابة "الحصان الرابح" الصامت. فهذه الآلات، الموجودة في كل شيء بدءاً من مضخات المصانع وصولاً إلى مراوح التهوية، هي التي تحافظ على استمرارية خطوط الإنتاج. ومع ذلك، مثل أي نظام ميكانيكي، فهي عرضة للتآكل والتهالك. ومن أخطر الأعطال حدوث "دائرة قصر" (تماس كهربائي) بين لفات النحاس الصغيرة داخل الجزء الثابت للمحرك (الستاتور)، وهو الجزء الساكن الذي يولد المجال المغناطيسي. فعندما تتلامس بضع لفات من الأسلاك فقط، يبدأ تيار صغير وموضعي في الدوران. وإذا تُرك هذا الأمر دون معالجة، فقد يؤدي إلى ارتفاع درجة حرارة العزل، مما يؤدي إلى فشل كارثي يوقف الآلة بأكملها. ولا يكمن التحدي الذي يواجه المهندسين في مجرد العثور على محرك معطل، بل في رصد المشكلة وهي لا تزال صغيرة وفي بدايتها. ويعد هذا أمراً صعباً لأن الإشارات الكهربائية التي تكشف عن عطل صغير تتغير أيضاً عندما يعمل المحرك بجهد أكبر أو يحمل حملاً أثقل. وقد ظل التمييز بين خلل ناشئ وبين تغير طبيعي في حجم العمل عقبة طويلة الأمد أمام المراقبة الآلية الموثوقة.

لقد طور فريق من الباحثين في الجامعة الاتحادية في "ساو جواو ديل ري" بالبرازيل طريقة جديدة لحل هذه المشكلة تحديداً. فقد ابتكروا أداة رقمية بسيطة ومنخفضة التكلفة يمكنها التمييز بين محرك يعمل بجهد عالٍ وبين محرك يعاني من دائرة قصر صغيرة في مراحلها الأولى. وبدلاً من محاولة بناء نسخة رقمية مثالية وعالية الدقة للمحرك تحاكي كل تفصيل فيزيائي، اتبع الباحثون نهجاً مختلفاً؛ حيث بنوا نموذجاً رياضياً صغيراً ومبسطاً يعمل ككاشف حساس. تم تصميم هذا النموذج ليبقى ثابتاً في هيكله، مما يعني أنه لا يغير شكله أو تعقيده، بل بدلاً من ذلك، عندما يتغير سلوك المحرك بسبب وجود عطل، تُجبر الأرقام داخل النموذج على التغير لمواكبة الواقع. ومن خلال مراقبة كيفية انحراف هذه الأرقام، يمكن للنظام تحديد وجود عطل حتى عندما يمر المحرك بتغيرات كبيرة في الحمل.

ولاختبار هذه الفكرة، أقام الباحثون تجربة مخبرية باستخدام محرك حثي قياسي ثلاثي الأطوار. وقاموا عمداً بإحداث أعطال محكومة عن طريق إحداث تماس قصير في عدد قليل من لفات ملفات المحرك. في أحد السيناريوهات، تسببوا في تماس في حوالي 1.5% من اللفات في طور واحد، وفي سيناريو آخر، تسببوا في تماس في حوالي 3% من اللفات. هذه عيوب صغيرة جداً، من النوع الذي يصعب اكتشافه قبل أن تسبب أضراراً جسيمة. ولجعل الاختبار واقعياً، أخضعوا المحرك أيضاً لتغيير كبير وطبيعي في حجم العمل، حيث رفعوا التيار الكهربائي بنسبة تقارب 49%. وكان الهدف هو معرفة ما إذا كان نظامهم سيتمكن من تجاهل هذا التغيير الهائل في الحمل مع الاستمرار في إطلاق إنذار لوجود دوائر قصر صغيرة.

يعتمد النظام الذي بنوه على طريقة تسمى "تقدير المعلمات المتكرر" (recursive parameter estimation). وبعبارة بسيطة، يعني هذا أن النظام يحدث فهمه لسلوك المحرك لحظة بلحظة، باستخدام أحدث قراءات الجهد والتيار فقط. فهو لا يحتاج إلى تخزين كميات هائلة من البيانات التاريخية أو إجراء حسابات معقدة تتطلب أجهزة كمبيوتر قوية. يستخدم النموذج أربعة أرقام قابلة للتعديل فقط لوصف العلاقة بين الجهد الداخل إلى المحرك والتيار الخارج منه. عندما يكون المحرك سليماً، تظل هذه الأرقام ثابتة نسبياً، ولكن عندما يحدث عطل، تتغير الخصائص الفيزيائية للمحرك، ويجب على النظام تعديل هذه الأرقचारة الأربعة لتتوافق مع الواقع الجديد. وقد وجد الباحثون أنه من خلال تجميد هيكل النموذج والسماح لهذه الأرقام فقط بالتحرك، استطاعوا رؤية الفرق بوضوح بين العطل وتغير الحمل.

كان جزء حاسم من نجاحهم هو تقنية تسمى "تكييف الكسب الساكن" (static-gain adaptation). فبدون هذه الميزة، سيخلط النظام بين الحمل الثقيل وبين العطل لأن كلاهما يسبب تغيراً في الإشارات الكهربائية. يعمل هذا التكييف مثل "مقبض التحكم في الصوت" الذي يضبط تلقائياً حساسية النموذج لمستوى التشغيل الحالي. وهذا يسمح للنظام بتجاهل التغيرات الطبيعية والمتوقعة في الأداء الناتجة عن الحمل، مع البقاء شديد الحساسية للتغيرات غير المنتظمة الناتجة عن دائرة القصر. وعندما اختبر الباحثون نظامهم بدون هذا التكييف، فشل في اكتشاف أصغر الأعطال وعانى للتمييز بين الأعطال الأكبر وتغيرات الحمل الطبيعية. ومع وجود التكييف، نجح النظام في فصل إشارات العطل عن إشارات الحمل.

أظهرت النتائج أن النموذج غير الخطي الذي اختاروه كان أفضل بكثير من النموذج الخطي التقليدي في تتبع سلوك المحرك. وفي اختباراتهم، قلل النهج غير الخطي من الخطأ في التنبؤ بمخرجات المحرك بنسبة 22% تقريباً مقارنة بالنسخة الخطية. والأهم من ذلك، استطاع النظام التمييز بوضوح بين المحرك السليم، والمحرك الذي يعاني من تماس بنسبة 1.5%، والمحرك الذي يعاني من تماس بنسبة 3%، حتى في حين كان الحمل يتغير بنسبة تقارب النصف. لاحظ الباحثون أن أرقاماً مختلفة في نموذجهم تتفاعل بطرق مختلفة؛ حيث ثبت أن رقماً معيناً، يتعلق بكيفية تأثير جهد الدخل على التيار بعد تأخير بسيط، هو المؤشر الأكثر موثوقية للعطل. بينما كان رقم آخر حساساً جداً لتغيرات الحمل، مما ساعد النظام على فهم سياق التشغيل.

يعمل النظام بسرعة 1,000 عينة في الثانية، وهي سرعة كافية لرصد هذه العلامات المبكرة للمتاعب. ومع ذلك، فإن الوقت المستغرق لإطلاق الإنذار لا يقتصر على سرعة حساب الكمبيوتر، بل إن التأخير يبلغ حوالي 1.2 ثانية، وهو الوقت المطلوب لجمع أدلة كافية للتأكد من أن التغير في الأرقام هو عطل حقيقي وليس مجرد ضوضاء عشوائية أو تقلب مؤقت. وهذا التأخير مقبول لنظام الصيانة التنبؤية، الذي يهدف إلى تحذير المشغلين قبل وقوع الفشل، بدلاً من الفصل الفوري للدوائر الكهربائية كما تفعل أجهزة الحماية التقليدية.

كما سلطت الدراسة الضوء على أن النظام يحتاج إلى مراقبة جميع الأطوار الثلاثة لإمداد المحرك بالكهرباء. فعندما يحدث عطل في أحد الأطوار، تظهر الأرقام في نموذج ذلك الطور تحديداً انحرافاً واضحاً، بينما تظهر الأطوار غير المتأثرة تغيرات أصغر بكثير. وهذا يعني أنه في التركيبات الواقعية، سيقوم النظام بتشغيل ثلاثة مراقبين متوازيين، واحد لكل طور، وسيقوم بتمييز الطور الذي يظهر أكبر قدر من الانحراف. ولا يتطلب هذا النهج معرفة الطور الذي قد يتعطل مسبقاً.

ويؤكد الباحثون أن طريقتهم مصممة للأنظمة المدمجة (embedded systems)، مما يعني أنها يمكن أن تعمل على المتحكمات الدقيقة الصغيرة والرخيصة الموجودة بالفعل في العديد من محركات الدفع وأجهزة الحماية الصناعية. فهي لا تتطلب قوة حوسبة هائلة مثل خوارزميات التعلم الآلي المعقدة أو التخزين الضخم للبيانات المستخدم في محاكاة "التوأم الرقمي". تتضمن العملية برمتها عمليات حسابية بسيطة يمكن تنفيذها بذاكرة قليلة جداً. وهذا يجعلها مرشحاً عملياً لتحديث الآلات القديمة، مما يسمح بمراقبة المحركات القديمة بتشخيصات ذكية حديثة دون الحاجة لاستبدال الأجهزة.

وعلى الرغم من أن الاختبارات أجريت على محرك واحد في بيئة مخبرية محكومة، إلا أن النتائج تقدم مساراً واعداً للموثوقية الصناعية. وتوضح الدراسة أن النموذج البسيط والقابل للتفسير، عندما يقترن بالتكيف الذكي مع الظروف المتغيرة، يمكنه التفوق على الأساليب الأكثر تعقيداً في المهمة المحددة المتمثلة في الفصل بين الأعطال المبكرة وتغيرات التشغيل الطبيعية. وتشير الدراسة إلى أن مستقبل مراقبة المحركات قد لا يكمن في الذكاء الاصطناعي المتزايد التعقيد، بل في صقل الأدوات البسيطة القائمة على الفيزياء والتي تتسم بالمتانة والسرعة وسهولة التنفيذ في العالم الحقيقي. ويخطط الباحثون للتحقق من صحة نهجهم على محركات تعمل بمحركات متغيرة السرعة وتحت نطاق أوسع من ظروف الأعطال، لكن النتائج الأولية توفر أساساً قوياً لاستراتيجية منخفضة التكلفة للحفاظ على تشغيل المعدات الصناعية بأمان.