A predictive maintenance algorithm for bearing faults in AC brushless motors

AC brushless motors are widely applied in food production industries, motor-driven equipment often provides core capabilities essential to business success and to equipment and personnel safety. Unexpected failures can result in production downtime, costly repairs and safety fears. There are many published techniques and many commercially available instruments to carry out maintenance of AC brushless motors to ensure a high-degree uptime reliability. However, the techniques useful in the laboratory may not be desirable in the real case. Hence, the purpose of this thesis is to design a real-time algorithm that is capable to predict some specific faults that may occur in AC brushless motors used in food industry. The faults of brushless motors are analyzed, which are split into two classes: mechanical faults and electrical faults. The mechanical faults include the rolling bearing fault, shaft misalignment, broken shaft and broken key. The electrical faults consist of open phase fault, shorted turns, weakening or disintegration of magnet, high connector resistance, burnt motor phase and blown fuse. The following chapters provide descriptions of the failure modes, the root causes of each fault and the industrial maintenance activities. After a theoretical investigation and actual data analysis, some parameters are identified to monitor as symptoms. Moreover, some experiments are implemented on specific motors. The fault type is detected and the related monitoring techniques are applied to implement a predictive maintenance.

AC brushless motori sono ampiamente utilizzati nell'industria alimentare, tali apparecchiature forniscono prestazioni tali da consentire la realizzazione di macchinari complessi utili al successo aziendale, per la sicurezza degli impianti e del personale. Guasti imprevisti possono causare interruzioni della produzione, riparazioni costose e possibili impatti sulla sicurezza o al degrado qualitativo del prodotto. Al fine di assicurare un elevato grado di affidabilità, ci sono molte tecniche pubblicate e molti strumenti disponibili sul mercato per implementare il manutenzione su AC brushless motori. Le tecniche utilizzate in laboratorio hanno molta difficolta ad essere impiegate sul campo. Quindi, l'obiettivo di questo tesi è la progettazione di un algoritmo in tempo reale che è in grado di prevedere alcuni guasti che possono verificarsi in AC brushless motori utilizzati nelle industrie alimentari. I guasti dei motori brushless che analizzeremo si dividono in due classi: guasti meccanici e guasti elettrici. I guasti meccanici includono il guasto dei cuscinetti, disallineamento dell'albero, rottura dell’albero e rottura della chiavetta. I guasti elettrici considerati: interruzione delle fasi, corto circuito tra le fasi, riduzione del valore di campo magnetico o rottura del magnete, ed elevata resistenza delle connessioni elettriche, bruciatura fase del motore e fusibile bruciato. I capitoli seguenti ci forniscono le descrizioni delle modalità di guasto, le cause ultime di ogni guasto e le relative attività di manutenzione. Dopo una ricerca teorica e analisi dei dati in tempo reale di ogni guasto, un insieme di parametri sono identificati per monitorare come sintomi dei guasti. Dopo di che tale approccio è stato implementato su motori specifici reali. Il tipo di guasto sarà rilevato e le relative tecniche di monitoraggio saranno utilizzate per l’implementare di una manutenzione preventiva.