Методы диагностики неисправностей асинхронных электродвигателей. Диагностика неисправностей асинхронных электродвигателей методом спектрального анализа потребляемого тока — Производство и поставка электростанций, Бензиновые и дизельные генераторы от 1 до 100 кВт. Мини ТЭЦ на базе двигателя Стирлинга.

Какие существуют методы диагностики неисправностей асинхронных электродвигателей. Как работает метод спектрального анализа потребляемого тока. Каковы преимущества использования данного метода для обнаружения различных дефектов двигателя. Какие виды неисправностей можно выявить с помощью анализа спектра тока статора.

Содержание

Важность диагностики неисправностей асинхронных электродвигателей

Асинхронные электродвигатели широко применяются в промышленности и быту благодаря своей надежности и простоте конструкции. Однако в процессе эксплуатации могут возникать различные неисправности, которые снижают эффективность работы двигателя и могут привести к его выходу из строя. Поэтому своевременная диагностика технического состояния асинхронных двигателей имеет большое значение.

Основные задачи диагностики электродвигателей:

Раннее обнаружение зарождающихся дефектов
Предотвращение внезапных отказов оборудования
Оценка остаточного ресурса двигателя
Планирование ремонтных работ
Снижение затрат на обслуживание

Эффективная диагностика позволяет существенно повысить надежность работы электроприводов и снизить риски аварийных ситуаций на производстве.

Основные методы диагностики асинхронных электродвигателей

Существует несколько подходов к диагностике технического состояния асинхронных электродвигателей:

Вибродиагностика
Тепловизионный контроль
Анализ акустических сигналов
Измерение сопротивления изоляции
Анализ масла (для крупных двигателей)
Спектральный анализ потребляемого тока

Каждый из методов имеет свои преимущества и недостатки. Наиболее универсальным и информативным считается метод спектрального анализа потребляемого тока (MCSA — Motor Current Signature Analysis). Рассмотрим его подробнее.

Принцип работы метода спектрального анализа тока

Метод MCSA основан на анализе спектра тока, потребляемого двигателем. При возникновении различных неисправностей в двигателе появляются характерные гармонические составляющие в спектре тока статора. Анализируя амплитуды этих гармоник, можно выявить и идентифицировать конкретные виды дефектов.

Основные этапы диагностики методом MCSA:

Измерение мгновенных значений тока статора
Преобразование сигнала тока из временной области в частотную с помощью быстрого преобразования Фурье
Анализ полученного спектра и выделение характерных гармоник
Сравнение амплитуд гармоник с пороговыми значениями
Идентификация типа неисправности по набору гармоник

Для повышения точности диагностики применяются различные методы цифровой обработки сигналов и машинного обучения.

Преимущества метода спектрального анализа тока

Метод MCSA обладает рядом важных достоинств по сравнению с другими способами диагностики:

Возможность диагностики во время работы двигателя без его остановки
Отсутствие необходимости в дополнительных датчиках, кроме датчиков тока
Высокая чувствительность к электрическим и механическим неисправностям
Возможность удаленной диагностики
Низкая стоимость внедрения

Благодаря этим преимуществам метод MCSA получил широкое распространение в системах онлайн-мониторинга состояния электродвигателей.

Виды неисправностей, выявляемых методом MCSA

С помощью спектрального анализа тока статора можно обнаружить следующие виды дефектов асинхронных двигателей:

Повреждения стержней и колец ротора
Эксцентриситет воздушного зазора
Дефекты подшипников
Витковые замыкания в обмотке статора
Несимметрия питающего напряжения
Проблемы с центровкой вала

Каждому виду неисправности соответствует определенный набор характерных гармоник в спектре тока. Это позволяет не только обнаружить наличие дефекта, но и идентифицировать его тип.

Особенности диагностики повреждений стержней ротора

Повреждение стержней короткозамкнутого ротора — одна из наиболее распространенных неисправностей асинхронных двигателей. При обрыве стержней ротора в спектре тока статора появляются характерные боковые полосы вокруг основной гармоники с частотами:

f₁ = f_s ± 2sf_s

где f_s — частота питающей сети, s — скольжение ротора.

Амплитуда этих гармоник пропорциональна количеству поврежденных стержней. Это позволяет не только обнаружить наличие дефекта, но и оценить степень его развития.

Выявление эксцентриситета воздушного зазора

Эксцентриситет воздушного зазора возникает при смещении оси вращения ротора относительно оси статора. Различают статический и динамический эксцентриситет. При наличии эксцентриситета в спектре тока появляются характерные гармоники с частотами:

f_ecc = f_s ± kf_r

где f_r — частота вращения ротора, k = 1, 2, 3…

Анализ амплитуд этих гармоник позволяет выявить наличие эксцентриситета на ранней стадии и предотвратить более серьезные повреждения двигателя.

Диагностика дефектов подшипников

Подшипниковые узлы являются одним из наиболее уязвимых элементов электродвигателей. Повреждения подшипников приводят к появлению в спектре тока характерных гармоник с частотами, зависящими от геометрических параметров подшипника:

Дефект наружного кольца: f_o = 0.4N_bf_r
Дефект внутреннего кольца: f_i = 0.6N_bf_r
Дефект тел качения: f_b = 0.4N_bf_r(1 — (d/D)²)

где N_b — количество тел качения, d — диаметр тела качения, D — диаметр делительной окружности.

Анализ этих гармоник позволяет не только обнаружить дефект подшипника, но и определить его локализацию.

Метод спектрального анализа потребляемого тока для диагностики неисправностей асинхронных двигателей

Главная
Статьи
Метод спектрального анализа потребляемого тока для диагностики неисправностей асинхронных двигателей

УДК: 621.31

Басенко В. Р. студент, Казанский государственный энергетический университет, 420066, г. Казань, ул. Красносельская, д. 51

Максимов В. В. канд. техн. наук, доцент, научный руководитель, Казанский государственный энергетический университет, 420066, г. Казань, ул. Красносельская, д. 51

Ключевые слова: асинхронные двигатели, повреждения элементов, диагностика состояния, достоверность и точность выявления неисправностей, аналитическая обработка данных

О требованиях к современной системе технической диагностики асинхронных двигателей, которая должна включать в себя регулярный мониторинг технического состояния электродвигателей, поиск дефектов, повреждений, определение степени опасности дефектов и оценку остаточного ресурса оборудования.

Литература:

1. Шевчук В. А., Семенов А. С. Сравнение методов диагностики асинхронного двигателя // Международный студенческий научный вестник. — 2015. — № 3–4. — С. 419–423.

Асинхронные двигатели (АД) пользуются большим спросом среди большинства современных производственных предприятий. Это связано с тем, что АД на практике показывают свою выносливость и простоту по относительно низкой стоимости. Однако в процессе эксплуатации могут возникать повреждения элементов двигателя, что в свою очередь приводит к преждевременному выходу его из строя.

Основными источниками развития повреждений асинхронного двигателя являются:

— перегрузка или перегрев статора электродвигателя;

— межвитковое замыкание;

— повреждения подшипников;

— повреждение обмоток статора или изоляции.

Из-за данных повреждений остро встает вопрос о необходимости диагностики состояния двигателя в процессе его работы.

В производстве внезапный выход из строя двигателя может привести к непоправимым последствиям. Очень важно выявлять любой дефект на ранней стадии, исключающей риск возникновения серьезных повреждений двигателя.

Система технической диагностики должна включать в себя регулярный мониторинг технического состояния электродвигателей, поиск дефектов, повреждений, определение степени опасности дефектов и оценку остаточного ресурса оборудования. Для предприятий, осуществляющих специализированное сервисное обслуживание ремонты электродвигателей, задача проведения диагностики состояния электродвигателей не менее актуальна.

Идеальный современный способ диагностирования электродвигателей должен отвечать следующим требованиям:

— высокая достоверность и точность выявления неисправностей и повреждений электродвигателя;

— возможность обнаружения всех или значительной части электрических и механических повреждений электродвигателя и связанных с ним механических устройств;

— проведение диагностических измерений дистанционно, что актуально в тех случаях, когда доступ к оборудованию затруднен;

— низкая трудоемкость диагностических работ (измерений) и простота проведения измерений;

— возможность проведения аналитической обработки полученных результатов измерений за короткое время, с применением вычислительных и программных средств.

Для Цитирования:

Басенко В. Р., Максимов В. В., Метод спектрального анализа потребляемого тока для диагностики неисправностей асинхронных двигателей. Современные методы технической диагностики и неразрушающего контроля деталей и узлов. 2017;3.

Полная версия статьи доступна подписчикам журнала

Для Цитирования:

ФИО

Ваш e-mail

Ваш телефон

Нажимая кнопку «Получить доступ» вы даёте своё согласие обработку своих персональных данных

Ваше имя

Ваша фамилия

Ваш e-mail

Ваш телефон

Придумайте пароль

Пароль еще раз

Запомнить меня

Информируйте меня обо всех новостях и спецпредложениях по почте

На указанный Вами номер телефона был отправлен код подтверждения.

Повторно запросить код можно будет через секунд.

Код подтверждения

На указанный Вами номер телефона был отправлен код подтверждения.
Повторно запросить код можно будет через секунд.

Код подтверждения

Логин

Пароль

Ваше имя:

Ваш e-mail:

Ваш телефон:

Сообщение:

На сайте используется защита от спама reCAPTCHA и применяются Условия использования и Конфиденциальность Google

Использовать это устройство?

Одновременно использовать один аккаунт разрешено только с одного устройства.

Код подтверждения

Мы перевели вас на Русскую версию сайта

You have been redirected to the Russian version

Мы используем куки

Несправності асинхронних електродвигунів, методи їх діагностики та способи їх усунення

Асинхронні електродвигуни змінного струму являють собою досить просту і надійну конструкцію, завдяки цьому отримали широке поширення як на великих виробництвах, так і в побуті. Способи діагностики і усунення несправностей в чому залежать від типу і технічних характеристик агрегату.

В залежності від кількості фаз електродвигуни можуть бути однофазними і двухфазными, вони найчастіше використовуються в побутовій техніці з харчуванням 220В; трифазні можна зустріти в майстернях і на виробництві. При діагностиці несправностей важливий і спосіб кріплення, він може бути фланцевим або на лапах.

Часті несправності асинхронних електродвигунів, методи їх діагностики та усунення

Перегрів обмотки стартера двигуна

Однією з найбільш поширених несправностей синхронного електродвигуна є перегрів обмотки статора. Визначити поломку досить просто — в процесі експлуатації виділяється тепло і відчувається перегрів.

Причин може бути дві, перша пов’язана з перевантаженням агрегату при запуску або безпосередньо при роботі; другу варто шукати в системі охолодження, яка в двигуні представлена вентилятором, при його несправності порушується циркуляція повітря і тепло погано виводиться. Надмірний нагрів сталевого сердечника виникає через підвищення напруги, що може привести до перегріву обмотки.

Перегрів ротора двигуна

Перегріву схильна обмотка не тільки статора, але і ротора асинхронного електродвигуна. Досить розповсюджена причина — порушення контакту або повний обрив стрижнів і короткозамкнених кілець. Єдиний можливий спосіб усунення — повна заміна і припайка стрижнів до кілець. Якщо в двигуні «біляча клітка» виготовлена з алюмінію, її повністю перезаливают.

Двигун не запускається

Обрив в обмотці ротора можна визначити і без спеціальної діагностики. При роботі несправного електродвигуна з’являються помітні коливання струму, зменшуються обертів ротора, виникає неспецифічний гул і надмірні вібрації. Якщо мова про агрегаті з короткозамкненим ротором і обриві декількох стрижнів, двигун просто не запуститься.

Підвищений рівень шуму

За появу неспецифічного підвищеного рівня шуму у відповіді дві групи причин:

механічна;
електромагнітна.

Причини електромагнітного типу — це перевертання однієї фази і слабка пресування стали сердечника. В останньому випадку сталеві листи сердечника сильно вібрують і провокують появу корозії металу, що призводить до руйнування ізоляції, а в подальшому до замикання і перегріву.

Найбільш поширена механічна причина появи шуму — криволінійні канали, по яких подається в двигун повітря. Дуже добре ця несправність помітна в електродвигунах, що мають частоту обертання 1500 і 3000 об/хв.

Усунення вентиляційного шуму відбувається простою маніпуляцією по зміні конфігурації щитів і лопатки вентилятора. Якщо окремі частини асинхронного електродвигуна починають резонувати з частотою обертання ротора, виникає додатковий шум. Єдиний спосіб вирішення проблеми — приварювання ребер жорсткості.

Іскріння

Іскріння контактних кілець і щіток пов’язано з кількома причинами, найбільш поширені: збільшення тертя щіток, перерезка по струму, поява бруду, некоректно підібрана марка щіток, роторні вібрації.

Електродвигун не обертається, не видає звуків запуску починає роботу

Якщо електродвигун не обертається, не видає звуків запуску починає роботу, необхідно діагностувати магнітний пускач, фази напруги, обмотку статора. Способи усунення зводяться до перевірки напруги живлять проводів; при обриві проводиться заміна обмотки статора цілком.

Двигун не відключається

У випадку, якщо двигун не відключається, несправність найчастіше криється в магнітному пускачі або механізмі аналогічної дії. Для діагностики проводять вимірювання напруги живильних проводів.

Двигун не працює, незважаючи на наявність номінального напруги і однакового струму в 3 фазах статора

Якщо двигун не працює, незважаючи на наявність номінального напруги і однакового струму в 3 фазах статора, причину варто шукати в обриві фаз реостат, надмірному зносі вкладишів підшипників або усунення їх щитів. Для усунення неполадки місце обриву визначають мегомметром. Не складе праці і заміна підшипників.

Сильний нагрів обмотки стартера

Витковое замикання проявляється сильним нагріванням обмотки статора, стороннім шумом при роботі агрегату і неоднаковим струмом на фазах. Діагностувати несправність можна фізичним обмацуванням після завершення роботи двигуна. Для усунення поломки досить перемотати частину обмотки, яка була пошкоджена.

Двигун перегрівається, не досягає необхідної частоти обертання, стук

У разі, коли асинхронний двигун не досягає необхідної частоти обертання і його робота супроводжується сильним перегрівом, необхідно ліквідувати перевантаження агрегату, а також замінити підшипники. Про необхідність заміни говорить і стукіт, що виникає в процесі роботи.

Підвищення вібрації двигуна

Підвищена вібрація може бути результатом відразу декількох несправностей електродвигуна. Без діагностики можливо визначити порушення балансування ротора, некоректну центрування валів двигуна і перекіс муфт з’єднання. Дані несправності не вимагають серйозного ремонту і легко ліквідуються додаткової балансуванням окремих частин агрегату.

Нестійка робота двигуна

Якщо робота мотора непостійна, ймовірна причина — нестійке з’єднання силових контактів пускача. Вирішити проблему можна заміною деталі агрегату і чищенням контактних пластин.

Вибір способу усунення неполадки загальнопромислового двигуна проводиться після діагностування, для деяких поломок достатньо візуального огляду, інші вимагають використання спеціального обладнання, наприклад, статичного тестера обмоток, телевізора, шумоміра.

Наш інтернет-магазин в Україні пропонує широкий вибір асинхронних електродвигунів АЇР від виробника, ви можете купити оригінальні моделі з потрібною частотою обертання 1000, 1500 і 3000 об/хв. Вся продукція супроводжується сертифікатами та необхідними документами.

Диагностика неисправностей электродвигателей на основе глубокого обучения

Электродвигатели широко используются во многих отраслях промышленности, и их выход из строя может привести не только к повреждению машины, но и к множеству других проблем, таких как финансовые потери, травмы и т. д. В качестве В результате появляется значительный простор для использования надежной технологии диагностики неисправностей. В последние годы были задокументированы интересные результаты исследований по диагностике неисправностей электродвигателей. Глубокое обучение при обнаружении неисправностей электрического оборудования показало сравнительно лучшие результаты, чем традиционные подходы, благодаря более мощным и сложным возможностям извлечения признаков.

1. Введение

Асинхронный электродвигатель, возможно, является наиболее важным двигателем современной производственной деятельности и повседневной жизни, и он широко используется во многих секторах производства и обрабатывающей промышленности, а также в бытовых коммунальных услугах. Электродвигатель – это механический механизм, преобразующий электрическую энергию. Большинство электродвигателей работают за счет создания силы в виде крутящего момента, передаваемого на вал двигателя за счет взаимодействия между магнитным полем двигателя и электрическим током в проволочной обмотке. Выход из строя или остановка этой жизненно важной электрической машины не только повредит само оборудование, но также, вероятно, приведет к значительным экономическим потерям, смертельным случаям, загрязнению окружающей среды и многим другим проблемам. Поэтому исследования в области технологии диагностики неисправностей двигателей чрезвычайно важны.

Технология диагностики неисправностей позволяет обнаруживать дефекты двигателей на ранних стадиях их развития, что позволяет проводить оперативный капитальный ремонт, экономить время и деньги на устранении неисправностей и повышать экономические преимущества, избегая при этом остановок производства. Традиционные подходы к диагностике отказов требуют искусственного извлечения значительного количества характерных данных, таких как характеристики временной области, характеристики частотной области и характеристики частотно-временной области ^[1] ^[2] ^[3] , что добавляет к неопределенности и сложности диагностики неисправностей. Традиционные методы диагностики неисправностей не могут удовлетворить потребности диагностики неисправностей в контексте больших данных из-за сложной и эффективной разработки двигателей, которая представляет данные, отражающие рабочее состояние двигателей с характеристиками массивных, разнородных, быстротекущих. скорость и низкая плотность значений «больших данных» ^[4] ^[5] ^[6] . В то же время развитие технологии искусственного интеллекта способствует эволюции технологии диагностики неисправностей от традиционной к интеллектуальной ^[7] . Искусственные нейронные сети (ИНС) были впервые представлены в 1980-х годах. Неглубокие нейронные сети могут обучаться функциям адаптируемым образом без создания точных математических моделей ^[8] , что устраняет неопределенность и сложность, связанные с участием человека. Однако у традиционных неглубоких нейронных сетей есть недостатки, в том числе проблемы с исчезновением градиента, переобучение, локальные минимумы и требование обширной априорной информации, которые снижают эффективность диагностики неисправностей ^[9] .

В 2006 г. Hinton et al. ^[10] разработал концепцию глубокого обучения (DL) и продемонстрировал, что характеристики данных, сгенерированные глубокой многослойной сетевой структурой, могут более точно представлять исходные данные, и что этот подход может эффективно минимизировать сложность обучения глубоких нейронных сетей. Это привело к всплеску исследований, связанных с глубоким обучением, как в академических кругах, так и в промышленности. В 2007 г. Бенжио и соавт. ^[11] предложил использовать неконтролируемое жадное послойное обучение для обучения глубоких нейронных сетей, чтобы оптимизировать структуру параметров глубоких сетей, чтобы улучшить способность модели к обобщению. Бенжио и др. ^[12] предложили использовать метод обратного распространения ошибки для лучшего улучшения параметров структуры глубокой сети. Использование этого подхода значительно увеличивает производительность модели.

Глубокое обучение быстро развивалось в академическом и промышленном секторах с момента его появления. Многие классические задачи распознавания значительно улучшили показатели распознавания благодаря глубокому обучению. Способность глубокого обучения выполнять сложные задачи распознавания вызвала интерес у многих ученых, которые стремятся больше узнать о его использовании и теориях 9. 0009 [13] . В результате теория глубокого обучения широко используется для решения проблем в различных дисциплинах. В то же время постоянно предлагаются и реализуются различные и лучшие алгоритмы глубокого обучения. Глубокое обучение было разработано только за последние десять лет, с достижениями в области изображений ^[14], речи ^[4] и распознавания лиц ^[15], среди достижений в других дисциплинах. Исследования, основанные на глубоком обучении, также идут полным ходом в области диагностики двигательных дефектов. Учитывая, что глубокое обучение предоставляет новые концепции и методологии диагностики двигательных неисправностей, в литературе методично излагается теория глубокого обучения и ее использование в исследованиях диагностики двигательных неисправностей.

2. Применение глубокого обучения в диагностике неисправностей электродвигателя

Неисправности подшипников, неисправности статора, неисправности ротора и неисправности эксцентриситета воздушного зазора — все это распространенные дефекты двигателей, причем отказы подшипников имеют наибольшую вероятность, а подшипники качения подвержены неисправностям редуктора. .

Подходы к обработке сигналов в сочетании с алгоритмами классификации (такими как машины опорных векторов, деревья решений, K ближайших соседей и т. д.) часто используются в классическом обнаружении неисправностей для категоризации и идентификации дефектов. Метод обработки сигналов является одним из них и использует несколько подходов в зависимости от типа неисправности. Например, когда подшипник двигателя выходит из строя, часто используются сигналы вибрации или сигналы тока статора, а частотно-временной анализ, статистический анализ, вейвлет-разложение и другие методы используются для извлечения признаков из сигнала, когда ротор двигателя выходит из строя, в то время как частотно-временной анализ, статистический анализ, вейвлет-разложение и другие методы используются для извлечения признаков из сигнала. Наиболее часто используется метод определения тока статора. Характеристики сигнала тока статора извлекаются с использованием преобразования Фурье или преобразования Гильберта, поскольку сигнал тока статора легко собрать. Когда статор двигателя ломается, обычно применяется математическая модель или определение неисправности двигателя. Дефект диагностируется с использованием подхода обнаружения сигналов тока и напряжения. При использовании метода обнаружения сигнала по-прежнему требуются вычисления для извлечения признаков; однако, когда двигатель имеет эксцентрический дефект воздушного зазора, для диагностики неисправности часто используется метод анализа токовых сигналов.

Выбор и извлечение искусственных признаков всегда необходимы для обычно используемых традиционных методов диагностики неисправности двигателя, что повышает неопределенность диагностики неисправности двигателя и влияет на точность диагностики неисправности двигателя. Модель глубокого обучения может извлекать признаки из исходного сигнала адаптивным образом, тем самым избегая воздействия искусственного выделения признаков.

2.1. Приложение Deep Belief Network (DBN)

Рисунок 1 изображает структуру диагностики неисправностей, основанную на существующем методе диагностики неисправностей двигателя на основе DBN, который состоит в основном из следующих шагов:

Рисунок 1. Структура диагностики неисправностей DBN.

Gale Apps — Технические трудности

Приложение, к которому вы пытаетесь получить доступ, в настоящее время недоступно. Приносим свои извинения за доставленные неудобства. Повторите попытку через несколько секунд.

Если проблемы с доступом сохраняются, обратитесь за помощью в наш отдел технической поддержки по телефону 1-800-877-4253. Еще раз спасибо, что выбрали Gale, обучающую компанию Cengage.

org.springframework.remoting.RemoteAccessException: невозможно получить доступ к удаленной службе [authorizationService@theBLISAuthorizationService]; вложенным исключением является com.zeroc.Ice.UnknownException unknown = «java.lang.IndexOutOfBoundsException: индекс 0 выходит за границы для длины 0 в java.base/jdk.internal.util.Preconditions.outOfBounds(Preconditions.java:64) в java.base/jdk.internal.util.Preconditions.outOfBoundsCheckIndex(Preconditions.java:70) в java. base/jdk.internal.util.Preconditions.checkIndex(Preconditions.java:266) в java.base/java.util.Objects.checkIndex(Objects.java:359) в java.base/java.util.ArrayList.get(ArrayList.java:427) в com.gale.blis.data.subscription.dao.LazyUserSessionDataLoaderStoredProcedure.populateSessionProperties(LazyUserSessionDataLoaderStoredProcedure.java:60) в com.gale.blis.data.subscription.dao.LazyUserSessionDataLoaderStoredProcedure.reQuery(LazyUserSessionDataLoaderStoredProcedure.java:53) в com.gale.blis.data.model.session.UserGroupEntitlementsManager.reinitializeUserGroupEntitlements(UserGroupEntitlementsManager.java:30) в com.gale.blis.data.model.session.UserGroupSessionManager.getUserGroupEntitlements(UserGroupSessionManager.java:17) в com.gale.blis.api.authorize.contentmodulefetchers.CrossSearchProductContentModuleFetcher.getProductSubscriptionCriteria(CrossSearchProductContentModuleFetcher.java:246) на com. gale.blis.api.authorize.contentmodulefetchers.CrossSearchProductContentModuleFetcher.getSubscribedCrossSearchProductsForUser(CrossSearchProductContentModuleFetcher.java:70) на com.gale.blis.api.authorize.contentmodulefetchers.CrossSearchProductContentModuleFetcher.getAvailableContentModulesForProduct(CrossSearchProductContentModuleFetcher.java:51) на com.gale.blis.api.authorize.strategy.productentry.strategy.AbstractProductEntryAuthorizer.getContentModules(AbstractProductEntryAuthorizer.java:130) на com.gale.blis.api.authorize.strategy.productentry.strategy.CrossSearchProductEntryAuthorizer.isAuthorized(CrossSearchProductEntryAuthorizer.java:83) на com.gale.blis.api.authorize.strategy.productentry.strategy.CrossSearchProductEntryAuthorizer.authorizeProductEntry(CrossSearchProductEntryAuthorizer.java:45) на com.gale.blis.api.authorize.strategy.ProductEntryAuthorizer.authorize(ProductEntryAuthorizer.java:31) в com. gale.blis.api.BLISAuthorizationServiceImpl.authorize_aroundBody0(BLISAuthorizationServiceImpl.java:57) на com.gale.blis.api.BLISAuthorizationServiceImpl.authorize_aroundBody1$advice(BLISAuthorizationServiceImpl.java:61) на com.gale.blis.api.BLISAuthorizationServiceImpl.authorize(BLISAuthorizationServiceImpl.java:1) в com.gale.blis.auth.AuthorizationService._iceD_authorize(AuthorizationService.java:97) в com.gale.blis.auth.AuthorizationService._iceDispatch(AuthorizationService.java:406) в com.zeroc.IceInternal.Incoming.invoke(Incoming.java:221) в com.zeroc.Ice.ConnectionI.invokeAll(ConnectionI.java:2706) на com.zeroc.Ice.ConnectionI.dispatch(ConnectionI.java:1292) в com.zeroc.Ice.ConnectionI.message(ConnectionI.java:1203) в com.zeroc.IceInternal.ThreadPool.run(ThreadPool.java:412) в com.zeroc.IceInternal.ThreadPool.access$500(ThreadPool.java:7) в com. zeroc.IceInternal.ThreadPool$EventHandlerThread.run(ThreadPool.java:781) на java.base/java.lang.Thread.run(Thread.java:833) » org.springframework.remoting.ice.IceClientInterceptor.convertIceAccessException(IceClientInterceptor.java:348) org.springframework.remoting.ice.IceClientInterceptor.invoke(IceClientInterceptor.java:310) org.springframework.remoting.ice.MonitoringIceProxyFactoryBean.invoke(MonitoringIceProxyFactoryBean.java:71) org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:186) org. springframework.aop.framework.JdkDynamicAopProxy.invoke(JdkDynamicAopProxy.java:215) com.sun.proxy.$Proxy156.authorize(Неизвестный источник) com.gale.auth.service.BlisService.getAuthorizationResponse(BlisService.java:61) com.gale.apps.service.impl.MetadataResolverService.resolveMetadata(MetadataResolverService.java:65) com.gale.apps.controllers.DiscoveryController.resolveDocument(DiscoveryController.java:57) com.gale.apps.controllers.DocumentController.redirectToDocument(DocumentController.java:24) com. gale.apps.controllers.DocumentController$$FastClassBySpringCGLIB$$7de825c.invoke(<сгенерировано>) org.springframework.cglib.proxy.MethodProxy.invoke(MethodProxy.java:218) org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.invokeJoinpoint(CglibAopProxy.java:783) org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:163) org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.proceed(CglibAopProxy.java:753) org.springframework.aop.framework.adapter.MethodBeforeAdviceInterceptor.invoke(MethodBeforeAdviceInterceptor. java:58) org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:175) org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.proceed(CglibAopProxy.java:753) org.springframework.aop.interceptor.ExposeInvocationInterceptor.invoke(ExposeInvocationInterceptor.java:97) org.springframework.aop.framework.ReflectiveMethodInvocation.proceed(ReflectiveMethodInvocation.java:186) org.springframework.aop.framework.CglibAopProxy$CglibMethodInvocation.proceed(CglibAopProxy.java:753) org. springframework.aop.framework.CglibAopProxy$DynamicAdvisedInterceptor.intercept(CglibAopProxy.java:698) com.gale.apps.controllers.DocumentController$$EnhancerBySpringCGLIB$$b99aca1f.redirectToDocument(<сгенерированный>) jdk.internal.reflect.GeneratedMethodAccessor440.invoke (неизвестный источник) java.base/jdk.internal.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) java.base/java.lang.reflect.Method.invoke(Method.java:566) org.springframework.web.method.support.InvocableHandlerMethod.doInvoke(InvocableHandlerMethod.java:205) org. springframework.web.method.support.InvocableHandlerMethod.invokeForRequest(InvocableHandlerMethod.java:150) org.springframework.web.servlet.mvc.method.annotation.ServletInvocableHandlerMethod.invokeAndHandle(ServletInvocableHandlerMethod.java:117) org.springframework.web.servlet.mvc.method.annotation.RequestMappingHandlerAdapter.invokeHandlerMethod (RequestMappingHandlerAdapter.java:895) org.springframework.web.servlet.mvc.method.annotation.RequestMappingHandlerAdapter.handleInternal (RequestMappingHandlerAdapter.java:808) org.springframework.web.servlet.mvc.method.AbstractHandlerMethodAdapter.handle(AbstractHandlerMethodAdapter.java:87) org. springframework.web.servlet.DispatcherServlet.doDispatch(DispatcherServlet.java:1067) org.springframework.web.servlet.DispatcherServlet.doService(DispatcherServlet.java:963) org.springframework.web.servlet.FrameworkServlet.processRequest(FrameworkServlet.java:1006) org.springframework.web.servlet.FrameworkServlet.doGet(FrameworkServlet.java:898) javax.servlet.http.HttpServlet.service(HttpServlet.java:626) org.springframework.web.servlet.FrameworkServlet.service(FrameworkServlet.java:883) javax. servlet.http.HttpServlet.service(HttpServlet.java:733) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:227) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org.apache.tomcat.websocket.server.WsFilter.doFilter(WsFilter.java:53) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org. apache.catalina.filters.HttpHeaderSecurityFilter.doFilter(HttpHeaderSecurityFilter.java:126) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org.springframework.web.servlet.resource.ResourceUrlEncodingFilter.doFilter(ResourceUrlEncodingFilter.java:67) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org. springframework.web.filter.RequestContextFilter.doFilterInternal (RequestContextFilter.java:100) org.springframework.web.filter.OncePerRequestFilter.doFilter(OncePerRequestFilter.java:117) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org.springframework.web.filter.OncePerRequestFilter.doFilter(OncePerRequestFilter.java:102) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org. apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) com.gale.common.http.filter.SecurityHeaderFilter.doFilterInternal(SecurityHeaderFilter.java:29) org.springframework.web.filter.OncePerRequestFilter.doFilter(OncePerRequestFilter.java:117) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org.springframework.web.filter.OncePerRequestFilter.doFilter(OncePerRequestFilter.java:102) org. apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org.owasp.validation.GaleParameterValidationFilter.doFilterInternal(GaleParameterValidationFilter.java:97) org.springframework.web.filter.OncePerRequestFilter.doFilter(OncePerRequestFilter.java:117) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org. springframework.boot.web.servlet.support.ErrorPageFilter.doFilter(ErrorPageFilter.java:126) org.springframework.boot.web.servlet.support.ErrorPageFilter.access$000(ErrorPageFilter.java:64) org.springframework.boot.web.servlet.support.ErrorPageFilter$1.doFilterInternal(ErrorPageFilter.java:101) org.springframework.web.filter.OncePerRequestFilter.doFilter(OncePerRequestFilter.java:117) org.springframework.boot.web.servlet.support.ErrorPageFilter.doFilter(ErrorPageFilter.java:119) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org. apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org.springframework.web.filter.FormContentFilter.doFilterInternal (FormContentFilter.java:93) org.springframework.web.filter.OncePerRequestFilter.doFilter(OncePerRequestFilter.java:117) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org.springframework.boot.actuate.metrics.web.servlet.WebMvcMetricsFilter.doFilterInternal (WebMvcMetricsFilter.java:96) org. springframework.web.filter.OncePerRequestFilter.doFilter(OncePerRequestFilter.java:117) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org.springframework.web.filter.CharacterEncodingFilter.doFilterInternal (CharacterEncodingFilter.java:201) org.springframework.web.filter.OncePerRequestFilter.doFilter(OncePerRequestFilter.java:117) org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:189) org. apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:162) org.apache.catalina.core.StandardWrapperValve.invoke(StandardWrapperValve.java:202) org.apache.catalina.core.StandardContextValve.invoke(StandardContextValve.java:97) org.apache.catalina.authenticator.AuthenticatorBase.invoke(AuthenticatorBase.java:542) org.apache.catalina.core.StandardHostValve.invoke(StandardHostValve.java:143) org.apache.catalina.valves.ErrorReportValve.invoke(ErrorReportValve.java:92) org. apache.catalina.valves.AbstractAccessLogValve.invoke(AbstractAccessLogValve.java:687) org.apache.catalina.core.StandardEngineValve.invoke(StandardEngineValve.java:78) org.apache.catalina.connector.CoyoteAdapter.service(CoyoteAdapter.java:357) org.apache.coyote.http11.Http11Processor.service(Http11Processor.java:374) org.apache.coyote.AbstractProcessorLight.process(AbstractProcessorLight.java:65) org.apache.coyote.AbstractProtocol$ConnectionHandler.process(AbstractProtocol.java:893) org.