Information and measurement system for diagnostic parameters of electric motors under conditions of destabilizing factors
DOI:
https://doi.org/10.18372/2073-4751.77.18657Keywords:
measurement, measurement system, neural network, destabilizing factors, torque, electric motor, noisy signalAbstract
The article is devoted to the development of an information and measurement system for detecting anomalies in the operation of electric motors, which integrates the methods of measuring the rotational moment and shaft speed. The main focus of the work is on the use of a neural network of the Autoencoder type, which is used to identify anomalous signals in noise conditions and under different loads on the electric motor shaft.
Experimental studies using this approach are presented, demonstrating its ability to detect deviations caused by sudden changes in load, as well as to identify anomalies in different modes of electric motor operation. Such a system contributes to increasing the reliability of electric motors and opens the way to optimizing the processes of their operation.
The methodology of measuring the torque, which was used when obtaining the characteristics at the time of acceleration of the electric motor, is presented.
The research results can be used to develop diagnostic equipment for electric motors.
References
Basseville M., Benveniste A., Moustakides G. Detection and Diagnosis of Abrupt Changes in Modal Characteristics of Nonstationary Digital Signals. IEEE Transactions on Information Theory. 1986. Vol. 32. P. 412–417. DOI: 10.1109/TIT.1986.1057180.
Авраменко В. В., Шелехов І. В., Зарецький М. О. Швидке розпізнавання опорного сигналу під час його спорювання нелінійними об'єктами з експоненціальною статичною характеристикою. Радіоелектроніка, інформатика, управління. 2017. Вип. 1. С. 50–55. DOI: 10.15588/1607-3274-2017-1-6.
Авраменко В. В. Характеристики непропорційності та їх застосування при вирішенні задач діагностики. Вестник СумГУ. 2000. № 16. С. 27–32.
Ronny Francis Ribeiro Junior et al. Fault detection and diagnosis in electric motors using 1d convolutional neural networks with multi-channel vibration signals. Measurement. 2022. Vol. 190. 110759. DOI: 10.1016/j.measurement.2022.110759.
Jose Ignacio Aizpurua et al. Integrated machine learning and probabilistic degradation approach for vessel electric motor prognostics. Ocean Engineering. 2023. Vol. 275. 114153. DOI: 10.1016/j.oceaneng. 2023.114153.
Спосіб вимірювання обертального моменту електродвигуна з використанням штучних нейронних мереж : пат. 155313 Україна : G01L 5/00. № u 2023 03538 ; заявл. 21.07.2023 ; опубл. 14.02.2024, Бюл. № 7. 5 с.
Інтелектуальний вимірювальний пристрій для визначення обертального моменту, частоти обертання, прискорення, напруги та струму електродвигуна : пат. 155312 Україна : G01B 7/004 (2006.01). № u 2023 03537 ; заявл. 21.07.2023 ; опубл. 14.02.2024, Бюл. № 7. 5 с.
Shuang Gao et al. Unsupervised fault diagnosis framework for underwater thruster system using estimated torques and multi-head convolutional autoencoder. Mechanical Systems and Signal Processing. 2023. Vol. 205. 110814. DOI: 10.1016/j.ymssp.2023.11081.
Kaggle. Data Science. URL: https://www.kaggle.com/ (date of access: 29.03.24).
Downloads
Published
Issue
Section
License
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).