Оценка состояния асинхронного двигателя по сигналам тока в условиях ограниченного набора данных с использованием рекуррентных изображений

Рассматривается задача диагностики обрыва стержней ротора в асинхронном двигателе на основе сигналов тока в условиях ограниченного набора данных. Существующая методика обнаружения неисправности основана на фильтрации тока в области седьмой гармоники частоты питающего напряжения, и последующем получении огибающей, по которой строятся скалограммы. В данной работе вместо скалограмм предлагается использование вычислительно эффективных рекуррентных графиков. Также в работе представлено моделирование нехватки дефектных данных, что характерно для реальных промышленных условий. Показано, что модель сверточной нейронной сети CNN, обученная на нормальных данных, полученных при разных режимах работы двигателя, и дефектных данных, полученных при одном рабочем режиме, плохо выявляет дефект в случае изменения рабочего режима. Причина этого заключается в изменении характерных дефектных частот в зависимости от режима работы. Для решения этой проблемы предлагается метод аугментации данных на основе перестройки спектра. Мы перестраиваем спектр реального дефектного сигнала с учетом его структуры и создаем синтетические данные, имитирующие отсутствующие дефектные сигналы для других условий работы. Экспериментальная проверка показала, что метод аугментации данных на основе перестройки спектров значительно улучшает производительность модели CNN при недостаточном объеме дефектных обучающих данных.