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

Авторы: Галышев Д.В., Еремеева В.А., Ибряева О.Л., Шестаков А.Л.

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.

Ключевые слова: асинхронный двигатель, аугментация данных, неисправный роторный стержень, перестройка спектра, преобразование Гильберта, рекуррентные графики, сверточная нейронная сеть, скалограмма

Статья из Автоматизация в промышленности №4/2025

Последний вышедший номер

Читайте в номере:

Анализ соответствия человеко-машинного интерфейса автоматизированных рабочих мест персонала блочного пункта управления Ленинградской АЭС-2 современным подходам по проектированию

Многоуровневая оперативная оптимизация технологического режима установок подготовки нефти

Система мониторинга и прогнозирования скорости роста коррозионных повреждений резервуаров для хранения нефти и нефтепродуктов

Применение сетевых моделей в социальных, технических и биологических системах. I. Модели представления знаний

Адрес редакции: 117997, Москва, Профсоюзная ул., д. 65, оф. 360
Телефон: (926) 212-60-97.
E-mail: info@avtprom.ru или avtprom@ipu.ru

Сайт «Автоматизация в промышленности» предназначен для специалистов по промышленной автоматизации: главных инженеров, главных энергетиков, главных механиков, главных метрологов, инженеров служб АСУ ТП, АСУТП, КИПиА, КИП и А, отделов метрологии, отделов автоматизации, отделов главного инженера, специалистов инжиниринговых и внедренческих фирм, менеджеров фирм системных интеграторов, преподавателей вузов, научных работников, сотрудников научно-исследовательских институтов, студентов и аспирантов.

Сайт «Автоматизация в промышленности» неразрывно связан с одноименным журналом, в котором публикуются концептуальные, научно-практические и внедренческие статьи, посвященные промышленным автоматизированным системам, системам управления бизнес-процессов, программному и алгоритмическому обеспечению, техническим средствам автоматизации, вопросам сертификации, описанию промышленных стандартов, а также обзоры зарубежной прессы.

В каждом номере проводится обсуждение актуальных тем по проблемам создания и применения следующего инструментария: интегрированные АСУ, MES, АСУ П, АСУ ТП, SCADA, АСКУЭ, EAM, ТОИР, ERP, LIMS, ЛИУС, распределенные системы управления, РСУ, система управления качеством выпускаемой продукции, промышленные тренажеры, современные методы и алгоритмы управления и моделирования, коммуникационные средства, GSM–связь, РС-совместимые контроллеры, ПК, человеко-машинный интерфейс, встраиваемые системы, Web-технологии, HTML-технологии, числовое программное управление, ЧПУ, виртуальные приборы, виртуальное измерение, беспроводная связь, имитационное моделирование, Ethernet, Internet-технологии, Industry 4.0, Интернет вещей, промышленный Интернет вещей, IIoT, IoT, Четвертая промышленная революция, навигационные системы, роботы, датчики, сенсоры, диагностика клапанов, водоподготовка, экологические системы, производственная безопасность, идентификация, RFID-технологии, машинное зрение, промышленные сети, средства промышленного монтажа, корпуса и конструктивные решения, пневмоавтоматика, ПЛК, программируемые логические контроллеры, интеллектуальные датчики, сервосистемы, системы поддержки принятия решений и т.д.

Вниманию читателей предлагаются подборки по автоматизации следующих отраслей промышленности и народного хозяйства: металлургия, нефтегазовая отрасль, химическая промышленность, транспорт, сельское хозяйство, комбикормовая и перерабатывающая промышленность, автомобилестроение, энергетика, электроэнергетика, жилищно-коммунальное хозяйство, интеллектуальное здание, умный дом, непрерывное производство (рецептурное), дискретное производство, пищевая промышленность и др.