TY - JOUR

T1 - ДИАГНОСТИКА НЕИСПРАВНОСТИ ПОДШИПНИКА АСИНХРОННОГО ДВИГАТЕЛЯ В ЧАСТОТНО-РЕГУЛИРУЕМОМ ПРИВОДЕ НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ С ИСПОЛЬЗОВАНИЕМ МНОГОПОЛОСНЫХ ФИЛЬТРОВ

AU - Ахмед, О. Х.

AU - Метельков, Владимир Павлович

AU - Зюзев, Анатолий Михайлович

AU - Есаулкова, Дина Владимировна

PY - 2024

Y1 - 2024

N2 - В работе обсуждаются возможности обнаружения повреждения подшипника асинхронного двигателя, работающего в составе частотно-регулируемого привода, с использованием алгоритмов машинного обучения и применением многополосных фильтров в процессе обработки информации о токе статора. Обнаружение неисправности асинхронного двигателя в случае питания от инвертора сложнее, чем при питании непосредственно от сети из-за маскировки признаков неисправности высшими гармониками от инвертора в токе статора. Показана эффективность использования многополосных фильтров (в частности, фильтра Чебышева II рода) для решения задачи извлечения признаков неисправности. В работе использовался подход на основе фильтра Чебышева II рода, который имеет плоскую амплитудно-частотную характеристику в полосе пропускания, что важно для сохранения амплитуды сигнала и, по сравнению с фильтром Баттерворта, имеющим также плоскую амплитудно-частотную характеристику в полосе пропускания, имеет более быстрый спад в полосе подавления. Многополосная фильтрация использовалась на этапе извлечения признаков неисправности из сигналов тока статора с последующей передачей их в классификаторы машинного обучения. Для распознавания неисправности после использования многополосной фильтрации были применены четыре метода машинного обучения, а именно: искусственная нейронная сеть, метод K-ближайших соседей, метод опорных векторов и наивный байесовский классификатор. Все методы показали весьма высокую вероятность правильного распознавания. Наиболее высокую эффективность (более 90% вероятности правильного распознавания неисправности при различных рабочих частотах и нагрузках двигателя) показали классификаторы на основе искусственной нейронной сети и метода K-ближайших соседей.

AB - В работе обсуждаются возможности обнаружения повреждения подшипника асинхронного двигателя, работающего в составе частотно-регулируемого привода, с использованием алгоритмов машинного обучения и применением многополосных фильтров в процессе обработки информации о токе статора. Обнаружение неисправности асинхронного двигателя в случае питания от инвертора сложнее, чем при питании непосредственно от сети из-за маскировки признаков неисправности высшими гармониками от инвертора в токе статора. Показана эффективность использования многополосных фильтров (в частности, фильтра Чебышева II рода) для решения задачи извлечения признаков неисправности. В работе использовался подход на основе фильтра Чебышева II рода, который имеет плоскую амплитудно-частотную характеристику в полосе пропускания, что важно для сохранения амплитуды сигнала и, по сравнению с фильтром Баттерворта, имеющим также плоскую амплитудно-частотную характеристику в полосе пропускания, имеет более быстрый спад в полосе подавления. Многополосная фильтрация использовалась на этапе извлечения признаков неисправности из сигналов тока статора с последующей передачей их в классификаторы машинного обучения. Для распознавания неисправности после использования многополосной фильтрации были применены четыре метода машинного обучения, а именно: искусственная нейронная сеть, метод K-ближайших соседей, метод опорных векторов и наивный байесовский классификатор. Все методы показали весьма высокую вероятность правильного распознавания. Наиболее высокую эффективность (более 90% вероятности правильного распознавания неисправности при различных рабочих частотах и нагрузках двигателя) показали классификаторы на основе искусственной нейронной сети и метода K-ближайших соседей.

UR - https://www.elibrary.ru/item.asp?id=65473704

U2 - 10.18503/2311-8318-2024-1(62)-56-64

DO - 10.18503/2311-8318-2024-1(62)-56-64

M3 - Статья

SP - 56

EP - 64

JO - Электротехнические системы и комплексы

JF - Электротехнические системы и комплексы

SN - 2311-8318

IS - 1 (62)

ER -