Ученые Пермского национального исследовательского политехнического университета (ПНИПУ) разработали систему диагностики электропривода в двигателях на основе машинного обучения. Разработка позволяет делать заключение о состоянии двигателя без непосредственного участия человека, сообщили ТАСС в пресс-службе вуза.
"Цель диагностической системы - определить, исправен двигатель или поврежден, поэтому общий принцип идентификации <...> сводится к классификации для каждого типа неисправности. Таким образом, проблема сводится к поиску алгоритмов, обеспечивающих классификацию с приемлемой точностью", - рассказал инженер кафедры "Микропроцессорные средства автоматизации" ПНИПУ Савелий Сальников.
По словам исследователя, чтобы обучить систему определять неисправности, могут быть использованы различные модели машинного обучения. Ученые сравнили некоторые из них и разработали комплексный подход, когда из нескольких моделей собирается одна, наиболее эффективная. Общая идея алгоритма - последовательное применение предсказателя таким образом, что каждая последующая модель сводит ошибку предыдущей к минимуму. В итоге ученые добились улучшения всех характеристик качества классификатора. А построенные графики, которые оценивают качество классификатора, подтвердили, что предложенный подход эффективен.
"Система измеряет токи двигателя с помощью датчиков. Полученные результаты поступают на предварительно обученную модель классификатора, которая по этим параметрам распознает неисправность. На данный момент система работает в режиме наблюдения, однако результаты диагностики могут быть использованы для планирования скорого ремонта на предприятии", - пояснил Сальников.
Как рассказали в университете, разработка применима для диагностики асинхронных двигателей электрических машин. Этот тип двигателей широко распространен в широком спектре промышленной техники, однако он подвержен износу и поломкам, связанным условиями, в которых он используется и с плохим обслуживанием. Существующие диагностические системы требуют остановки двигателя, не давая возможности проводить диагностику в динамическом режиме и требуют участия эксперта для анализа, а также могут вызывать механический износ и искажения. Разработанная же в Перми система показывает низкую стоимость и высокую надежность.
Статья с результатами работы ученых опубликована в сборнике "SCM`2023" по результатам XXVI международной конференции по мягким вычислениям и измерениям. Исследование выполнено при финансовой поддержке РФФИ и Пермского края и в рамках программы стратегического академического лидерства "Приоритет 2030".
