Numer: 10/2020 Str. 55
Autorzy: Abdelkader Lakrout , Mokhtar Bendjebbar , Noureddine Henini :
Tytuł: Dyskryminacja błędów w maszynie indukcyjnej na podstawie rozpoznawania wzorców i technik sieci neuronowych
Streszczenie: Praca przedstawiona w tym artykule stanowi wkład w temat monitorowania i diagnozowania uszkodzeń w trójfazowej maszynie indukcyjnej klatkowej. Proponowane podejście opiera się na metodach rozpoznawania wzorców i technikach sztucznej inteligencji. W tym celu pomiary prądów stojana są przeprowadzane na maszynie podlegającej różnym usterkom, takim jak: zwarcie w uzwojeniach stojana, pęknięcie pręta, uszkodzenie łożyska i błąd mimośrodowości. Przejęcia te są klasyfikowane w bazach danych w celu ich przetworzenia i obliczenia ich gęstości widmowej mocy (PSD). Następnie tworzona jest kolejna baza danych z cyfrowymi danymi obrazów PSD prądów związanych z rodzajem uszkodzenia. Następnie opracowano proces uczenia się i klasyfikacji przez sztuczne sieci neuronowe. Wyniki testu pokazują skuteczność, niezawodność i poprawność proponowanego podejścia do rozróżnienia wad pochodzenia elektrycznego lub mechanicznego mających wpływ na maszynę.
Słowa kluczowe: Maszyna indukcyjna, diagnoza, rozpoznawanie wzorów, sieć neuronowa, dyskryminacja.