Depending on the amount of data to process, file generation may take longer.

If it takes too long to generate, you can limit the data by, for example, reducing the range of years.

Dissertation

Download BibTeX

Title

Metody uczenia maszynowego w diagnostyce uzwojenia stojana silnika indukcyjnego z wykorzystaniem polowego modelu zjawisk elektromagnetycznych

Authors

[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] employee

Promoter

[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] employee

Supporting promoter

[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] employee

Reviewers

Title variant

EN Machine learning methods in the diagnostics of induction motor stator windings using a field model of electromagnetic phenomena

Language

polish

Keywords
PL
  • silnik indukcyjny
  • diagnostyka uzwojenia stojana
  • zwarci międzyzwojowe
  • polowo-obwodowy model
  • konwolucyjne sieci neuronowe
EN
  • induction motor
  • stator winding diagnostics
  • interturn short circuits
  • field-circuit model
  • convolutional neural networks
Abstract

PL W rozprawie zbadano możliwość zastosowanie uczenia maszynowego i polowego modelu zjawisk elektromagnetycznych w diagnostyce uzwojenia stojana maszyn indukcyjnych. Celem badań jest poprawa niezawodności pracy trójfazowych silników indukcyjnych poprzez wdrożenie modelu polowego i konwolucyjnej sieci neuronowej do procesu diagnostycznego. Autor w rozprawie analizuje metody diagnostyczne, przetwarzanie sygnału i matematyczne modele silników indukcyjnych, uwzględniając uszkodzenia uzwojeń obwodu stojana. W pracy opracowano i zweryfikowano polowo-obwodowe modele trójfazowych silników indukcyjnych, analizując przebiegi prądów fazowych przy zwarciach międzyzwojowych. Utworzono bazy danych wejściowych dla głębokich modeli sztucznych sieci neuronowych oraz przeprowadzono eksperymentalną weryfikację wyników. Omówiono metody uczenia maszynowego, w tym konwolucyjne sieci neuronowe, opracowano oprogramowanie do ich tworzenia, analizy, wizualizacji, treningu i strojenia hiperparametrów.

EN In the doctoral dissertation, the possibility of applying machine learning and a field model of electromagnetic phenomena in the diagnostics of the stator winding of induction machines is examined. The aim of the research is to improve the reliability of induction motors by implementing a field model and a convolutional neural network into the diagnostic process. The author analyzes diagnostic methods, signal processing, and mathematical models of induction motors, taking into account stator winding circuit faults. The study developed and verified field-circuit models of three-phase induction motors by analyzing phase current waveforms during inter-turn short circuits. Input databases for deep artificial neural network models were created, and experimental verification of results was conducted. Machine learning methods, including convolutional neural networks, were discussed, and software for their creation, analysis, visualization, training, and hyperparameter tuning was developed.

Number of pages

190

Scientific discipline (Law 2.0)

automation, electronics, electrical engineering and space technologies

Signature of printed version

DrOIN 2381

On-line catalog

to2024233121

Full text of dissertation

Download file

Access level to full text

public

First review

Mariusz Jagieła

Place

Opole, Polska

Date

23.08.2024

Language

polish

Review text

Download file

Access level to review text

public

Second review

Maciej Sułowicz

Place

Kraków, Polska

Date

25.08.2024

Language

polish

Review text

Download file

Access level to review text

public

Dissertation status

dissertation

Place of defense

Poznań, Polska

Date of defense

12.11.2024

Unit granting title

Rada Dyscypliny Automatyka, Elektronika, Elektrotechnika i Technologie Kosmiczne Politechniki Poznańskiej

Obtained title

doktor nauk inżynieryjno-technicznych w dyscyplinie: automatyka, elektronika, elektrotechnika i technologie kosmiczne

This website uses cookies to remember the authenticated session of the user. For more information, read about Cookies and Privacy Policy.