Metody uczenia maszynowego w diagnostyce uzwojenia stojana silnika indukcyjnego z wykorzystaniem polowego modelu zjawisk elektromagnetycznych
[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] pracownik
[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] pracownik
[ 1 ] Instytut Elektrotechniki i Elektroniki Przemysłowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ P ] pracownik
EN Machine learning methods in the diagnostics of induction motor stator windings using a field model of electromagnetic phenomena
polski
- silnik indukcyjny
- diagnostyka uzwojenia stojana
- zwarci międzyzwojowe
- polowo-obwodowy model
- konwolucyjne sieci neuronowe
- induction motor
- stator winding diagnostics
- interturn short circuits
- field-circuit model
- convolutional neural networks
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.
190
automatyka, elektronika, elektrotechnika i technologie kosmiczne
publiczny
Mariusz Jagieła
Opole, Polska
23.08.2024
polski
publiczny
Maciej Sułowicz
Kraków, Polska
25.08.2024
polski
publiczny
rozprawa doktorska
Poznań, Polska
12.11.2024
Rada Dyscypliny Automatyka, Elektronika, Elektrotechnika i Technologie Kosmiczne Politechniki Poznańskiej
doktor nauk inżynieryjno-technicznych w dyscyplinie: automatyka, elektronika, elektrotechnika i technologie kosmiczne