Мониторинг и диагностика электромеханических систем на основе машинного обучения

Асинхронные двигатели, широко применяемые в электромеханическом оборудовании горных предприятий, подвержены отказам из-за частых пусков, перегрузок и износа, что ведет к авариям и экономическим потерям. Асинхронные двигатели являются одним из основных источников кинетической энергии в промышленности и сельском хозяйстве. Отказ двигателя приводит к остановке технологического процесса и снижению эффективности, поэтому его состояние требует регулярного контроля. Традиционные методы диагностики, основанные на анализе отдельных сигналов и классическом машинном обучении с ручным выбором признаков, недостаточно надежны в переменных условиях эксплуатации и сильно зависят от человеческого фактора. В статье предлагается подход к диагностике неисправностей асинхронных двигателей на основе глубокой остаточной сети с использованием методов анализа сигналов, глубокого и трансферного обучения, а также слияния информации. Реализованы различные стратегии ввода трехфазного тока и построена модель, способная автоматически извлекать информативные глубинные признаки из токового сигнала. Экспериментальные результаты подтверждают, что предложенная модель на основе глубокого обучения обеспечивает более высокую точность диагностики по сравнению с традиционными алгоритмами машинного обучения.