डीप ऑटोएन्कोडर्स का उपयोग करके बिना पर्यवेक्षण वाले विद्युत मोटर दोष पहचान

विद्युत मोटर्स का दोष निदान उत्पादन लाइन परीक्षण के लिए एक मौलिक कार्य है, और इसे आमतौर पर अनुभवी मानव ऑपरेटरों द्वारा किया जाता है। हाल के वर्षों में, स्वचालित रूप से दोषों का पता लगाने के लिए कई विधियाँ साहित्य में प्रस्तावित की गई हैं। इस कार्य के लिए डीप न्यूरल नेटवर्क्स का सफलतापूर्वक उपयोग किया गया है, लेकिन लेखकों के ज्ञान के अनुसार, इन्हें कभी भी बिना पर्यवेक्षण वाले परिदृश्य में नहीं प्रयोग किया गया है। यह पत्र बिना पर्यवेक्षण वाले तरीके का प्रस्ताव रखता है जो डीप ऑटोएन्कोडर्स पर आधारित नवीनता पहचान दृष्टिकोण का उपयोग करके विद्युत मोटर्स के दोषों का निदान करता है। प्रस्तावित विधि में, वाइब्रेशन सिग्नल्स को एक्सीलरोमीटर का उपयोग करके प्राप्त किया जाता है और विशेषताओं के रूप में लॉगमेल गुणांक निकालने के लिए प्रोसेस किया जाता है। ऑटोएन्कोडर्स को केवल सामान्य डेटा का उपयोग करके प्रशिक्षित किया जाता है, अर्थात्, डेटा जो दोष शामिल नहीं करते। तीन अलग-अलग ऑटोएन्कोडर आर्किटेक्चर का मूल्यांकन किया गया है: मल्टीलेयर परसेप्ट्रॉन (MLP) ऑटोएन्कोडर, संयोजनात्मक न्यूरल नेटवर्क ऑटोएन्कोडर, और लंबे छोटे समय की मेमोरी (LSTM) इकाइयों से मिलकर बना पुनरावर्ती ऑटोएन्कोडर। प्रयोगों का संचालन लेखकों द्वारा निर्मित डेटासेट का उपयोग करके किया गया है, और प्रस्तावित दृष्टिकोणों की तुलना एक-श्रेणी समर्थन वेक्टर मशीन (OC-SVM) एल्गोरिदम से की गई है। प्रदर्शन को रिसीवर ऑपरेटिंग कैरक्टरिस्टिक कर्व के नीचे के क्षेत्र (AUC) के संदर्भ में मूल्यांकित किया गया है, और परिणाम दिखाते हैं कि सभी ऑटोएन्कोडर-आधारित दृष्टिकोण OC-SVM एल्गोरिदम से बेहतर हैं। इसके अलावा, MLP ऑटोएन्कोडर सबसे अच्छा प्रदर्शन करने वाला आर्किटेक्चर है, जो 99.11% के बराबर AUC हासिल करता है।