機械学習アプローチを使用した誘導電動機の単相故障検出

誘導電動機（IM）は、非同期型のAC電動機であり、産業分野における運用プロセスにおいて重要な役割を果たします。これは、誤りなく高度に操作される必要があります。本研究では、誘導電動機で一般的に観察される単相故障の発生を調査し、機械学習（ML）ツールを使用して検出および分類します。この研究は、健康な状態、5%故障、10%故障の三つの運用モードに基づいた機械の状態を扱います。MLツールの実装のためのデータセットを生成する際には、IMの健康な状況のためにシンプルなd軸およびq軸変換が考慮されます。しかし、故障しているIMのモデリングには、故障データセットを蓄積するためのフェーズから二相システムへの変換を行うPark変換が適用されます。IMの電気的特徴には、MLモデルのトレーニングのために健康および故障データセットを生成する際に考慮されます。これにより、IMの運用モードを検出および分類できるようにします。平均と標準偏差という2つの一般的な統計的特徴が選ばれ、動力モーターの運転条件を検出し特定する際のMLモデルの性能を測定します。いくつかのMLモデルが、故障を特定し診断する手順の堅牢性をテストするための機械のモデルに適用され、ランダムフォレストアルゴリズムが99.9%の精度で最良の性能を示します。