ハイブリッド機械学習法を用いたPMSM駆動システムの多故障に対する故障検出と診断

要旨　本論文では、低周波の位相電流信号を使用した永久磁石同期機（PMSM）駆動用の非侵襲的な故障検出および診断（FDD）手法を提示する。具体的には、システム故障の一般的な原因であるパワーエレクトロニクス関連のインバータ故障の検出と診断に焦点を当てている。提案されたフレームワークは、クラスの分離性を向上させるためのペアワイズ特徴融合技術を導入し、Clarke変換された電流データからコンパクトで識別的な特徴セットを抽出するための三段階の選択プロセスを採用している。診断は、ランダムフォレスト、ヒストグラムベースの勾配ブースティング、k近傍法分類器の予測を後融合戦略を通じて組み合わせるハイブリッド機械学習モデルによって行われる。提案された手法の性能は、一つの健康状態と8つの異なるインバータ故障を含む9つの運転状態を持つ公開された実験データセットで評価されている。提案された手法は、全体的な精度93.3%およびマクロF1スコア95.91%を達成した。結果は、提案されたアプローチが高周波データ取得や追加のセンサーを必要とせずに複数のインバータ故障を正確に診断できることを示しており、PMSM駆動システムの信頼性を向上させるコスト効果的なソリューションを提供していることを示している。