Diagnostyka silników indukcyjnych metodami sztucznej inteligencji
Autor
Sułowicz, Maciej
Promotor
prof. zw. dr hab. inż. Tadeusz Sobczyk
Data wydania
2005
Wydawca
[s.n.]
Język
polski
Abstrakt
W rozprawie przeprowadzono badania nad zastosowaniem metod sztucznej inteligencji do diagnostyki wirników silników indukcyjnych klatkowych. Do opracowania technik diagnozowania stanu silnika przyjęto wzorce diagnostyczne mające postaci widma Fouriera prądu stojana. Wzorce uzyskano z rozwiązań obwodowego wieloharmonicznego modelu matematycznego silnika uwzględniającego ekscentryczności wirnika oraz uszkodzenia klatki. Model ten wykorzystuje metodę bilansu harmonicznych przy zapisie równań napięciowo-prądowych w składowych symetrycznych. Na jego podstawie opracowano program pozwalający badać wpływ wymienionych uszkodzeń wirnika na widmo Fouriera prądów faz stojana w dowolnym silniku indukcyjnym. W rozprawie przedstawiono oryginalną koncepcję systemu wnioskowania z zastosowaniem metod sztucznej inteligencji opartego o bazę wzorców diagnostycznych, w którym zastosowano do wnioskowania diagnostycznego sieci neuronowe, rozpoznawanie wzorców oraz logikę rozmytą. Podejście to uwzględnia z jednej strony bazę danych wzorców diagnostycznych, z drugiej strony bazę danych pomiarów archiwizowanych, wykonanych w całym okresie użytkowania maszyny oraz blok wnioskowania diagnostycznego oparty o metody sztucznej inteligencji. W rozprawie szczególną wagę przywiązano do opracowania bloku wnioskowania diagnostycznego opartego o metody sztucznej inteligencji. W pierwszym etapie badań dokonano wieloprzekrojowej analizy informacji zawartych w widmach Fouriera prądów fazowych, stanowiących wzorce diagnostyczne. Wybrano minimalną liczbę cech sygnału diagnostycznego jednoznacznie charakteryzujących rodzaj uszkodzenia, stosując przy tym analizę PCA oraz jakościowe informacje o charakterystycznych zmianach harmonicznych widma prądu pod wpływem poszczególnych typów uszkodzeń. Problem wnioskowania diagnostycznego o stanie wirników silników indukcyjnych z zastosowaniem sieci neuronowych był rozważany jako zadanie klasyfikacji i estymacji. Zastosowano sieci typu perceptronu wielowarstwowego (MLP) oraz sieci neuronowe typu Support Vector Machine (SVM).Do wnioskowania diagnostycznego z zastosowaniem technik rozpoznawania wzorców zastosowano metodę opartą o funkcje przynależności i trzyetapowe rozpoznawanie wzorców: etap recepcji, etap przyporządkowanie i etap podejmowania decyzji. Dla grupy metod diagnostycznych opartych o logikę rozmytą przyjęto klasyczne system wnioskowania rozmytego Mamdaniego-Zadeha oraz Takagi-Sugeno-Kanga. Opracowano także algorytmy wnioskowania oparte o sieci neuronowe rozmyte (neuro-fuzzy) bazujące na strukturze ANFIS. Dla wszystkich opracowanych algorytmów diagnostycznych uzyskano zadawalającą skuteczność i trafność diagnozy. Najlepsze wyniki dla oceny stanu maszyny uzyskano dla sieci neuronowych typu SVM.