一个卷积神经网络用于在活性磁轴承系统中识别电故障.
Giovanni Donati1, Michele Basso1, Graziano A Manduzio2
1Department of Information Engineering, University of Florence, 50139 Florence, Italy.
这项研究引入了一种新的机器学习方法,用于在活性磁轴承中检测故障. 卷积神经网络使用基于图像的故障签名准确识别软电故障,提高系统可靠性.
科学领域:
- 机械电子学是什么意思 机械电子学
- 机器学习 机器学习
- 轴承技术 轴承技术 轴承技术
背景情况:
- 活性磁轴承 (AMB) 是复杂的机械电子系统,具有集成的机械,电气和软件组件.
- 在AMB的复杂性质需要强大的故障检测机制,以确保运行可靠性.
- 经典的滚动轴承缺乏AMB固有的复杂性和先进的控制系统.
研究的目的:
- 使用机器学习开发一种有效的故障检测方法,用于使用机器学习的活性磁轴承.
- 根据系统信号衍生的图像签名创建故障字典.
- 识别和分类AMB位置传感器和执行器中常见的软电气故障.
主要方法:
- 使用来自系统信号的故障签名的图像表示构建故障字典.
- 训练一个卷积神经网络 (CNN) 识别这些故障签名图像.
- 实时实现用于计算方便的故障识别.
主要成果:
- 开发了一种新的故障检测系统,在测试数据集上达到93%的准确性.
- 该方法成功地确定了十七个不同的故障类别,包括软电故障.
- 该系统在确定故障组件和故障类型方面展示了实时能力.
结论:
- 拟议的基于机器学习的故障检测方法为AMB提供了一个计算效率高,准确的解决方案.
- 这种方法通过允许及时和适当的对策来提高系统可靠性.
- 这项研究证实了使用基于图像的故障签名和CNN用于诊断AMB等复杂机械电子系统的故障的有效性.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
06:17Quantifying the Relative Thickness of Conductive Ferromagnetic Materials Using Detector Coil-Based Pulsed Eddy Current Sensors
Published on: January 16, 2020
相关概念视频
Magnetic Field Of A Current Loop
Torque On A Current Loop In A Magnetic Field
Consider a rectangular current-carrying loop containing N turns of wire, placed in a uniform magnetic field. The net force on a current-carrying loop...
Magnetic Field of a Solenoid
Consider a solenoid with 100 turns wrapped around a cylinder of...
Magnetic Field Due to Two Straight Wires
Magnetic Force On Current-Carrying Wires: Example
Electro-mechanical Systems
A key component of the DC motor is the armature, a rotating circuit positioned within a magnetic field. As an electric current passes through the...
