,

电机故障诊断(11类故障)

电机已用于各种应用,而且其性能也越来越高。 借助电机在运行过程中所提供的数据,可以对其进行精确监测。 这些数据还可用于增强预测性维护技术的应用效果。

预测性维护包括通过自动检测老化程度或预测异常来优化维护策略。 机器学习会将系统生成的数据转化为有意义的数据。 我们在电机控制算法旁直接添加了AI解决方案,以便在同一个微控制器上同时运行异常检测与分类以及电机控制,从而降低系统成本并优化资源。 该方法还可轻松调整,从而适用于多种电机和各种应用。

方法

  • 基本组成部分包括待测驱动电机(永磁同步电机)、转矩测量轴、测试模块和负载电机(同步伺服电机)。
  • 测试在不同的轴承负载、转矩负载和速度下进行。
  • 使用故障、负载和速度的不同组合,产生11类故障。
  • 信号是基于电流检测。

传感器

通用电流传感器

数据

>> 下载数据集

11类数据:11种故障、负载和速度的不同组合
信号长度:48(单轴),每类故障5300个信号

结果

11类故障:
98.56%均衡准确率,0.5 KB RAM,140.6 KB Flash存储器

绿点表示分类正确的信号。 红点表示分类不正确的信号。 类别位于横坐标,预测置信度显示在纵坐标上