Детальная информация

Название Диагностирование асинхронного двигателя с помощью деревьев решений по имитационной модели // Системный анализ в проектировании и управлении: сборник научных трудов XXVIII Международной научно-практической конференции, 27–29 июня 2024 года: [в 2 частях]. Ч. 2
Авторы Виноградчий Кирилл Андреевич ; Диб Али ; Кожубаев Юрий Нургалиевич ; Хохловский Владимир Николаевич
Организация Санкт-Петербургский политехнический университет Петра Великого
Выходные сведения Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2024
Электронная публикация 2025
Коллекция Общая коллекция
Тип документа Статья, доклад
Тип файла PDF
Язык Русский
DOI 10.18720/SPBPU/2/id24-556
Права доступа Свободный доступ из сети Интернет (чтение, печать, копирование)
Дополнительно Новинка
Ключ записи RU\SPSTU\edoc\76444
Дата создания записи 04.07.2025

Разрешенные действия

Прочитать Загрузить (0,7 Мб)

Группа Анонимные пользователи
Сеть Интернет

Работа посвящена разработке и проверке алгоритма для диагностирования асинхронного двигателя на основе деревьев решений, используется имитационная модель в программной среде Matlab/Simulink. Предложен алгоритм для диагностирования двух неисправностей асинхронного двигателя: короткого замыкания обмоток статора и повреждения беличьей клетки. С помощью имитационной модели сформированы наборы данных и проведена экспериментальная оценка точности двух методов диагностирования – с помощью одного дерева решений и с помощью «случайного леса». Указаны преимущества и недостатки этих подходов. Приведены результаты тестирования:диагностирование с использованием одного дерева решений дает точность до 90 %, диагностирование на основе случайного леса обеспечивает точность до 98 %.

The work considers design and tests of a proposed algorithm for diagnosis of an asynchronous motor based on decision trees. A simulation in Matlab/Simulink tool is used to form datasets. The algorithm for diagnosis of two types of faults is examined: short circuit of stator winding and damage of squirrel cage. The evaluation of accuracy for two methods (a single decision tree and random forest) is made. The advantages and disadvantages for the methods are analyzed. The tests show that the diagnosis using single decision tree method provides the accuracy up to 90 %, whereas the diagnosis using random forest method provides the accuracy up to 98 %.

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все
Прочитать Печать Загрузить
Интернет Все

Количество обращений: 5 
За последние 30 дней: 5

Подробная статистика