Details
| Title | 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 |
|---|---|
| Creators | Виноградчий Кирилл Андреевич ; Диб Али ; Кожубаев Юрий Нургалиевич ; Хохловский Владимир Николаевич |
| Organization | Санкт-Петербургский политехнический университет Петра Великого |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2024 |
| Electronic publication | 2025 |
| Collection | Общая коллекция |
| Document type | Article, report |
| File type | |
| Language | Russian |
| DOI | 10.18720/SPBPU/2/id24-556 |
| Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | RU\SPSTU\edoc\76444 |
| Record create date | 7/4/2025 |
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 %.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | All |
|
Access count: 4
Last 30 days: 4
