Проект КП-06 ДУНАВ/6, Многостранен конкурс за научно и технологично сътрудничество в Дунавския регион
ФОНД НАУЧНИ ИЗСЛЕДВАНИЯ, Министерство на образованието и науката
Тема „Изследване на технологии с изкуствен интелект за диагностика на неизправности с електрически и неелектрически произход на мехатронни системи“
Ръководител доц. Ясен Горбунов
Базова организация Нов български университет
Резюме
Нарастващите изисквания към качеството и надеждността на работа на индустриалните машини налагат повишаване на нивото на автоматизиран анализ и прогнозиране на повреди, като по този начин аварийният ремонт се превръща в планов. Промените в товара, както и неизправности от различен електрически и неелектрически произход, могат да доведат до появата на допълнителни хармонични съставляващи в честотния спектър на вибрациите, а също и спектъра на тока на машината, наречен сигнатурен профил. Този проблем касае както механичната конструкция на превозни средства, роботи и манипулатори, така и задвижващата подсистема – предавки и електродвигатели. Чрез прилагане на серия от техники за сигнатурен анализ (напр. анализ на профила на тока на двигателя, MCSA) може да бъде извлечена априорна информация за състоянието на машината, което е от особена полза с нарастването на нейния размер, мощност и цена. Този подход може да бъде приложен към широк спектър от машини, в това число мехатронната система като цяло. В настоящето проектно предложение се планира разпределението на работата между екипите да се фокусира върху анализа на работното състояние на синхронна машина чрез сигнатурен анализ както следва:
- провеждане на експериментална работа в лабораториите на университета в Жилина, Словакия, където част от наличните машини са синхронен двигател с хибриден ротор (с електрическо възбуждане, също така и с постоянни магнити в ротора) с мощност около 50kW, предназначен за електрически превозни средства) и линеен реактивен двигател, подпомаган от постоянни магнити – нова разработка с приложение за компресори на фризери, с ниска мощност;
- математическо моделиране на машини от вида на споменатите, което ще бъде извършено във факултета по Електроинженерство на университета на Черна гора в гр. Подгорица;
- откриване на аномалии в работата на електрическите машини на базата на получените от колегите от Черна гора и Словакия данни (основно, но не само). В лабораториите на Нов български университет ще бъде извършена работата по прилагане на интелигентни методи и техники за машинно обучение за неинвазивен анализ на сигнатурния профил и изграждане на физически-информирани модели за машинно обучение за прогнозиране на динамиката на електрическите машини. В крайна сметка ще бъде търсен механизъм за извеждане на заключения, приложим към по-широк кръг проблеми, касаещи мехатронните системи.
Основният изследователски фокус на проекта от българска страна може да се формулира в две направления:
1. Прилагане на интелигентни методи и техники за машинно обучение (ML) за анализ по неконтактен и неинвазивен начин на сигнатурния профил на мехатронната система (анализ на профила на вибрациите или формата на тока предимно в честотната област при мониторинг на повреди на търкалящи лагери и др.), за да се превърне аварийната поддръжка в превантивна и в крайна сметка предсказуема. Цели се интегрирането на концепции, базирани на изкуствен интелект (AI) и техники за машинно самообучение (ML) за анализа на данни. Това включва изкуствени конволюционни невронни мрежи (CNN), машини с поддържащи вектори (SVM), акустично спектрално изображение (ASI) и др. Като перспективен и планиран метод може да се посочи провеждането на Цепструм (Cepstrum) анализ, който се използва при сигнали с лошо съотношение сигнал/шум като прави видими по-слабо изявените хармонични съставляващи.
2. Изграждане на физически-информирани модели за машинно обучение за прогнозиране на динамиката на ъгловата скорост на електрически двигател чрез обработване на електрически и механични сигнали. Предвижда се провеждане на анализ на аналитичните свойства на уравнението на движение на клас от двигатели, за които ще прогнозира динамиката на ъгловата скорост, изграждане на невронна мрежа с подходяща архитектура, която има функция на грешката с член, отчитащ уравнението на движение на двигател и получаването на работещ модел с ясно определени прогнозиращи способности на основата на обективни измерители.