A multi-label classification approach for the detection of broken bars and mixed eccentricity faults using the start-up transient

George Georgoulas, Vicente Climente-Alarcon, Jose A. Antonino-Daviu, Chrysostomos D. Stylios, Antero Arkkio, George Nikolakopoulos

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

Abstrakti

In this article a data driven approach for the classification of simultaneously occurring faults in an induction motor is presented. The problem is treated as a multi-label classification problem with each label corresponding to one specific fault, using the power-set approach. The faulty conditions examined, include the existence of a broken bar fault and the presence of mixed eccentricity with various degrees of static and dynamic eccentricity. For the feature extraction stage, the time-frequency representation, resulting from the application of the short time Fourier transform of the start-up current is exploited. The proposed approach is validated using simulation data with promising results.

AlkuperäiskieliEnglanti
OtsikkoProceedings of the 14th IEEE International Conference on Industrial Informatics, INDIN 2016
KustantajaIEEE
Sivut430-433
Sivumäärä4
ISBN (elektroninen)9781509028702
DOI - pysyväislinkit
TilaJulkaistu - 2016
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE International Conference on Industrial Informatics - Poitiers, Ranska
Kesto: 19 heinäkuuta 201621 heinäkuuta 2016
Konferenssinumero: 14
https://ieee-indin2016.sciencesconf.org/

Julkaisusarja

NimiIEEE International Conference on Industrial Informatics
KustantajaIEEE
ISSN (painettu)1935-4576
ISSN (elektroninen)2378-363X

Conference

ConferenceIEEE International Conference on Industrial Informatics
LyhennettäINDIN
MaaRanska
KaupunkiPoitiers
Ajanjakso19/07/201621/07/2016
www-osoite

Sormenjälki Sukella tutkimusaiheisiin 'A multi-label classification approach for the detection of broken bars and mixed eccentricity faults using the start-up transient'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

  • Siteeraa tätä

    Georgoulas, G., Climente-Alarcon, V., Antonino-Daviu, J. A., Stylios, C. D., Arkkio, A., & Nikolakopoulos, G. (2016). A multi-label classification approach for the detection of broken bars and mixed eccentricity faults using the start-up transient. teoksessa Proceedings of the 14th IEEE International Conference on Industrial Informatics, INDIN 2016 (Sivut 430-433). [7819198] (IEEE International Conference on Industrial Informatics). IEEE. https://doi.org/10.1109/INDIN.2016.7819198