Broken Rotor Bar Fault Detection Using Machine Learning: Optimal Frequency Resolution

Semen Koveshnikov, Nada El Bouharrouti, Karolina Kudelina, Muhammad Usman Naseer, Toomas Vaimann, Anouar Belahcen

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

34 Lataukset (Pure)

Abstrakti

This paper explores the optimal frequency resolution of the current spectra for detecting the broken rotor bar fault in induction motors with machine learning and motor current signature analysis. Conventional methods of broken rotor bar detection usually advocate for a higher frequency resolution in the motor current spectrum, which requires longer current signal measurements that are difficult and expensive to conduct. Thus, this work aims to identify the limitations to frequency resolution for successful broken rotor bar diagnosis when applying machine learning algorithms. The study also provides recommendations on the signal processing for feature extraction to enhance machine learning model performance. The machine learning algorithms used in the study are support vector machines, gradient boosting machines, and multilayer perceptron.
AlkuperäiskieliEnglanti
OtsikkoProceedings of the International Conference on Electrical Machines (ICEM)
KustantajaIEEE
Sivut1-6
Sivumäärä6
ISBN (elektroninen)979-8-3503-7060-7
DOI - pysyväislinkit
TilaJulkaistu - 10 lokak. 2024
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaInternational Conference on Electrical Machines - Politecnico di Torino, Turin, Italia
Kesto: 1 syysk. 20244 syysk. 2024

Julkaisusarja

NimiInternational Conference on Electrical Machines
ISSN (elektroninen)2473-2087

Conference

ConferenceInternational Conference on Electrical Machines
LyhennettäICEM
Maa/AlueItalia
KaupunkiTurin
Ajanjakso01/09/202404/09/2024

Sormenjälki

Sukella tutkimusaiheisiin 'Broken Rotor Bar Fault Detection Using Machine Learning: Optimal Frequency Resolution'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä