産業サーボ モーター新しいYaskawaのサーボ モーター200V SGM-02A5FJ12 SGM-02A5FJ12

この説で示される第2方法は健康か不良として誘導電動機の作動条件を分類するために機械学習の技術と関連付けられる空隙のトルクのプロフィールの分析に基づく誘導電動機の欠陥の監視の技術である。これらの機械学習の技術はGMMsおよびRPSsに基づいている。このアプローチの重要で新しい性質は二重である。最初に、この方法を訓練する必要で健康で、不良なモーター署名は有限な要素のシミュレーションから、ない実験データから得られる。2番目に、署名は新しい標準化プロセスによる誘導電動機の異なったクラスに加えることができる。不良な状態は壊れた回転子棒のいくつもを表す。訓練の段階で使用される署名はタイム ステップの有限要素法によって模倣される誘導電動機の空隙のトルクのプロフィールに基づいている。

監察の段階で新しい署名は発達したトルクのために造られる。このトルクは新しい一組の監察される実際の誘導電動機から得られる三相固定子の電圧および流れからオンラインで計算される。訓練で得られ、段階を監察する署名の比較はモーター作動条件を分類する。