Le système d'avertissement alimenté par AI améliore la capacité de découvrir les défauts cachés
Une étude, dirigée par le Dr Wentao Huang, a surmonté un écart critique dans le diagnostic à moteur synchrone à aimant permanent à cinq phases (PMSM): les méthodes conventionnelles ne parviennent pas à évaluer la gravité du court-circuit intercurre (ITSC). La méthode intègre deux technologies: un tracker en temps réel qui diagnostique les défauts et un analyseur d'IA qui traite les signaux pour quantifier les dommages tout en estimant les paramètres de court-circuit.
Pendant des années, le défi de quantifier la gravité du court-circuit entre les virages dans les moteurs de fonctionnement a des ingénieurs perplexes, car les méthodes traditionnelles luttaient pour découpler les paramètres de défaut complexes. Les approches diagnostiques conventionnelles ont échoué dans l'évaluation en temps réel, laissant des risques critiques comme la démagnétisation irréversible non détectée.
La méthode, basée sur l'observateur d'État étendu (ESO) et le réseau neuronal convolutionnel (CNN), a été développé à l'Université de Jiangnan et représente un saut fondamental en avant. De manière critique, sa capacité à isoler le rapport de virage court-circuit de la résistance aux défauts élimine un barrage routier clé dans les diagnostics de défaut, permettant un classement précis de gravité en temps réel qui dicte des réponses de protection ciblées.
La recherche est publiée dans la revue Transactions CES sur les machines et systèmes électriques.
Cette méthode offre une protection critique du monde réel: en permettant une localisation précise des défauts et une évaluation de la gravité en temps réel, il fournit des informations suffisantes pour mettre en œuvre des mesures efficaces tolérantes aux défauts. De plus, les coûts de maintenance potentiels peuvent être considérablement réduits. Pour les véhicules électriques spécifiquement, la technologie sert de sauvegarde cruciale, empêchant les courts-circuits de moteur non détectés de se transformer en incendies électriques potentiellement mortels.
Regarder vers l'avenir: moteurs plus intelligents et autoprotecteurs
Le développement de la phase suivante dotera les moteurs de capacités d'auto-protection: réduisant automatiquement la puissance pendant la détection des défauts pour éviter les dommages, tout en s'intégrant de manière transparente aux réseaux d'usine pour la surveillance de la santé en direct.
Au-delà de l'utilisation industrielle, cette technologie pourrait être adaptée aux infrastructures critiques – durcissant potentiellement les éoliennes contre les défaillances des générateurs dans des environnements difficiles et incorporant des systèmes de protection dans la propulsion électrique aérospatiale pour atténuer les risques en vol.
Cette évolution tire parti de notre percée de base dans le découplage des défauts en temps réel, permettant aux machines de répondre de manière autonome aux défauts électriques avant de dégénérer. Imaginez les parcs éoliens signalant de manière autonome les problèmes pendant les tempêtes, ou les avions électriques contenant de manière proactive la surchauffe des composants en vol – tous rendus en place par une intelligence diagnostique avancée.
Fourni par les transactions CES sur les machines et systèmes électriques
