Pre-trained classifier of electrical motor winding fault based on multiple-branch convolutional neural networks

Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26620%2F21%3APR34492" target="_blank" >RIV/00216305:26620/21:PR34492 - isvavai.cz</a>
Result on the web
<a href="https://ai4di.ceitec.cz/vysledky/cnn_fault_classifier" target="_blank" >https://ai4di.ceitec.cz/vysledky/cnn_fault_classifier</a>
DOI - Digital Object Identifier
—

Result language
angličtina
Original language name
Pre-trained classifier of electrical motor winding fault based on multiple-branch convolutional neural networks
Original language description
Software implementation of an artificial neural network for detecting a fault in the winding of an electric motor. The neural network is implemented in the Python environment in the Keras module designed for creating neural networks. The neural network uses the branching capabilities of the neural network. Each input is pre-processed in its own branch using a convolution layer. The results of the individual branches are combined and again evaluated by the resulting Dense layer. The trained network model is able to determine the fault of the electric motor winding.
Czech name
—
Czech description
—

Project
<a href="/en/project/8A19001" target="_blank" >8A19001: Artificial Intelligence for Digitizing Industry</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year
2021
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Internal product ID
CNN e-machine fault classifier 1
Technical parameters
- Softwarový model využívá následující vstupní signály tvořící trénovací množinu: fázové proudy, magnetotvorné/tokotvorné proudy, magnetotvorná/tokotvorná napětí, mechanické otáčky, moment. - Neuronová síť je na vstupu tvořena devatenácti větvemi, pro každou veličinu motoru jedna větev. Každá větev je tvořena jednou 1D konvoluční vrstvou, následují dvě Dense vrstvy. Výstupy všech větví jsou sloučeny a pomocí husté vrstvy provedena výsledná klasifikace. - Model byl natrénován pomocí 20 000 vzorků trénovací množiny, 2 000 vzorků bylo využito k validaci. Trénovací množina byla získaná z emulátoru elektrického motoru. - Klasifikátor vyvinut v prostředí Python pomocí modulu Keras, na HW platformě Jetson Xavier AGX. - Přesnost klasifikace poruchy dosahuje hodnoty lepší než 99%.
Economical parameters
Předtrénovaný klasifikátor poruchy vinutí elektrického motoru je prozatím využívány výhradně pro další výzkum a vývoj, komerční využití se zatím nepředpokládá.
Owner IČO
00216305
Owner name
Vysoké učení technické v Brně

Similar results(10)