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

Kód výsledku v 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>

Výsledek na webu

<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

—

Jazyk výsledku

angličtina

Název v původním jazyce

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

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

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

Popis výsledku anglicky

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.

Druh

R - Software

CEP obor

—

OECD FORD obor

20204 - Robotics and automatic control

Projekt

<a href="/cs/project/8A19001" target="_blank" >8A19001: Artificial Intelligence for Digitizing Industry</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

CNN e-machine fault classifier 1

Technické parametry

- 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%.

Ekonomické parametry

Předtrénovaný klasifikátor poruchy vinutí elektrického motoru je prozatím využívány výhradně pro další výzkum a vývoj, komerční využití se zatím nepředpokládá.

IČO vlastníka výsledku

00216305

Název vlastníka

Vysoké učení technické v Brně