Ověření funkcionality navržené diagnostiky synchronního generátoru na základě výsledku simulací

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F25%3A43978421" target="_blank" >RIV/49777513:23220/25:43978421 - isvavai.cz</a>

Výsledek na webu

<a href="https://partnerstvi.fel.zcu.cz/" target="_blank" >https://partnerstvi.fel.zcu.cz/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Ověření funkcionality navržené diagnostiky synchronního generátoru na základě výsledku simulací

Popis výsledku v původním jazyce

Tato výzkumná zpráva se zabývá vývojem nové diagnostické metody pro detekci poruch rotujících usměrňovačů v bezkroužkových budících systémech synchronních generátorů. Navržená metoda kombinuje algoritmus SINDy (Sparse Identification of Nonlinear Dynamics) s tradičními statistickými příznaky a technikami strojového učení. Pro jednotlivé provozní stavy jsou vytvořeny referenční modely zachycující charakteristickou nelineární dynamiku systému. Diagnostické příznaky jsou extrahovány z měřeného budícího proudu a následně klasifikovány pomocí pokročilého algoritmu strojového učení. Experimentální validace potvrdila vysokou účinnost metody při rozlišování mezi zdravým provozem a poruchovými stavy usměrňovače. Metoda byla navržena s ohledem na implementaci v embedded systémech, což umožňuje její nasazení pro real-time monitoring a prediktivní údržbu.

Název v anglickém jazyce

Validation of the Proposed Diagnostic Method Based on Simulation Results

Popis výsledku anglicky

This research report presents the development of a novel diagnostic method for fault detection in rotating rectifiers within brushless excitation systems of synchronous generators. The proposed method combines the SINDy (Sparse Identification of Nonlinear Dynamics) algorithm with traditional statistical features and machine learning techniques. Reference models are created for individual operational states, capturing characteristic nonlinear system dynamics. Diagnostic features are extracted from measured excitation current and subsequently classified using advanced machine learning algorithms. Experimental validation confirmed high effectiveness of the method in distinguishing between healthy operation and rectifier fault states. The method was designed for embedded system implementation, enabling deployment for real-time monitoring and predictive maintenance.

Druh

O - Ostatní výsledky

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/TN02000025" target="_blank" >TN02000025: Národní centrum pro energetiku II</a><br>

Návaznosti

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

Rok uplatnění

2025

Kód důvěrnosti údajů

C - Předmět řešení projektu podléhá obchodnímu tajemství (§ 504 Občanského zákoníku), ale název projektu, cíle projektu a u ukončeného nebo zastaveného projektu zhodnocení výsledku řešení projektu (údaje P03, P04, P15, P19, P29, PN8) dodané do CEP, jsou upraveny tak, aby byly zveřejnitelné.