Nowy system AI wykrywa ukryte usterki silników krytyczne dla bezpieczeństwa

Bezpieczeństwo silników elektrycznych, zwłaszcza tych wykorzystywanych w pojazdach elektrycznych i infrastrukturze krytycznej, stanowi kluczowe wyzwanie inżynieryjne. Tradycyjne metody diagnostyczne często nie są w stanie precyzyjnie ocenić stopnia uszkodzenia, szczególnie w przypadku zwarć międzyzwojowych (ITSC) w silnikach wielofazowych. Luka ta pozostawia otwartą drogę dla poważnych awarii, w tym nieodwracalnej demagnetyzacji, a nawet pożarów.

Badania prowadzone przez dr Wentao Huanga na Uniwersytecie Jiangnan przedstawiają przełomowe rozwiązanie tego problemu, integrujące zaawansowane techniki diagnostyki silników z możliwościami sztucznej inteligencji. Opracowany system radykalnie zwiększa zdolność do wykrywania i kwantyfikowania ukrytych usterek uzwojeń, które dotychczas były niemożliwe do precyzyjnej oceny w czasie rzeczywistym.

Innowacyjne połączenie systemów

Nowatorska metoda łączy dwie kluczowe technologie: moduł śledzący działający w czasie rzeczywistym, odpowiedzialny za diagnozowanie usterek, oraz analizator AI. Ten ostatni przetwarza sygnały, aby precyzyjnie określić stopień uszkodzenia uzwojenia, jednocześnie szacując parametry zwarciowe. To połączenie pozwala na przezwyciężenie fundamentalnej trudności, jaką stanowiło rozdzielenie złożonych parametrów usterek, co było piętą achillesową konwencjonalnych systemów diagnostycznych.

Podstawą technologiczną nowej metody jest zastosowanie rozszerzonego obserwatora stanu (ESO) w połączeniu z konwolucyjną siecią neuronową (CNN). ESO umożliwia dokładne śledzenie zachowań silnika, podczas gdy CNN, wytrenowana na znormalizowanych danych z transformaty Fouriera (FFT), dostarcza precyzyjnych szacunków stosunku liczby zwojów objętych zwarciem. Krytycznym elementem jest zdolność systemu do izolowania stosunku zwojów objętych zwarciem od rezystancji usterki, co stanowiło dotychczasową barierę w efektywnej diagnostyce.

Inteligentne silniki przyszłości

Publikowane w „CES Transactions on Electrical Machines and Systems” badania nie tylko adresują fundamentalną lukę diagnostyczną, ale także otwierają drogę do szerokich zastosowań. Zdolność systemu do precyzyjnej lokalizacji usterek i oceny ich powagi w czasie rzeczywistym, dostarcza wystarczających informacji do wdrożenia skutecznych środków odporności na awarie.

Szczególnie istotne jest znaczące obniżenie kosztów konserwacji oraz zwiększenie bezpieczeństwa. W kontekście pojazdów elektrycznych, technologia dr Huanga działa jako kluczowy mechanizm ochronny, zapobiegając eskalacji niewykrytych zwarć silnika w poważne pożary elektryczne, które mogą zagrażać życiu.

Dalsze prace nad tym systemem koncentrować się będą na wyposażeniu silników w zdolności samoobronne. Docelowo, silniki będą w stanie automatycznie redukować moc po wykryciu usterki, aby zapobiec dalszym uszkodzeniom. Dodatkowo, planuje się bezproblemową integrację z sieciami fabrycznymi dla monitorowania stanu flot w czasie rzeczywistym.

Poza zastosowaniami przemysłowymi, potencjał tej technologii jest znacznie szerszy. Można ją adaptować do ochrony infrastruktury krytycznej, zwiększając odporność turbin wiatrowych na awarie generatorów w trudnych warunkach środowiskowych. Co więcej, integracja systemów ochronnych z elektrycznymi układami napędowymi w lotnictwie może pomóc w łagodzeniu zagrożeń podczas lotu. Wizja autonomicznych turbin wiatrowych raportujących problemy podczas burz czy samolotów elektrycznych proaktywnie izolujących przegrzewające się komponenty, opiera się na zaawansowanej inteligencji diagnostycznej, którą wnosi ten przełom w systemach bezpieczeństwa silników.