Своевременное и надлежащее обслуживание электрических машин (электродвигатели, электрогенераторы), которые преобразуют электрическую энергию в механическую на промышленных предприятиях, считается одной из важных задач. Их эксплуатационная надежность определяет эффективность применения всех технических средств и влияет на важнейшие экономические показатели производства. Существующие методы диагностики оборудования не позволяют максимально точно и быстро определять дефекты, поэтому ведется поиск новых методов обнаружения технических проблем. Студенты Пермского Политеха совместно с научным руководителем обучили искусственный интеллект быстрее и точнее находить неисправности в электрических машинах.
Разработка проведена в рамках программы стратегического академического лидерства «Приоритет 2030». Статья с результатами исследования принята в публикацию журнала «Электротехника» и будет опубликована в ближайшее время.
Электрические машины используется почти на каждом производстве. Например, электродвигатель может управлять целой производственной линией или сразу несколькими станками одновременно, а электрогенераторы могут использоваться предприятиями в качестве источника энергии. Поэтому выход из строя столь значимого оборудования может принести серьезные убытки компаниям или сорвать сроки выполнения очень важных заказов, например, оборонных. На сегодняшний день для диагностики электромашин чаще всего применяют вибродиагностику, но данный метод предполагает вмешательство в работу самого двигателя, следовательно, необходимо останавливать часть, а иногда и все производство. По словам политехников, решить данную проблему способен искусственный интеллект, а также метод спектрального анализа тока.
«Этот метод, согласно проведенному анализу, показал наибольшую эффективность. К достоинствам его применения можно отнести высокую скорость и точность определения дефектов как в электрической, так и в механической части электромашины. В отличие от метода вибродиагностики, мониторинг тока электродвигателя выполняется непосредственно на коробе машины без вмешательств в его режим работы. Кроме того, диагностика может проводиться на включенном электродвигателе и, соответственно, не останавливать производственный цикл предприятия, что очень важно», – рассказывает научный руководитель проекта, кандидат технических наук, старший преподаватель кафедры электроники и электромеханики ПНИПУ Григорий Килин.
«Использование программного продукта обеспечивает раннее предупреждение и диагностику проблем, связанных электрическими машинами, за счет использования нейросетевых алгоритмов мониторинга. Обнаружение дефектов происходит за дни, недели или месяцы до отказа или аварийного режима и позволяет осуществить работы по устранению появившихся проблем. Такой подход позволяет с наименьшими потерями произвести текущий или капитальный ремонт электрических машин, а значит не тратить огромные средства в случае их отказа в период активной работы производства.
Применение искусственного интеллекта позволяет в значительной степени упростить и ускорить процедуру диагностики аварий, а также дает возможность автоматизировать процедуры получения нейросетью информации мониторинга электрических машин», – говорит студент кафедры электроники и электромеханики ПНИПУ Иван Пашков.
По мнению политехников, созданный программный продукт для своевременного предупреждения и диагностики проблем следует внедрять в промышленные предприятия, в том числе осуществляющих выработку и транспортировку электрической энергии (ПАО «Лукойл», ПАО «Газпром», «ОДК-Авиадвигатель», АО «ОДК-Пермские моторы» и другие компании). По их подсчётам, инвестиции в модернизацию новых методов диагностики принесут значительные выгоды, так как 70 процентов электроэнергии потребляются именно электрическими машинами.
Созданный учеными ПНИПУ метод диагностики электромашин позволяет повысить их надежность и производительность, а также сократить время простоя на 25 процентов, что дает возможность компаниям сэкономить от одного до 10 миллионов рублей на всем сроке использования разработанной системы. Кроме того, предприятия смогут снизить свои расходы на обслуживание оборудования и другие эксплуатационные нужды.