Application of probabilistic neural networks for detection of mechanical faults in electric motors

• Autorzy: Barszcz T. , Bielecki A. , Romaniuk T.

Warianty tytułu

PL

Zastosowanie probabilistycznych sieci neuronowych do wykrywania mechanicznych uszkodzeń silników elektrycznych

• Języki publikacji: EN

Abstrakty

EN

Neural networks are important method for detection and identification of faults in electric machinery. The paper investigates the interesting class of probabilistic neural networks (PNN). In comparison with the most popular perceptron, PNN uses a different type of basis function and have the ability to increase amount of knowledge stored in the network. Basic architecture and features of PNNs are presented. The paper presents the case study, where PNN was applied to diagnose several faults (unbalance and misalignment in various degrees) in the electric motor. The performance of the network was better than the multi layer perceptron. Important part of the paper is proposal of the feature set consisting of harmonics from vibration spectrum.

PL

Sieci neuronowe są ważną metodą pozwalającą na detekcję i identyfikację˛ defektów maszyn elektrycznych. Praca zawiera opis zastosowania ciekawej klasy probabilistycznych sieci neuronowych (PNN) do rozpoznawania kilku defektów (niewyosiowania i niewyważenia wału w różnych stopniach nasilenia) w silniku elektrycznym. Wydajność sieci okazała się lepsza od wielowarstwowego perceptronu. Ważną częścią pracy jest zaproponowanie nowego zbioru cech składającego się z kolejnych harmonicznych widma wibracji.

Słowa kluczowe

EN

vibrodiagnostics; neural network; electric motor

PL

wibrodiagnostyka; sieć neuronowa; silnik elektryczny

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2009
• Tom: R. 85, nr 8
• Strony: 37--41
• Opis fizyczny: Bibliogr. 17 poz., rys., tab., wykr.

Twórcy

autor

Barszcz T.

autor

Bielecki A.

autor

Romaniuk T.

• AGH University of Science and Technology,

Bibliografia

• [1] Barszcz T.: Application of neural networks for fault classification in rotating machinery. Diagnostyka, Vol.37 (2006), 107-114 (in Polish)
• [2] Bednarz T., Barszcz T., Uhl T: Rotating machinery diagnostics based on MARX models. Computer Assisted Mechanics and Engineering Sciences, Vol. 14 (2007), 557-567
• [3] Bishop C.M.: Neural Networks for Pattern Recognition. Oxford University Press, Oxford, 1995
• [4] Garden E.P., Fanning R: Vibration based condition monitoring. Structural Health Monitoring, Vol. 3 (2004), 355-377
• [5] Crupi V., Guglielmino E., Milazzo G.: Neural-network-based system for novel fault detection in rotating machinery. Journal of Vibration and Control, Vol. 10 (2004) 1137-1150
• [6] Eisenmann R. C.: Machinery Malfunction Diagnosis and Correction. Hewlett Packard Professional Books (1997)
• [7] Korbicz J., Patan K.: Neural Networks in Diagnostics of Technological Processes. Przegląd Elektrotechniczny, (2004/4) 331-334
• [8] Kowalski Cz.: Application of artificial intelligence methods in the induction motors diagnostics. Przegląd Elektrotechniczny, (2006/11) 53-57
• [9] Norgaard M., Ravn O., Poulsen N.K., Hansen L.K.: Neural Network for Modeling and Control of Dynamic Systems. Springer, London (2000)
• [10] Pawlak M., Kowalski Cz.: Computer-based diagnostic system of the induction motor. Przegląd Elektrotechniczny, (2008/12) 91-95
• [11] Rafiee J., Arvani R, Harifi A., Sadeghi M.H.: Inteligent condition monitoring of a gearbox using artificial neural network. Mechanical Systems and Signal Processing, Vol. 21 (2007), 1746-1754
• [12] Samanta B., AI-Balushi K.R.: Artificial neural network based fault diagnostics or rolling element bearings using time-domain features. Mechanical Systems and Signal Processing, Vol. 17 (2003), 317-328
• [13] Specht D.F.: Probabilistic neural networks. Neural Networks, Vol.3 (1990)
• [14] Tadeusiewicz R.: About usefulness of neural networks in electrical engineering problems. Przegląd Elektrotechniczny, (2009/2) 200-211
• [15] Wuxing L, Tse P.W., Guicai Z., Tielin S.: Classification of gear faults using cumulants and the radial basis function network. Mechanical Systems and Signal Processing, Vol. 18 (2004), 381-389
• [16] Yang B.S., Han T, An J.L.: ART.-Kohonen neural network for fault diagnosis of rotating machinery. Mechanical Systems and Signal Processing, Vol. 18 (2004), 645-657
• [17] Yang D.M., Stronach A.F., MacConnel P.: Third-order spectral techniques for the diagnosis of motor bearing condition using artificial neural network. Mechanical Systems and Signal Processing, Vol. 16 (2002), 391-411