Simulazione di guasti nei motori elettrici ed analisi comparativa per l'addestramento di algoritmi di intelligenza artificiale
Il rilevamento di guasti nei motori elettrici è di fondamentale importanza per prevenire malfunzionamenti e prolungare la durata dei motori stessi. In tale ambito, si intendono esplorare tecniche di simulazione di guasti nelle macchine elettriche al fine di generare dataset sintetici per l'addestramento di algoritmi di machine learning volti alla classificazione automatica dei guasti stessi. La simulazione di guasti nei motori elettrici permette di generare dataset sintetici che possono essere utilizzati per addestrare algoritmi di machine learning in modo più efficiente rispetto all'uso di dataset reali, che possono risultare complessi e costosi da acquisire.
Il lavoro consisterà nella realizzazione dello stato dell'arte sul tema e sulla successiva implementazione di modelli di simulazione per generare dataset per l’addestramento degli algoritmi di machine learning. Infine, verranno testati diversi algoritmi di machine learning per valutare la loro efficacia nella rilevazione dei guasti.
Riferimenti:
- N. Yassa, M. Rachek, "Modeling and detecting the stator winding inter turn fault of permanent magnet synchronous motors using stator current signature analysis," in Mathematics and Computers in Simulation, vol. 167, pp. 325-339, 2020.
- B Liang, B.S Payne, A.D Ball, S.D Iwnicki, "Simulation and fault detection of three-phase induction motors," in Mathematics and Computers in Simulation, vol. 61, no. 1, pp. 1-15, 2002
- D. Pasqualotto, M. Zigliotto, "A comprehensive approach to convolutional neural networks-based condition monitoring of permanent magnet synchronous motor drives," in IET Electric Power Applications, vol. 15, no. 7, pp. 795-977, Jul. 2021.