نادر صامصونچی - عضو هیئت علمی و مدیر مرکز فناوری اطلاعات ، گروه مهندسی برق، دانشگاه شهید مدنی آذربایجان

ماشینهای الکتریکی (اعم از موتورها، ژنراتورها و ترانسفورمرها) از اجزای اصلی تولید،توزیع و تبدیل انرژی میباشند و لذا نظارت مستمر بر عملکرد و عیب یابی آنها در صنایع و کارخانجات بسیار حائز اهمیت است. روشهای رایج برای تشخیص عیوب ماشینهای الکتریکی (نظیر FRA، LVI، SCR و (UVW عموما بصورت تداخلی عمل مینمایند و فاقد امکان تعیین محل وقوع عیب بوده و یاانجام آنها پرهزینه میباشند. در این مقاله، ساختاری نوین برای نظارت همزمان1 و عیب یابی غیر تداخلی ماشینهای الکتریکی ارائه شده است که مبتنی بر شبکه سنسورهای بیسیم و یادگیری عمیق میباشد. در ساختار پیشنهادی تعدادی گره هوشمند نصب شده در نقاط مختلف ماشین، داده های مورد نیاز را گردآوری کرده و بصورت بی سیم به گره مرکزی برای پردازش ارسال میکنند. در گره مرکزی با انجام پردازشهای لازم بصورت یادگیری عمیق مبتنی بر روشSDA و رده بندی نتایج، وجود عیب و محل آن آشکار سازی میشود.امکان نظارت بر عملکرد ماشین بصورت همزمان و بدون نیاز به ایجاد وقفه در کار آن ، ارائه اطلاعات در مورد محل وقوع عیب و هزینه پایینتر از مزایای این ساختارجدید نسبت به روشهای رایج میباشد.

یادگیری عمیق ، شبکه سنسورهای بی سیم ، ماشینهای الکتریکی ، عیب یابی