Підвищення достовірності діагностики асинхронного двигуна шляхом навчання байєсовської мережі

Abstract

Розглянуто підхід до підвищення достовірності діагностики технічного стану асинхронного двигуна шляхом навчання байєсовської мережі на основі експлуатаційних даних. На відміну від попередньо розробленої моделі з експертними оцінками умовних ймовірностей, запропоновано їх статистичне уточнення за результатами спостережень. Розглянуто діагностичні ознаки: температуру, вібрацію, шум та аномалії струму. Навчання параметрів мережі створює можливість її адаптації до конкретних умов експлуатації та підвищення обґрунтованості діагностичних висновків. /An approach to improving the reliability of diagnosing the technical condition of an induction motor by training a Bayesian network based on operational data is examined. Unlike a previously developed model that relied on expert estimates of conditional probabilities, a method for statistically refining these probabilities using observational data is proposed. The diagnostic indicators considered include temperature, vibration, noise, and current anomalies. Training the network parameters enables adaptation to specific operating conditions and enhances the validity of diagnostic conclusions