Все статьи автора в журнале: Диб Али

1. Моделирование и диагностирование асинхронного электродвигателя с помощью нейронных сетей LSTM

   Modeling and diagnostics of an asynchronous electric motor by using LSTM neural networks

   Номер: 2026 / 09

   Хохловский В.Н. | Hohlovskiy V.N. | Диб Али | Dib Ali | Кожубаев Ю.Н. | Kojubaev YU.N. | Мотнин А.В. | Motnin A.V. | motnin.av@edu.spbstu.rumotnin.av@edu.spbstu.ru

   Авторы статьи

   Authors

   Хохловский В.Н.

   Hohlovskiy V.N.

   Диб Али

   Dib Ali

   Кожубаев Ю.Н.

   Kojubaev YU.N.

   Мотнин А.В.

   Motnin A.V.

   motnin.av@edu.spbstu.ru

   motnin.av@edu.spbstu.ru

   ---

   Моделирование и диагностирование асинхронного электродвигателя с помощью нейронных сетей LSTM

    

   УДК 621.313.333:004.8

   DOI: 10.36652/0869-4931-2026-80-9-451-457

    

   Предложен подход к диагностике асинхронного электродвигателя, основанный на использовании искусственных нейронных сетей для анализа временных сигналов, характеризующих его работу. Кратко рассмотрены характерные виды повреждений асинхронных машин и основные методы их выявления. В качестве примеров моделируются два распространенных дефекта: межвитковое короткое замыкание в статорной обмотке и нарушение целостности беличьей клетки ротора. Для воспроизведения аварийных режимов используется имитационная модель двигателя в среде Simulink, с помощью которой формируется набор данных для обучения и тестирования нейросетевого алгоритма. В модели используется рекуррентная нейронная сеть с LSTM-слоями, позволяющая учитывать протяженные временные зависимости в сигналах. При моделировании достигну та точность классификации состояний двигателя около 94 %. Отдельно рассмотрена интеграция алгоритма диагностики с реальным электроприводом: передача данных осуществляется через преобразователь частоты и программируемый логический контроллер с использованием протокола CANopen и OPC-сервера, а их обработка выполняется в приложении на языке Python. Испытания на двигателе, работающем в режиме холостого хода, показали устойчивую работу нейросети на средних и высоких частотах вращения ротора двигателя, что подтверждает корректность разработанного алгоритма.

   ---

   Ключевые слова

   асинхронный электродвигатель, диагностика неисправностей, межвитковое короткое замыкание, повреждение беличьей клетки, модель Simulink, нейронная сеть LSTM, Python-приложение

   Modeling and diagnostics of an asynchronous electric motor by using LSTM neural networks

   An approach to diagnosing an asynchronous electric motor is proposed. It uses artificial neural networks to analyze time signals characterizing its operation. Typical types of damage to asynchronous machines and the main methods for their detection are briefly discussed. Two common defects are modeled as examples: short circuit between turns in the stator win ding and a squirrel cage failure in the rotor. To reproduce emergency conditions, a Simulink engine simulation model is used to generate a dataset for training and testing the neural network algorithm. The model utilizes a recurrent neural network with an LSTM layers, allowing for the consideration of long-term time dependencies in signals. The simulation achieved an accuracy of approximately 94 % for classifying electric motor states. The integration of the diagnostic algorithm with a real electric drive is also considered: data is transmitted via a frequency converter and a programmable logic controller using the CANopen protocol and an OPC server, and data processing is performed in a Python application. Tests on an idle engine demonstrated stable operation of the neural network at medium and high rotor speeds, confirming the correctness of the developed algorithm.

   ---

   Keywords

   asynchronous electric motor, fault diagnostics, short circuit between turns, squirrel cage damage, Simulink model, LSTM neural network, Python application