Dalam makalah ini, kami telah menunjukkan bahwa pemantauan dan kesalahan<br>dalam motor induksi dengan melacak stator<br>ini adalah alat penting untuk mendapatkan indeks yang andal<br>indikator pada status operasi motor induksi.<br>Informasi tersebut sangat penting untuk mengantisipasi kemungkinan<br>penurunan motor, yang dapat menghentikan produksi atau<br>bahkan menimbulkan risiko kebakaran. Munculnya kesalahan menyebabkan perubahan dalam evolusi dari jumlah fisik dari<br>Motor induksi, terutama arus stator.<br>Penggunaan kesalahan dalam menemukan teknik diagnostik dalam<br>Motor induksi yang disajikan dalam literatur dapat<br>dan bahkan mengidentifikasi beberapa kesalahan dalam jenis mesin,<br>tetapi ketika datang ke pemantauan kinerja dan<br>mendiagnosis munculnya masalah sederhana secara nyata<br>waktu, teknik ini menunjukkan keterbatasan mereka. Dalam hal ini<br>bekerja, kami mengusulkan pendekatan modern berdasarkan<br>jenis jaringan Deep neuron berulang yang dikenal sebagai<br>memori jangka pendek (LSTM). Semua hasil yang diperoleh<br>teknik yang dikembangkan penting dan menunjukkan<br>mencapai efisiensi untuk klasifikasi mayoritas<br>Cacat secara real time. Dalam pekerjaan masa depan, kami akan mengusulkan<br>untuk menggunakan kemampuan peramalan LSTM untuk memprediksi<br>informasi yang berguna, seperti waktu kegagalan (TOF),<br>atau sisa manfaat hidup (RUL) komponen dan<br>sistem yang diperlukan, untuk melakukan pemeliharaan<br>Tindakan.
Sedang diterjemahkan, harap tunggu..
