Machine Learning-Based Online Multi-Fault Diagnosis for IMs Using Optimization Techniques With Stator Electrical and Vibration Data

Induction motors (IMs) have been commonly applied to industrial fields since the past decades; thus, developing advanced fault diagnosis methods becomes vital for IM applications. This study proposed an online fault diagnosis system for IMs based on the Random Forest (RF) and eXtreme Gradient Boosti...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on energy conversion Ročník 39; číslo 4; s. 2412 - 2424
Hlavní autoři:	Hsu, Shih-Hsien, Lee, Chien-Hsing, Wu, Wen-Fang, Jiang, Joe-Air
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.12.2024 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Coils (windings) Data models Downtime Extreme gradient boosting algorithm Fault detection Fault diagnosis Feature extraction Induction motors Machine learning motor failure diagnosis Motors Optimization Optimization techniques Radio frequency random forest algorithm Rotors Stators Vibrations
ISSN:	0885-8969, 1558-0059
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!