基于单颗六轴MEMS惯性传感器的三相感应电机物联网状态监测与断相故障诊断原型研究

《Machines》:An MEMS Gyroscope IoT Platform for Three-Phase Induction Motors: Within-Recording Phase-Loss Diagnosis, Drive-Setpoint Estimation, and Confound Auditing

【字体: 大 中 小 】 时间:2026年09月24日 来源:Machines 3.0

编辑推荐:

   摘要

  

摘要

本文提出了一种物联网(IoT)原型,该原型使用安装在电机外壳上的单个六轴微机电系统(MEMS)惯性传感器来监控三相感应电机、估算其运行频率并诊断断相故障。传感器数据由基于 STM32F103 的节点采集,并通过蓝牙和 Wi-Fi 同时传输至 Android 应用程序,在该应用中显示电机状态、估算运行点和振动水平。这种方法消除了通常用于电流传感器、测速仪和工业加速度计的额外成本和布线。两个数据集均以 150 Hz 的频率采集,使用了所有六个惯性通道,每种条件下进行了五次独立试验。试验之间会拆卸并重新安装传感器。驱动设定点数据集包含 270,000 个样本,采集于 5 到 60 Hz 之间的十二个设定点,而断相数据集包含 45,000 个样本,标记为健康或三种单相断相故障之一。芯片温度作为第七个通道被记录,但未在任何模型中使用。使用六个经典机器学习模型族和四个深度学习架构,将窗口化时域和频域特征与原始样本输入进行了比较。评估包括缓冲时间序列分割、分块五折交叉验证和留一试验交叉验证。在最终方案中,训练集既不包括保留记录,也不包括对应传感器安装方式的数据。重复试验使这一评估成为可能,所有主要结果均在此方案下报告。在保留试验上进行评估时,四类断相诊断在 450 个窗口中达到了 96.2% 的准确率,基于二十条保留记录计算得出的聚类自举区间为 89.0–99.8%。对于间隔为 5 Hz 的设定点,指令驱动设定点的估算均方根误差(RMSE)为 1.50 Hz。由于四类得分平均了两个难度截然不同的任务,因此这两个任务也单独评分:检测故障在五个模型中的四个上实现了完全迁移,即在 450 个窗口中的 450 个均成功;而识别三相中哪一相丢失的准确率则从记录内的 99.1–100% 降至跨记录的 86.2–96.9%。记录内协议在同一数据上报告了 100% 和 0.36 Hz,这一差距是核心的方法论结果:记录内无泄漏的分割不能替代保留采集。诊断测试阐明了系统的局限性。加速度计振幅在五次传感器重新安装中始终跟踪驱动设定点,并在考虑温度因素后仍具有参考价值,这表明模型是根据信号水平估算设定点,而不是直接测量频率。加速度计携带的相关信息多于陀螺仪。由于设定点估算在故障期间变得不可靠,应用程序现在在检测到故障时会抑制这些估算。因此,该系统被呈现为一个可行性原型
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号