Zespół badawczy:

• prof. dr hab. inż. Teresa Orłowska-Kowalska (kierownik projektu),
• dr hab. inż. Marcin Wolkiewicz,
• dr hab. inż. Grzegorz Tarchała,
• dr inż. Paweł Ewert,
• dr inż. Tomasz Zawilak,
• mgr inż. Maciej Skowron,
• mgr inż. Mateusz Krzystofiak,
• mgr inż. Przemysław Pietrzak.

Celem projektu było opracowanie nowych metod detekcji i diagnostyki uszkodzeń typu elektrycznego i mechanicznego w układach napędowych z silnikami synchronicznymi o magnesach trwałych przy wykorzystaniu zaawansowanych metod przetwarzania sygnałów i sieci neuronowych. W ramach projektu opracowano i przetestowano, w badaniach symulacyjnych i eksperymentalnych, hybrydowe oraz bezpośrednie systemy detekcji i klasyfikacji podstawowych uszkodzeń silnika PMSM pracującego w zamkniętej strukturze sterowania wektorowego, wykorzystujące metody uczenia maszynowego. Opracowano systemy diagnostyczne oparte na sieciach głębokich (konwolucyjnych) przetwarzających bezpośrednio sygnały uzyskane z pomiarów lub badań symulacyjnych napędu oraz systemy hybrydowe, wykorzystujące różne metody przetwarzania sygnałów i płytkie sieci neuronowe (np. perceptron wielowarstwowy, sieć Kohonena, sieci kaskadowe) bądź różne algorytmy klasyfikujące (np. K-najbliższych sąsiadów, metodę wektorów nośnych, drzewo decyzyjne, naiwny klasyfikator Bayesa).

Badania o charakterze podstawowym zrealizowane w ramach projektu dotyczyły pięciu głównych zagadnień:

1. Opracowanie modeli matematycznych do symulacji uszkodzeń uzwojeń elektrycznych i uszkodzeń magnesów trwałych w silnikach PMSM oraz generacja symptomów zwarć zwojowych i demagnetyzacji na podstawie badań symulacyjnych.
2. Przygotowanie stanowiska badawczego z silnikiem PMSM umożliwiającego fizykalne modelowanie uszkodzeń o charakterze elektrycznym (zwarcia zwojowe), magnetycznym (uszkodzenie magnesów trwałych) i mechanicznym (uszkodzenia łożysk, nieosiowość, niewyważenie wirnika) oraz generację symptomów tych uszkodzeń i weryfikację opracowanych metod przetwarzania sygnałów oraz neuronowych detektorów i klasyfikatorów uszkodzeń.
3. Analiza, opracowanie i przetestowanie w badaniach symulacyjnych i eksperymentalnych klasycznych i zaawansowanych algorytmów przetwarzania sygnałów prądu i przyspieszenia drgań umożliwiających generację symptomów uszkodzeń o charakterze elektrycznym i mechanicznym silników prądu przemiennego, w szczególności silników PMSM.
4. Opracowanie oraz przetestowanie w badaniach eksperymentalnych hybrydowych detektorów i klasyfikatorów uszkodzeń silników PMSM, bazujących na symptomach uszkodzeń uzyskanych ze wstępnie przetworzonych sygnałów pomiarowych i na płytkich sieciach neuronowych oraz algorytmach klasyfikacyjnych.
5. Opracowanie oraz przetestowanie w badaniach eksperymentalnych detektorów i klasyfikatorów uszkodzeń silnika PMSM, bazujących na sieciach konwolucyjnych trenowanych na podstawie surowych danych pomiarowych bądź wyników badań symulacyjnych i weryfikowanych w rzeczywistym napędzie.

Efektem wykonanych badań są inteligentne systemy diagnostyczne umożliwiające detekcję uszkodzeń elektrycznych, magnetycznych i mechanicznych w ich początkowej fazie, jak również klasyfikację poziomu lub rodzaju wybranych uszkodzeń. Zaproponowane rozwiązania mają potencjał wdrożeniowy i dlatego mogą stanowić alternatywę dla stosowanych dotychczas technik diagnostycznych zarówno w zastosowaniach przemysłowych, jak i komercyjnych.

Wyniki prac zostały przedstawione na konferencjach o zasięgu międzynarodowym (PEMC, EDPE, ELECTRIMACS, SPEEDAM) jak i ogólnopolskim (SENE). Najbardziej wartościowe wyniki prac zostały opublikowane w czasopismach o zasięgu międzynarodowym (IEEE Transactions on Industrial Electronics, IET Electric Power Applications, IEEE Access, Bulletin of the Polish Academy of Sciences – Technical Sciences, Archives of Electrical Engineering, Electronics, Energies, Power Electronics and Drives).

Część wyników badań zrealizowanych w ramach projektu została uwzględniona w obronionych rozprawach doktorskich stypendystów projektu: Macieja Skowrona („Diagnostyka uszkodzeń silników indukcyjnych i synchronicznych z magnesami trwałymi przy wykorzystaniu sieci neuronowych z głębokim uczeniem” – 2021), Mateusza Krzystofiaka („Metody modelowania matematycznego w diagnostyce uszkodzeń silników synchronicznych o magnesach trwałych” – 2024) oraz Przemysława Pietrzaka („Diagnostyka uszkodzeń uzwojeń stojana w układach napędowych z silnikami synchronicznymi o magnesach trwałych przy wykorzystaniu zaawansowanych metod przetwarzania sygnałów i sztucznej inteligencji” – 2025).