В текущих реалиях существующие системы диагностики тягового подвижного состава нуждаются в применении совершенно новых подходах с учетом инновационных методов в области информационных технологий. Такими методами могут являться применение нейронных сетей и машинного обучения на основе большого объема различных структурированных и неструктурированных данных. В настоящей работе изложены промежуточные результаты исследования в области применения нейронных сетей, а также некоторые положения разработки интеллектуальной системы диагностики тяговых электродвигателей (ТЭД) электровозов переменного тока.
Загрузка...
Интересный подход к определению технического состояния ТЭД электровоза.
Какие могут быть здесь на первый взгляд подводные камни. Разные способы пропитки изоляции ТЭД, используемых в депо и на заводах, обеспечивают неравномерное нагнетание пропиточного лака, как внутрь диэлектрика, так и снаружи его, и при повышении температуры ТЭД могут образовывать концентрацию газов в широких пределах, что может несколько затруднить диагностику. Однако эксперименты должны показать живучесть выдвинутой гипотезы.
Статья не имеет отношения к машинному обучению. Ее содержание посвящено описанию метода контроля состояния изоляции по спектру газов, выделяемых нагретой изоляцией. При этом из текста статьи непонятно, идет ли речь о бортовой диагностике и или о контроле состояния изоляции после разборки электрической машины. Если это бортовая диагностика, каким образом предполагается устанавливать на ТЭД оборудование для ИК-спектроскопии, каким образом осуществляется
его электропитание, как предполагается передавать данные в базу, каковы будут результаты спектроскопии в условиях интенсивного принудительного проточного охлаждения ТЭД воздухом, что является входными параметрами для моделей машинного обучения, какое отношение имеют к решению этой задачи сети Кохонена, которые являются инструментом кластеризации, а не классификации данных. Непонятно, что авторы подразумевают под «базисом интеллектуальной системы удаленной диагностики».
Прежде чем вести речь о машинном обучении, вероятно, нужно бы четко определиться с предлагаемым методом диагностики и экспериментально на реальном ТЭД, а не на образцах изоляционного материала, подтвердить его достоверность.
Статья заслуживает внимания тем, что предлагаемый подход имеет значительный потенциал практической реализации для удалённой оценки состояния изолирующих жидкостей и изоляционных материалов в удалённых статичных трансформаторах (объектах тяговой энергетической инфраструктуры).