Regression analysis of the Performance of Asynchronous Electric Motors on the Basis of Support Vector Machine (SVM)

Abstract

Актуальність теми статті полягає в тому, що запропонована методика здійснення регресійного аналізу працездатності асинхронних двигунів є невибагливою до точності вимірювання величин, за якими здійснюється регресійний аналіз, та до об’єму навчальної вибірки, тому вона може знайти застосування у сучасних вбудовуваних системах діагностування. Мета роботи – розширити функціональні можливості вбудовуваних систем інтелектуального діагностування електричних машин шляхом навчання та аналізу регресійної моделі для визначення можливої кількості обірваних стрижнів короткозамкненого ротора асинхронного двигуна. Методи дослідження засновані на використанні опорно-векторної класифікаційної машини, що застосовується у регресійному представленні. За такого підходу параметри регресійної моделі визначаються за допомогою розв’язання задачі квадратичного програмування, що має лише один розв’язок. Для визначення значень параметрів, що використовуються для навчання моделі, застосовують загальну теорію перехідних процесів у машинах змінного струму, методи математичного моделювання, обчислювальної математики, методи визначення симетричних складових узагальнених векторів. Розроблено методику здійснення регресійного аналізу працездатності асинхронних двигунів на основі методу опорно-векторної класифікаційної машини, що дозволяє визначати як наявні несправності та пошкодження електричної машини, так і передбачити їхнє можливе виникнення у найближчому майбутньому. Розроблена на базі методу опорних векторів регресійна модель дозволяє визначати кількість пошкоджених стрижнів короткозамкненого ротора асинхронного двигуна. Ефективність моделі підтверджено у результаті експериментальних досліджень. Встановлено, що найменше значення середньоквадратичного відхилення має регресійна модель з радіально-базисною функцією ядра. Отже, в тих випадках, коли необхідно використовувати регресійний зв’язок між керованими координатами, значні перспективи має застосування методів машинного навчання, заснованих на моделі векторного простору, мета яких – знайти поділяючі поверхні між класами, максимально віддалені від усіх точок навчальної множини.The subject of the article is relevant, since the proposed method for performing a regression analysis of the operation of asynchronous motors does not have special requirements to the accuracy of measuring the quantities used in the regression analysis and to the volume of a training sample, so it can be used in modern embedded diagnostic systems. The research methods are based on the use of the support vector machine applied in the regression representation. In this approach, the parameters of a regression model are determined by solving a quadratic programming problem having only one solution. To determine the values of the parameters used to train the model, the general theory of transients in electric machines, methods of mathematical modeling, computational mathematics and methods for determining the symmetric components of generalized vectors are used in the paper. The regression model based on the support vector machine is used to determine the number of damaged rods of the short-circuited rotor of the asynchronous motor. The efficiency of the model has been confirmed by experimental studies. It has been established that a regression model with the radial basis kernel function has the least value of the mean square deviation. Thus, in cases where a regression relation between controlled coordinates must be used, the use of machine learning methods based on the vector space model whose purpose is to find dividing surfaces between classes located as far as possible from all points of the training set has considerable prospects.