omnaОмский научный вестникOmsk Scientific Bulletin1813-82252541-7541Омский государственный технический университет10.25206/1813-8225-2026-199-97-105BEMXLJomna-456Research ArticleЭНЕРГЕТИКА И ЭЛЕКТРОТЕХНИКАENERGY AND ELECTRICAL ENGINEERINGПроблемы цифровизации отказов асинхронного электропривода в сельском хозяйствеProblems of digitalizing failure analysis of asynchronous electric drives in agricultureПаюкЛ. А.PayukL. A.

Любовь Анатольевна Паюк, кандидат технических наук, доцент

отделение «Электроэнергетика и электротехника»

634050; пр. Ленина, 30; Томск

AuthorID (РИНЦ): 555556, AuthorID (SCOPUS): 57160434900

Lyubov Anatolyevna Payuk, Candidate of Technical Sciences, Associate Professor

Electric Power Engineering and Electrical Engineering Department

634050; Lenina Ave., 30; Tomsk

AuthorID (RSCI): 555556, AuthorID (SCOPUS): 57160434900

pla@tpu.ruhttps://orcid.org/0000-0001-9327-6441ВоронинаН. А.VoroninaN. A.

Наталья Алексеевна Воронина, кандидат технических наук, доцент

отделение «Электроэнергетика и электротехника»

634050; пр. Ленина, 30; Томск

AuthorID (РИНЦ): 790645, AuthorID (SCOPUS): 57159363700, ResearcherID: I-9992-2018

Nataliya Alekseevna Voronina, Candidate of Technical Sciences, Associate Professor

Electric Power Engineering and Electrical Engineering Department

634050; Lenina Ave., 30; Tomsk

AuthorID (RSCI): 790645, AuthorID (SCOPUS): 57159363700, ResearcherID: I-9992-2018

voronina@tpu.ruhttps://orcid.org/0000-0003-2174-6744ГлазачевА. В.GlazachevA. V.

Александр Владимирович Глазачев, кандидат технических наук, доцент

отделение «Электроэнергетика и электротехника»

634050; пр. Ленина, 30; Томск

AuthorID (РИНЦ): 297842, AuthorID (SCOPUS): 57188629801, ResearcherID: E-6908-2017

Alexander Vladimirovich Glazachev, Candidate of Technical Sciences, Associate Professor

Electric Power Engineering and Electrical Engineering Department

634050; Lenina Ave., 30; Tomsk

AuthorID (RSCI): 297842, AuthorID (SCOPUS): 57188629801, ResearcherID: E-6908-2017

alexg@tpu.ruУмурзаковаА. Д.UmurzakovaA. D.

Анара Даукеновна Умурзакова, кандидат технических наук, заведующий кафедрой

кафедра «Эксплуатацияэлектрооборудования»

010011; пр. Женис, 62; Астана

AuthorID (РИНЦ): 834837, AuthorID (SCOPUS): 56485976200

Anara Daukenovna Umurzakova, Candidate of Technical Sciences, Head of the Department

Electrical Equipment Operation Department

010011; Zhenis Ave., 62; Astana

AuthorID (RSCI): 834837, AuthorID (SCOPUS): 56485976200

granat_72@mail.ruhttps://orcid.org/0000-0001-9504-1312ХацевскийК. В.KhatsevskiyK. V.

Константин Владимирович Хацевский, доктор технических наук, доцент, профессор

кафедра «Электрическая техника»

644050; пр. Мира, 11; Омск

AuthorID (РИНЦ): 465857, AuthorID (SCOPUS): 56503931800, ResearcherID: A-4002-2016

Konstantin Vladimirovich Khatsevskiy, Doctor of Technical Sciences, Associate Professor, Professor

Electrical Engineering Department

644050; Mira Ave., 11; Omsk

AuthorID (RSCI): 465857, AuthorID (SCOPUS): 56503931800, ResearcherID: A-4002-2016

xkv-post@rambler.ruНациональный исследовательский Томский политехнический университетРоссияNational Research Tomsk Polytechnic UniversityRussian FederationКазахский агротехнический исследовательский университет имени С. СейфуллинаКазахстанS. Seifullin Kazakh Agro Technical Research UniversityKazakhstanОмский государственный технический университетРоссияOmsk State Technical UniversityRussian Federation2026111020260397105Copyright © Паюк Л.А., Воронина Н.А., Глазачев А.В., Умурзакова А.Д., Хацевский К.В., 20262026Паюк Л.А., Воронина Н.А., Глазачев А.В., Умурзакова А.Д., Хацевский К.В.Payuk L.A., Voronina N.A., Glazachev A.V., Umurzakova A.D., Khatsevskiy K.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://onv.omgtu.ru/jour/article/view/456

   В работе рассмотрен актуальный вопрос применения нейросетевой диагностики как вспомогательного элемента комплекса мер по выявлению отказов асинхронного электропривода виброщековой дробилки для дробления минеральных удобрений. 

   Особенностью данного оборудования является способность создавать мощные вибрационные нагрузки, необходимые для эффективного разрушения материала, при этом сохраняя надёжность и простоту конструкции.

   Согласно статистическим данным, до 95 % асинхронных двигателей, устанавливаемых в виброщековых дробилках для дробления минеральных удобрений, составляют машины мощностью от 75 до 250 кВт. Эти двигатели наиболее подвержены действию агрессивной среды, влажности и перепадам температур и повышенным вибрационным нагрузкам, что приводит к выходу из строя в первую очередь механической части оборудования и стержней обмоток статора. Обозначены основные проблемы применения метода нейросетевой диагностики оборудования, разработан алгоритм прогнозирования отказов исполнительного двигателя, а именно обрыв стержней в фазах статора асинхронного двигателя, который работает как приводной для виброщековой дробилки минеральных удобрений. Приведены методика их оценки, а также развернутый алгоритм, который позволяет исключить ряд характерных отказов для данного оборудования, повысив эффективность использования асинхронного электропривода в данной отрасли. В ходе исследования были получены рекомендации по работе и настройке рассматриваемого нейросетевого алгоритма диагностики асинхронного двигателя на предмет наличия обрыва стержней статора.

   The paper examines the relevant issue of using neural network diagnostics as an auxiliary element of a set of measures to detect failures of the asynchronous electric drive of a vibratory jaw crusher used for crushing mineral fertilizers.

   A distinctive feature of this equipment is its ability to generate powerful vibration loads necessary for the effective destruction of the material, while maintaining the reliability and simplicity of the design.

   According to statistical data, up to 95 % of asynchronous motors installed in vibratory jaw crushers for crushing mineral fertilizers are machines with a power output ranging from 75 to 250 kW. These motors are most susceptible to the effects of aggressive environments, humidity, temperature fluctuations and increased vibration loads, which primarily leads to the failure of the mechanical parts of the equipment and the stator winding bars. The authors demonstrate the main problems of applying the method of neural network diagnostics of equipment and develop an algorithm for predicting failures of the actuator, namely, rod breakage in the phases of the stator of an asynchronous motor that operates as a drive for a vibrating jaw crusher of mineral fertilizers. Moreover, the research presents the assessment methodology with an expanded algorithm that allows eliminating a number of typical failures for this equipment, thereby increasing the efficiency of using an asynchronous electric drive in this industry. The research produced guidelines for operating and configuring the neural network algorithm designed to detect broken stator bars in an asynchronous motor.

отказаварийный режимэлектропривод переменного токаасинхронный двигательдиагностика неисправностейкомбинированный методалгоритмнейросетьfailureemergency modeAC electric driveasynchronous motorfault diagnosiscombined methodalgorithmnetwork modelАвторы не имеют финансовой заинтересованности в представленных материалах и методахThe authors have no financial interest in the presented materials or methodsReferencesБалашов А. М. Цифровизация и использование искусственного интеллекта в производственных процессах современных предприятий // Теоретическая экономика. 2024. № 11. С. 34–41. doi: 10.52957/2221-3260-2024-11-34-41 EDN: UKMLFE.Balashov A. M. Digitalization and the use of artificial intelligence in the production processes of modern enterprises. Theoretical Economics. 2024;11:34–41. doi: 10.52957/2221-3260-2024-11-34-41. EDN: UKMLFE. (In Russ.).Черникова Т. М., Дабаров В. В., Каченков А. К. Повышение энергоэффективности асинхронных двигателей // Техника и технология горного дела. 2024. № 1 (24). С. 77–86. doi: 10.26730/2618-7434-2024-1-77-86. EDN: EVEQUJ.Chernikova T. M., Dabarov V. V., Kachenkov A. K. Increasing the energy efficiency of asynchronous motors. Journal of Mining and Geotechnical Engineering. 2024:1(24):77–86. doi: 10.26730/2618-7434-2024-1-77-86. EDN: EVEQUJ. (In Russ.).Kujawa S., Niedbała G. Artificial neural networks in agriculture. Agriculture. 2021;11(6):497. doi: 10.3390/agriculture11060497. EDN: ARJYSG.Kujawa S., Niedbała G. Artificial neural networks in agriculture. Agriculture. 2021;11(6):497. doi: 10.3390/agriculture11060497. EDN: ARJYSG.Воробьева Н. А., Колесников М. В. Трансформации аграрного сектора Японии в рамках полномасштабной цифровизации // Известия Восточного института. 2022. № 3 (55) С. 144–158. doi: 10.24866/2542-1611/2022-3/144-158. EDN: JOCIEK.Vorobeva N. A., Kolesnikov M. V. Transformation of the agricultural sector in Japan as part of full-scale digitalization. Oriental Institute Journal. 2022;3(55):144–158. doi: 10.24866/2542-1611/2022-3/144-158. EDN: JOCIEK. (In Russ.).Коробков И. Ф., Шилова Т. В. Особенности эксплуатации электродвигателей в сельском хозяйстве // Вестник НГИЭИ. 2011. № 3 (4). С. 122–132. EDN: PVEWSJ.Korobkov N. F., Shilova T. V. The peculiarities of exploitation of the electric engines in agriculrure. Bulletin NGIEI. 2011;3(4):122–132. EDN: PVEWSJ. (In Russ.).Кожухов В. А., Стрижнев С. А. Обзор технологических отказов асинхронных двигателей в сельскохозяйственном производстве // Вестник КрасГАУ. 2006. № 11. С. 199–202. EDN: KYHUIP.Kozhukhov V. A., Strizhnev S. A. Obzor tekhnologicheskikh otkazov asinkhronnykh dvigateley v sel’skokhozyaystvennom proizvodstve. Bulletin of KSAU. 2006;11:199–202. EDN: KYHUIP. (In Russ.).Устинов М. А. Обзор существующих методов диагностирования электродвигателей // Форум молодых ученых. 2020. № 5 (45). С. 481–486. EDN: VINYRT.Ustinov M. A. Review of existing diagnostic methods of electric motors. Forum of Young Scientists. 2020;5(45):481–486. EDN: VINYRT. (In Russ.).Zaparoli I. O., Júnior A. M. G., Rossa A. J. [et al.]. Electrical current analysis for non-invasive early inter-turn short-circuit detection in FOC driven induction motors. Measurement Science and Technology. 2025;4(36:046117. doi: 10.1088/1361-6501/adc1e9. EDN: PPCCOW.Zaparoli I. O., Júnior A. M. G., Rossa A. J. [et al.]. Electrical current analysis for non-invasive early inter-turn short-circuit detection in FOC driven induction motors. Measurement Science and Technology. 2025;4(36:046117. doi: 10.1088/1361-6501/adc1e9. EDN: PPCCOW.Iglesias Martínez M. E., Antonino-Daviu J. A., Dunai L. [et al.]. Higher-order spectral analysis and artificial intelligence for diagnosing faults in electrical machines : An overview. Mathematics. 2024;12(24):4032. doi: 10.3390/math12244032. EDN: IWOWMY.Iglesias Martínez M. E., Antonino-Daviu J. A., Dunai L. [et al.]. Higher-order spectral analysis and artificial intelligence for diagnosing faults in electrical machines : An overview. Mathematics. 2024;12(24):4032. doi: 10.3390/math12244032. EDN: IWOWMY.Боннет Я. В., Логинов А. Ю., Прудников А. Ю. Особенности эксплуатации электродвигателей на птицефабрике // Актуальные вопросы аграрной науки. 2023. № 47. С. 8–17. doi: 10.51215/2411-6483-2023-(2)47-8-17. EDN: EHQOBCBonnet Ya. V., Loginov A. Yu., Prudnikov A. Yu. Features of operation of electric motors at a poultry farm. Electronic scientific-Practical journal “Actual issues of agrarian science”. 2023;47:8–17. doi: 10.51215/2411-6483-2023-(2)47-8-17. EDN: EHQOBC. (In Russ.).Хацевский К. В., Умурзакова А. Д., Воронина Н. А., Ичева Ю. Б. Анализ методов диагностирования неисправностей трехфазного асинхронного электродвигателя // Омский научный вестник. 2020. № 2 (170). С. 42–46. doi: 10.25206/1813-8225-2020-170-42-46. EDN: URHUMD.Khatsevskiy K. V., Umurzakova A. D., Voronina N. A., Icheva Yu. B. The analysis of method for diagnosing faults of three-phase asynchronous motor. Omsk Scientific Bulletin. 2020;2(170):42–46. doi: 10.25206/1813-8225-2020-170-42-46. EDN: URHUMD. (In Russ.).Чичков Б. А., Раков П. И. Классификация искусственных нейронных сетей // Научный вестник МГТУ ГА. 2005. № 85. С. 82–87. EDN: JWVRCN.Chichkov B. A., Rakov P. I. Klassifikatsiya iskusstvennykh neyronnykh setey. Civil Aviation High Technologies. 2005;85:82–87. EDN: JWVRCN. (In Russ.).Filippetti F., Franceschini G., Tassoni C. Neural networks aided on-line diagnostics of induction motor rotor faults. Conference Record of the 1993 IEEE Industry Applications Conference Twenty-Eighth IAS Annual Meeting. 1993;1:316–323.Filippetti F., Franceschini G., Tassoni C. Neural networks aided on-line diagnostics of induction motor rotor faults. Conference Record of the 1993 IEEE Industry Applications Conference Twenty-Eighth IAS Annual Meeting. 1993;1:316–323.Мугалимов Р. Г., Мугалимова А. Р., Калугин Ю. А., Одинцов К. Э. Методика диагностики и идентификации неисправностей обмоток асинхронного двигателя в режиме его функционирования // Электротехнические системы и комплексы. 2018. № 3 (40). С. 70–78. doi: 10.18503/2311-8318-2018-3(40)-70-78. EDN: YARKIX.Mugalimov R. G., Mugalimova А. R., Kalugin Yu. А., Odintsov K. E. Method of inductions motor malfunction diagnostics and identification during operation. Electrotechnical Systems and Complexes. 2018;3(40):70–78. doi: 10.18503/2311-8318-2018-3(40)-70-78. EDN: YARKIX. (In Russ.).Gana M., Achour H., Belaid K. [et al.]. Non-invasive intelligent monitoring system for fault detection in induction motor based on bio piezoelectric sensor using ANN. Measurement Science and Technology. 2022;33(6):065105. doi: 10.1088/1361-6501/ac4b8f. EDN: TTEDUX.Gana M., Achour H., Belaid K. [et al.]. Non-invasive intelligent monitoring system for fault detection in induction motor based on bio piezoelectric sensor using ANN. Measurement Science and Technology. 2022;33(6):065105. doi: 10.1088/1361-6501/ac4b8f. EDN: TTEDUX.Kerboua A., Kelaiaia R. Fault Diagnosis in an asynchronous motor using three-dimensional convolutional neural network. Arabian Journal for Science and Engineering. 2024;49(3):3467–3485. doi: 10.1007/s13369-023-08025-y. EDN: AZIUOJ.Kerboua A., Kelaiaia R. Fault Diagnosis in an asynchronous motor using three-dimensional convolutional neural network. Arabian Journal for Science and Engineering. 2024;49(3):3467–3485. doi: 10.1007/s13369-023-08025-y. EDN: AZIUOJ.Garcia-Calva T., Morinigo-Sotelo D., Fernandez-Cavero V., Romero-Troncoso R. Early detection of faults in induction motors : A review. Energies. 2022;15(21):7855. doi: 10.3390/en15217855.Garcia-Calva T., Morinigo-Sotelo D., Fernandez-Cavero V., Romero-Troncoso R. Early detection of faults in induction motors : A review. Energies. 2022;15(21):7855. doi: 10.3390/en15217855.Дробов А. В., Мирош Д. В., Галушко В. Н. Диагностика асинхронных электродвигателей с применением виброанализатора и сверточной нейронной сети // Энергетическая стратегия. 2024. № 1 (97). С. 38–41. EDN: SDUYXK. – Drobov A. V., Mirosh D. V., Galushko V. N. Diagnostika asinkhronnykh elektrodvigateley s primeneniyem vibroanalizatora i svertochnoy neyronnoy seti. Energeticheskaya Strategiya. 2024;1(97):38–41. EDN: SDUYXK. (In Russ.).Sereda E. G., Solovyov A. S. Asynchronous motor fault detection using machine learning algorithms. Modern Transportation Systems and Technologies. 2025;11(2):261–272. doi: 10.17816/transsyst682000. EDN: KMVRGF. (In Russ.).Capolino G.-A., Antonino-Daviu J. A., Riera-Guasp M. Modern diagnostics techniques for electrical machines, power electronics, and drives. IEEE Transactions on Industrial Electronics. 2015;62(3):1738–1745. doi: 10.1109/TIE.2015.2391186.Capolino G.-A., Antonino-Daviu J. A., Riera-Guasp M. Modern diagnostics techniques for electrical machines, power electronics, and drives. IEEE Transactions on Industrial Electronics. 2015;62(3):1738–1745. doi: 10.1109/TIE.2015.2391186.Fournier E., Picot A., Regnier J. [et al.]. Current-based detection of mechanical unbalance in an induction machine using spectral kurtosis with reference. IEEE Transactions on Industrial Electronics. 2015;62(3):1879–1887. doi: 10.1109/TIE.2014.2341561.Fournier E., Picot A., Regnier J. [et al.]. Current-based detection of mechanical unbalance in an induction machine using spectral kurtosis with reference. IEEE Transactions on Industrial Electronics. 2015;62(3):1879–1887. doi: 10.1109/TIE.2014.2341561.Баннов Д. М. Анализ методов диагностики обрыва стержня ротора асинхронного двигателя // Электротехнические и информационные комплексы и системы. 2021. Т. 17, № 3-4. С. 5–23. doi: 10.17122/1999-5458-2021-17-3-4-5-23. EDN: HGBIQU.Bannov D. M. Analysis of methods for diagnostics broken rotor bar of induction motor. Electrical and Data Processing Facilities and Systems. 2021;17(3-4):5–23. doi: 10.17122/1999-5458-2021-17-3-4-5-23. EDN: HGBIQU. (In Russ.).Белоглазов Д. А. Особенности нейросетевых решений, достоинства и недостатки, перспективы применения // Известия ЮФУ. Технические науки. 2008. № 7 (84). С. 105–110. EDN: KAPCWZ.Beloglazov D. A. Features neurons decisions, merits and demerits, application prospects. Izvestiya SFedU. Engineering Sciences. 2008;7(84):105–110. EDN: KAPCWZ. (In Russ.).Гришин Ф. С. Филимонов М. Н., Буганара С. Исследование возможностей создания системы диагностики параметров асинхронного двигателя мехатронного электромеханического модуля на основе искусственных нейронных сетей // Молодой исследователь Дона. 2023. Т. 8, № 3 (42). С. 15–17. EDN: SZKNGP.Grishin F. S., Filimonov M. N., Buganara S. Investigation of the possibilities of creating a system for diagnosing the parameters of an asynchronous motor of a mechatronic electromechanical module based on artificial neural networks (ANN). Young Explorer of the Don. 2023;8(3):15–17. EDN: SZKNGP. (In Russ.).Середа Е. Г., Соловьев А. С. Определение неисправностей асинхронных двигателей с помощью алгоритмов машинного обучения // Инновационные транспортные системы и технологии. 2025. Т. 11, № 2. С. 261–272. doi: 10.17816/transsyst682000. EDN: KMVRGF.Sereda E. G., Solovyov A. S. Asynchronous motor fault detection using machine learning algorithms. Modern Transportation Systems and Technologies. 2025;11(2):261–272. doi: 10.17816/transsyst682000. EDN: KMVRGF. (In Russ.).Бирюков А. Э., Сорокин Д. Г. Математическая модель асинхронного электродвигателя с учетом насыщения и нагрева // Современные технологии. Системный анализ. Моделирование. 2023. № 3 (79). С. 58–76. doi: 10.26731/1813-9108.2023.3(79).58-76. EDN: EGQNKJ.Biryukov A. E., Sorokin D. G. Mathematical model of an induction machine with consideration of saturation and heating. Modern Technologies. System analysis. Modeling. 2023;3(79):58–76. doi: 10.26731/1813-9108.2023.3(79).58-76. EDN: EGQNKJ. (In Russ.).Houili M., Sahraoui M., Cardoso A. J. M., Alloui A. Zero-sequence voltage outperforms MCSA-STFT for a robust interturn short-circuit fault diagnosis in three-phase induction motors: A comparative study. Machines. 2025;13(6):501. doi: 10.3390/machines13060501. EDN: IDCTAT.Houili M., Sahraoui M., Cardoso A. J. M., Alloui A. Zero-sequence voltage outperforms MCSA-STFT for a robust interturn short-circuit fault diagnosis in three-phase induction motors: A comparative study. Machines. 2025;13(6):501. doi: 10.3390/machines13060501. EDN: IDCTAT.Мирош Д. В. Нейросетевая обработка параметров состояния асинхронных двигателей при межвитковом замыкании // Модели, системы, сети в экономике, технике, природе и обществе. 2024. № 3 (51). С. 105–115. doi: 10.21685/2227-8486-2024-3-9. EDN: VHQXOB.Mirosh D. V. Neural network processing of asynchronous motor state parameters in case of inter-turn closure. Models, systems, networks in economics, technology, nature and society. 2024;3(51):105–115. doi: 10.21685/2227-8486-2024-3-9. EDN: VHQXOB. (In Russ.).Кучеренко Д. Е., Сторчак Н. В., Зубков С. С. О способах повышения надёжности электродвигателей сельскохозяйственного назначения // Приднепровский научный вестник. 2025. Т. 6, № 2. С. 88–90. EDN: MLCQAC.Kucherenko D. E., Storchak N. V., Zubkov S. S. O sposobakh povysheniya nadezhnosti elektrodvigateley sel’skokhozyaystvennogo naznacheniya. Pridneprovskiy Nauchnyy Vestnik. 2025;6(2):88–90. EDN: MLCQAC. (In Russ.).Сторчевой В. Ф., Ахмедьянова Е. Н., Редников С. Н., Хайретдинова К. Т. Исследование потерь энергии и дефектов в электродвигателях при эксплуатации в АПК // Вестник НГИЭИ. 2025. № 11 (174). С. 56–66. doi: 10.24412/2227-9407-2025-11-56-66. EDN: QQNJBO.Storchevoy V. F., Akhmedyanova E. N., Rednikov S. N., Khayretdinova K. T. Investigation of energy losses and defects in electric motors during operation in agriculture. Bulletin NGIEI. 2025;11(174):56–66. doi: 10.24412/2227-9407-2025-11-56-66. EDN: QQNJBO. (In Russ.).

The authors declare that there are no conflicts of interest present.