Проблемы цифровизации отказов асинхронного электропривода в сельском хозяйстве

   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.

1. Балашов 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.

2. 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.

3. Kujawa S., Niedbała G. Artificial neural networks in agriculture. Agriculture. 2021;11(6):497. doi: 10.3390/agriculture11060497. EDN: ARJYSG.

4. 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.

5. Коробков И. Ф., Шилова Т. В. Особенности эксплуатации электродвигателей в сельском хозяйстве // Вестник НГИЭИ. 2011. № 3 (4). С. 122–132. EDN: PVEWSJ.

6. Кожухов В. А., Стрижнев С. А. Обзор технологических отказов асинхронных двигателей в сельскохозяйственном производстве // Вестник КрасГАУ. 2006. № 11. С. 199–202. EDN: KYHUIP.

7. Устинов М. А. Обзор существующих методов диагностирования электродвигателей // Форум молодых ученых. 2020. № 5 (45). С. 481–486. EDN: VINYRT.

8. 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.

9. 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.

10. 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: EHQOBC

11. 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.

12. Чичков Б. А., Раков П. И. Классификация искусственных нейронных сетей // Научный вестник МГТУ ГА. 2005. № 85. С. 82–87. EDN: JWVRCN.

13. 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.

14. 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.

15. 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.

16. 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.

17. 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.

18. 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.).

19. 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.

20. 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.

21. 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.

22. Белоглазов Д. А. Особенности нейросетевых решений, достоинства и недостатки, перспективы применения // Известия ЮФУ. Технические науки. 2008. № 7 (84). С. 105–110. EDN: KAPCWZ.

23. 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.

24. 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.

25. 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.

26. 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.

27. 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.

28. 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.

29. 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.