Diagnostyka uszkodzeń mechanicznych silnika BLDC z zastosowaniem termowizji

W ramach projektu Miniatura Nr 2022/06/X/ST7/00158 przeprowadzono badania dotyczące diagnostyki uszkodzeń mechanicznych wałów silników BLDC (Brushless Direct Current) z zastosowaniem termowizji. Zbudowano stanowisko do badania obrazów termowizyjnych silników BLDC. Oryginalna technika diagnostyczna uszkodzeń mechanicznych wałów silników BLDC została przedstawiona. Pomiary wykonano kamerą FLIR E4. Drgania kamery termowizyjnej podczas pomiarów były w zakresie 0–1,5 [m/s2]. Silniki BLDC pochodziły z golarek elektrycznych (Prime3 Men’s Shaver SRS11, Philips S5587/30, Philips S1332/41). Zbadano następujące stany silników BLDC: zdrowy silnik BLDC, silnik BLDC z jednym uszkodzonym wałem (głowicą), silnik BLDC z dwoma uszkodzonymi wałami (głowicami) i silnik BLDC z trzema uszkodzonymi wałami (głowicami). Oryginalna metoda ekstrakcji cech o nazwie PNID (power of normalized image difference) została zaprezentowana. Głębokie sieci neuronowe zostały zastosowane do analizy obrazów termowizyjnych wałów silników BLDC: GoogLeNet, ResNet50 i EfficientNetb0. PNID, GoogLeNet, ResNet50 i EfficientNet-b0 miały skuteczność rozpoznawania równą 100% dla czterech badanych klas.

本研究依托编号为2022/06/X/ST7/00158的Miniatura项目开展，针对无刷直流电机（Brushless Direct Current, BLDC）转轴的机械损伤诊断展开热成像相关研究。搭建了BLDC电机热成像图像测试平台，提出了原创的BLDC电机转轴机械损伤诊断技术。本次测试使用FLIR E4红外热像仪（FLIR E4）完成，测量过程中该热像仪的振动加速度范围为0~1.5 m/s²。测试所用BLDC电机均取自三款电动剃须刀：Prime3 Men’s Shaver SRS11、Philips S5587/30及Philips S1332/41。本次测试涵盖四类BLDC电机状态：健康BLDC电机、单转轴头受损的BLDC电机、双转轴头受损的BLDC电机以及三轴转轴头受损的BLDC电机。本文提出了一种名为PNID（power of normalized image difference，归一化图像差分功率）的原创特征提取方法。此外，将GoogLeNet、ResNet50及EfficientNet-b0三种深度学习模型应用于BLDC电机转轴的热成像图像分析。最终，PNID、GoogLeNet、ResNet50及EfficientNet-b0对四类测试样本的识别准确率均达到100%。

搜集汇总

背景与挑战

背景概述

该数据集基于热成像技术，用于诊断BLDC电机的机械故障，研究涉及健康状态和三种不同故障程度的电机。通过PNID特征提取方法和深度学习模型（如GoogLeNet、ResNet50、EfficientNetb0）进行分析，实现了100%的故障识别准确率，突出了其高效性和实用性。