Development of an intelligent diagnostic system for electromechanical systems
Loading...
Date
2024-07-14
Journal Title
Journal ISSN
Volume Title
Publisher
University of Msila
Abstract
EN
This project develops an intelligent fault diagnosis system for asynchronous motors using neural networks and decision trees, implemented on FPGA circuits. Neural networks use multilayer perceptrons with backpropagation to classify faults from RMS voltage inputs. Decision trees provide interpretable and efficient fault detection. The FPGA implementation ensures rapid, real-time fault diagnosis. The study demonstrates improved fault detection accuracy and responsiveness, highlighting the potential of combining AI algorithms with FPGA technology to enhance the reliability of electromechanical systems.
FR
Ce projet développe un système intelligent de diagnostic des pannes pour les moteurs asynchrones en utilisant des réseaux neuronaux et des arbres de décision, implémentés sur des circuits FPGA. Les réseaux neuronaux utilisent des perceptrons multicouches avec rétropropagation pour classifier les pannes à partir des valeurs RMS des tensions. Les arbres de décision offrent une détection des pannes interprétable et efficace. L'implémentation sur FPGA assure un diagnostic des pannes rapide et en temps réel. L'étude démontre une amélioration significative de la précision de détection des pannes et de la réactivité, soulignant le potentiel de la combinaison des algorithmes d'IA avec la technologie FPGA pour améliorer la fiabilité des systèmes électromécaniques