Please enable JavaScript in your browser. It is required to use most of the features of Dataverse.

RepOD

Select dataverse

Add dataset

Metrics

44 Downloads

Share Dataset

Share this dataset on your favorite social media networks.

Research on development of a universal diagnostic system for stator winding faults of induction motor and PMSM based on transfer learning.

Version 1.0

Skowron, Maciej, 2024, "Research on development of a universal diagnostic system for stator winding faults of induction motor and PMSM based on transfer learning.", https://doi.org/10.18150/XXY49N, RepOD, V1

Learn about Data Citation Standards.

Description

Dane przedstawione w zbiorze opisują badania nad wykorzystaniem uczenia transferowego głębokiej sieci konwolucyjnej do opracowania uniwersalnego systemu diagnostyki uszkodzeń uzwojenia stojana silnika indukcyjnego i silnika synchronicznego z magnesami trwałymi. Proponowany system diagnostyczny wykorzystuje bezpośrednie przetwarzanie sygnałów prądu fazowego do wykrywania i oceny stopnia uszkodzenia stojana. Idea bazowała na wykorzystaniu struktury sieci wstępnie wytrenowanej dla systemu diagnostycznego silnika indukcyjnego w aplikacji diagnostycznej dedykowanej silnika indukcyjnego oraz synchronicznego z magnesami trwałymi. Weryfikacja eksperymentalna przeprowadzona na rzeczywistych obiektach potwierdziła bardzo wysoką precyzję wykrywania i klasyfikacji uszkodzeń w stanie ustalonym i przejściowym dla obu maszyn.

Zbiór zawiera dane gotowe do odczytu z wykorzystaniem środowiska Matlab&Simulink w wersjach: 2019a, 2019b, 2020a, 2020b, 2021a, 2021b, 2022a, 2022b, 2023a, 2023b. Odczyt struktur sieci głębokich może być przeprowadzony również przy zastosowaniu dodatku Deep Learning Toolbox (w wersjach od 2019a do 2023b). Dane symulacyjne, przebiegi czasowe oraz odpwowiedzi struktur (Exp_ver_...json) moga być odczytane również z wykorzystaniem pakietu Microsoft Excel.

Opis plików:

- Object_to_Object_TL_PMSM_training_data - zestaw danych treningowych, walidacyjnych, testujących oraz odpowiadających im kanałów w formie macierzy 4-wymiarowej (4-wymiar odpowiada kolejnej próbce) dla silnika PMSM.

- Object_to_Object_TL_SI_training_data - zestaw danych treningowych, walidacyjnych, testujących oraz odpowiadających im kanałów w formie macierzy 4-wymiarowej (4-wymiar odpowiada kolejnej próbce) dla silnika indukcynjego.

-Exp_ver_OO_IM_faults_ - przebiegi czasowe sygnałów (prady fazowe), odpowiedzi sieci neuronowej podczas występowania chwilowych zwarć 3 zwojów fazy B dla silnika indukcyjnego.

-Exp_ver_OO_PMSM_faults - przebiegi czasowe sygnałów (prady fazowe), odpowiedzi sieci neuronowej podczas występowania chwilowych zwarć 3 zwojów fazy B dla silnika PMSM.

- CNN(induction motor)_ source__structure - struktura sieci konwolucyjnej, zapis warstw sieci wraz ze współczynnikami wagowymi (po procesie uczenia) opracowanej dla silnika indukcyjnego (obiekt źródłowy)

- CNN(PMSM)_ source__structure - struktura sieci konwolucyjnej, zapis warstw sieci wraz ze współczynnikami wagowymi (po procesie uczenia) opracowanej dla silnika PMSM (obiekt docelowy)

(2023-08-28)

Subject

Computer and Information Science; Engineering

Keyword

convolutional neural networks, transfer learning, fault diagnostics, induction motor, permanent magnet synchronous motor

Related Publication

M. Skowron, "Development of a universal diagnostic system for stator winding faults of induction motor and PMSM based on transfer learning," 2023 IEEE 14th International Symposium on Diagnostics for Electrical Machines, Power Electronics and Drives (SDEMPED), Chania, Greece, 2023, pp. 517-523, doi: 10.1109/SDEMPED54949.2023.10271444. https://ieeexplore.ieee.org/document/10271444 doi: 10.1109/SDEMPED54949.2023.10271444

License

CC BY - Creative Commons Attribution 4.0

Find

1 to 6 of 6 Files

			Download
		CNN(induction motor)_ source__structure.json Unknown - 329.2 KB - Feb 15, 2024 - 8 Downloads MD5: 3076fb1e511a47932809a2982387ff35 License: CC BY - Creative Commons Attribution 4.0	Download
		CNN(PMSM)_structure.json Unknown - 329.1 KB - Feb 15, 2024 - 7 Downloads MD5: 62998bae8112fab015cd715a2492e9c4 License: CC BY - Creative Commons Attribution 4.0	Download
		Exp_ver_OO_IM_faults.json Unknown - 3.8 MB - Feb 15, 2024 - 7 Downloads MD5: 61b1c5b2e4f36c4645497453e0e90647 License: CC BY - Creative Commons Attribution 4.0	Download
		Exp_ver_OO_PMSM_faults.json Unknown - 7.0 MB - Feb 15, 2024 - 7 Downloads MD5: 5c5ac78d85d5a70e25a1878f7832cbd2 License: CC BY - Creative Commons Attribution 4.0	Download
		Object_to_Object_TL_PMSM_training_data.json Unknown - 123.7 MB - Feb 15, 2024 - 8 Downloads MD5: 4344539c1225258832aaaa4d4353a45f License: CC BY - Creative Commons Attribution 4.0	Download
		Object_to_Object_TL_SI_training_data.json Unknown - 98.9 MB - Feb 15, 2024 - 7 Downloads MD5: a34d5420ab051b2695fc31298b560c9b License: CC BY - Creative Commons Attribution 4.0	Download

Select File(s)

Please select a file or files to be deleted.

Delete Files

The file(s) will be deleted after you click on the Delete button.

Files will not be removed from previously published versions of the dataset.

Select File(s)

Please select a file or files to be edited.

Select File(s)

Please select a file or files to be edited.

Select File(s)

Please select a file or files to be edited.

Edit license

License

For selected file(s) set a license to

Select File(s)

Please select a file or files to be downloaded.

Select File(s)

Please select a file or files for access request.

Select File(s)

Please select restricted file(s) to be unrestricted.

Request Access

You need to Log In/Sign Up to request access to this file.

Continue

Dataset Terms

Please confirm and/or complete the information needed below in order to continue.

Asterisks indicate required fields

Request Access

Access to file(s) subject to additional consent under following conditions:

Package File Download

Restricted Files Selected

The restricted file(s) selected may not be downloaded because you have not been granted access.

Restricted Files Selected

The restricted file(s) selected may not be downloaded because you have not been granted access.

Click Continue to download the files you have access to download.

Delete Dataset

Are you sure you want to delete this dataset and all of its files? You cannot undelete this dataset.

Embargo

Are you sure you want to lift the embargo?

Once you lift the embargo, you will not be able to set it again.

Delete Draft Version

Are you sure you want to delete this draft version? Files will be reverted to the most recently published version. You cannot undelete this draft.

Dataset Private URL

Use a Private URL to allow those without Dataverse accounts to access your dataset. For more information about the Private URL feature, please refer to the User Guide.

Private URL has not been created.

Dataset Private URL

Are you sure you want to disable the Private URL? If you have shared the Private URL with others they will no longer be able to use it to access your dataset.

Submit for Review

You will not be able to make changes to this dataset while it is in review.

Additional information for the dataset reviewer:

Submit

Publish Dataset

This dataset cannot be published until RepOD is published. Would you like to publish both right now?

Once you publish this dataset it must remain published.

Publish Dataset

Are you sure you want to republish this dataset?

Select if this is a minor or major version update.

Minor Release (1.1)

Major Release (2.0)