A Neural Network for Monitoring Insulation During Coil Winding
PDF (Russian)

Keywords

electric drive
enamel insulation
defect
defect sensor
neural network
synapses

How to Cite

1.
Smirnov G.V., Zamyatin N.V. A Neural Network for Monitoring Insulation During Coil Winding // Russian Journal of Cybernetics. 2024. Vol. 5, № 3. P. 13-23. DOI: 10.51790/2712-9942-2024-5-3-02.

Abstract

the use of enamel-insulated wires is widespread in various electrical products, making insulation control crucial during the manufacturing process to ensure reliability. Current methods can only detect defects in the insulation prior to the winding process. This study presents a method and device that enable the detection of insulation defects during the winding process, identifying both the number and size of defects in real-time. A feedforward neural network with synaptic coefficient adjustment is employed to make decisions about defect presence during manufacturing. An example implementation of this method and device is also provided.

https://doi.org/10.51790/2712-9942-2024-5-3-02
PDF (Russian)

References

Смирнов Г. В. Пооперационный контроль процесса изготовления обмоток электрических машин. М.: Научно-техническое издательство «Горячая линия — Телеком»; 2018. 156 с.

Хомутов С. О., Семичевский П. И., Кобозев Е. В. Повышение эффективности восстановления изоляции электрических двигателей на основе комплексной оценки воздействующих факторов. Ползуновский вестник. 2009;1–2:220–229.

Смирнов Г. В., Смирнов Д. Г. Физические основы неразрушающего контроля изоляции обмоток электроприводов горношахтного и нефтепромыслового оборудования. Известия Томского политехнического университета. Инжиниринг георесурсов. 2016;327(2):102-116.4.

Курбатова О. А., Павлюченко В. М. Монтаж и ремонт горных машин и электрооборудования. Владивосток: Изд-во ДВГТУ; 2004. 286 с.

Колмаков Е. А., Кондрашов П. М., Зеньков И. В. Обзор конструкций фильтров в составе погружных электроцентробежных насосов при добыче нефти. Вестник КузГТУ. 2016;1:150–155.

Каширских В. Г., Гаргаев А. Н., Завьялов В. М., Семыкина И. Ю. Компьютерная система для функциональной диагностики электроприводов карьерных экскаваторов. Вестник КузГТУ. 2016;6:159– 168.

Русский Е. Ю. Анализ прочности роторов шахтных осевых вентиляторов. Вестник КузГТУ. 2015;2:31–34.

Герике П. Б. Определение дефектов динамического оборудования тяговых лебедок экскаваторов типа драглайн по параметрам механических колебаний. Вестник КузГТУ. 2014;1:21–26.

Андрианов В. К., Васильев Е. Б. Состояние производства и научно-технические аспекты развития обмоточных проводов в России. Кабели и провода. 2014;5:3–6.

Бесперстов П. П., Заикин А. И., Пугачев К. Г., Кириллов Ю. А. Авторское свидетельство СССР № 1665320А1, кл. G01N27/68. Опубл. 23.07.91. Бюл. № 27.

Патент РФ 2737515 (по заявке 2020107811 от 21.02.20.) Способ контроля дефектности изоляции обмоточных проводов / Смирнов Г. В. Опубл. 01.12.2020. Бюл. № 34.

Замятин Н. В., Смирнов Г. В. Нейронные компьютерные системы и их применение. Томск: Изд-во Томского гос. ун-та систем управления и радиоэлектроники; 2021. 316 с.

Downloads

Download data is not yet available.