Fault Classification of an Induction Motor Using Texture Features of Vibration Signals

Jang, Won-Chul; Kang, Myeongsu; Kim, Jong‐Myon

doi:10.1007/978-94-017-8798-7_22

Cited by 2 publications

(2 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Esta técnica consiste na geração de uma imagem 2D em escala de cinza através da conversão de um sinal 1D, podendo servir de entrada para um GLCM [12], [13].…”

Section: Conjunto De Dadosunclassified

Um novo extrator de características para aplicações embarcadas de detecção de falhas em motores elétricos

Silva¹,

Silva²,

Costa³

2020

Anais Estendidos Do X Simpósio Brasileiro De Engenharia De Sistemas Computacionais (SBESC Estendido 2020)

View full text Add to dashboard Cite

Os motores de indução são utilizados em diversas aplicações industriais devido à sua alta eficiência. Além disso, o custo por interrupção de operação não plenejada dessas máquinas costuma ser elevado. Por essa razão, há a um interesse da indústria e da comunidade científica em desenvolver soluções para detectar antecipadamente falhas nesses motores. Muitos métodos de detecção de padrões tem sido propostos a partir de diferentes sinais extraídos do motor e usando diferentes combinações de extratores de características com algoritmos de classificação alguns com elevado sucesso, como a combinação GLCM (Gray-Level Co-occurrence Matrix) e SVM (Su-pport vector machine). Este trabalho propõe uma abordagem nova para utilização do GLCM em sinais no tempo, mas evitando a criação de uma imagem intermediária para representação do sinal de entrada. A técnica proposta é avaliada em estação de trabalho e em plataforma embarcada, com resultados de taxa de acerto, tempo de computação e uso de memória.

show abstract

“…Esta técnica consiste na geração de uma imagem 2D em escala de cinza através da conversão de um sinal 1D, podendo servir de entrada para um GLCM [12], [13].…”

Section: Conjunto De Dadosunclassified

Um novo extrator de características para aplicações embarcadas de detecção de falhas em motores elétricos

Silva¹,

Silva²,

Costa³

2020

Anais Estendidos Do X Simpósio Brasileiro De Engenharia De Sistemas Computacionais (SBESC Estendido 2020)

View full text Add to dashboard Cite

show abstract

“…However, LBP cannot efficiently extracts features from the uncertain image patterns due to the non-adaptive parameter selection, such as the number of neighbour pixels (P) and radius (R). Jang et al (2014) proposed a 2D texture feature analysis based fault classification model using grey-level co-occurrence matrix (GLCM). Kang and Kim (2013) and Nava (2014) also proposed texture analysis based signal processing approaches for fault diagnosis.…”

Section: Introductionmentioning

confidence: 99%

Texture analysis based feature extraction using Gabor filter and SVD for reliable fault diagnosis of an induction motor

Islam

Uddin

Kim

2018

IJITM

View full text Add to dashboard Cite

This paper presents a texture analysis based feature extraction method using a Gabor filter and singular value decomposition (SVD) for reliable fault diagnosis of an induction motor. This method first converts one-dimensional (1D) vibration signal to a two-dimensional (2D) grey-level texture image for each fault signal. Then, the 2D Gabor filter with optimal frequency and orientation values is used to extract a filtered image with distinctive texture information, and SVD is utilised to decompose the Gabor filtered image and select finer singular values of SVD as discriminative features for multi-fault diagnosis. Finally, one-against-all multiclass support vector machines (OAA-MCSVMs) are used as classifiers. In this study, multiple induction motor faults with different noisy conditions are used to validate the proposed fault diagnosis methodology. The experimental results indicate that the proposed method achieves an average classification accuracy of 99.86% and outperforms conventional fault diagnosis algorithms in the fault classification accuracy.

show abstract

Fault Classification of an Induction Motor Using Texture Features of Vibration Signals

Cited by 2 publications

References 9 publications

Um novo extrator de características para aplicações embarcadas de detecção de falhas em motores elétricos

Um novo extrator de características para aplicações embarcadas de detecção de falhas em motores elétricos

Texture analysis based feature extraction using Gabor filter and SVD for reliable fault diagnosis of an induction motor

Contact Info

Product

Resources

About