Intelligent system for generating artificial thermal images of asynchronous motor faults

Abstract

This bachelor's thesis is devoted to the construction of an intelligent image generation system based on the use of generative-adversarial networks of marginal equilibrium. The paper analyzes scientific works devoted to the development and application of generative- adversarial neural networks. The advantages of generative-adversarial networks of marginal equilibrium are substantiated. The topology of the components of the generative-adversarial neural network, namely the generator and the discriminator, is developed, expressions for the metrics corresponding to the generator and the discriminator are given. A machine learning algorithm for generative-adversarial networks of marginal equilibrium is developed. The choice of the training sample is justified - the Fashion MNIST dataset is a standard dataset for computer vision tasks. A computer program is developed and positive results are obtained. Розроблено та досліджено методи генерації теплових зображень асинхронних двигунів у різних станах справності на основі генеративно-конкурентних нейронних мереж (WGAN-GP та cWGAN-GP) для підвищення ефективності діагностики несправностей. Об'єктом дослідження є процеси діагностики технічного стану асинхронних двигунів за допомогою теплових зображень та генеративних методів глибокого навчання. Предметом дослідження є методи генерації теплових зображень асинхронних двигунів за допомогою генеративно-змагальних нейронних мереж (WGAN-GP та cWGAN-GP) для підвищення ефективності діагностики їх технічного стану. Методи дослідження - У роботі використовуються методи аналізу літературних джерел для вивчення сучасних підходів до діагностики асинхронних двигунів та генеративних нейронних мереж, методи машинного навчання для реалізації та навчання WGAN-GP та cWGAN-GP, методи обробки зображень для покращення якості генерованих теплових зображень.