Denne artikkelen er produsert og finansiert av Universitetet i Agder - les mer.
Elektriske maskiner – som arbeider som motorar eller generatorar – speler ei nøkkelrolle i el-bilar, vindturbinar og mange andre produkt.(Illustrasjonsfoto: Colourbox)
Kunstig intelligens kan raskare oppdage feil i elektriske motorar
Metoden kan gjere overvaking av vindturbinar og el-bilar meir effektiv. Det kan lønne seg for straumkundar og bileigarar.
– Effektiv overvaking og kontroll av dei elektriske maskinane i vindturbinar og el-bilar kan gjere drifta rimelegare, og kan bidra til at drift og vedlikehald vert tryggare, seier Sveinung Attestog.
Han arbeider som trainee hos Agder Energi. Nyleg tok han doktorgraden ved Universitetet i Agder (UiA) innan feilsøking av elektriske motorar med varierande fart og belasting.
Han har forska på modellering og feilsøking ved bruk av kunstig intelligens. Dei teoretiske modellane er prøvd ut i praksis på laben ved UiA.
Elektriske maskiner – som arbeider som motorar eller generatorar – speler ei nøkkelrolle i el-bilar, vindturbinar og mange andre produkt.
– Eg har sett på korleis vi meir effektivt kan feilsøke elektriske motorar og generatorar som omdannar mellom mekanisk og elektrisk energi, som til dømes i vindturbinar og el-bilar, seier Attestog.
Motoren han har studert er populær fordi han tek forholdsvis liten plass, men likevel har høg effektivitet og stort dreiemoment. På fagspråket vert han kalla permanentmagnet-synkronmotor (PMSM).
Sveinung Attestog har spesialisering innan mekatronikk, eit fagområde som kombinerer mekanikk, elektronikk og datateknikk.(Foto: Privat)
Meir effektiv overvaking
I dag vert overvaking og ettersyn i stor grad bestemt av kalenderen. Utstyret vert sjekka når ein reknar med at det treng vedlikehald eller utskifting. Bilen skal til dømes inn til sjekk etter to år, vindturbinen om eitt år.
Men no pressar forskarar som Attestog på for å finne løysingar som gjer seg uavhengig av kalenderen, og som på kort tid kan oppdage slitasje og gjere tiltak for å unngå havari.
– Jo fortare vi oppdagar feil, jo enklare vert det å justere. At motoren i el-bilen og generatoren i vindturbinen yter maksimalt, er viktig både for sjåføren og straumforbrukaren, seier Attestog.
Også bilforhandlar og straumselskap er interesserte i at maskineriet i bil og vindturbin fungerer optimalt.
Slitasje og kortslutning
Feil i motoren oppstår som regel av feilbruk eller slitasje. Ein vanleg feil er at han kortsluttar.
– Overvaking av drifta og effektiv oppdaging av avvik er nødvendig for å oppdage feila tidleg. Da sikrar vi forsvarleg drift. Og ved å framskunde vedlikehald av utstyret, kan vi redusere eventuell nedetid og dei kostnadene det fører med seg, seier Attestog.
Vedlikehalde
Alle maskiner treng oppfølging med jamne mellomrom. Særleg gjeld det for utstyr som vert mykje brukt, og for utstyr som stadig vert utsett for hardt ver.
Vindmøller til havs er til dømes utsette for hardt ver og salt havvatn. El-bilane køyrer på salta vintervegar, og snøslapset tærer på bilane.
I tillegg vert ein motor utsett for påkjenningar og slitasje alt etter kor hurtig og kor mykje kraft han arbeider med.
Annonse
Raskare løysingar
Dette er blant dei viktigaste bidraga til Attestog:
Utvikla og prøvd ut to løysingar som raskare enn før finn feil i motoren.
Utvikla og prøvd ut ny metode med kunstig intelligens for å søke etter feil uansett fart og påkjenning for motoren.
Forenkla overvaking av motoren ved å bruke mindre utstyr, redusert talet på sensorar frå tolv til to.
– Fordelen med kunstig intelligens er at vi kan oppdage feil utan at vi må kjenne til detaljane om kraft og yteevne i motoren frå før, seier forskaren.
Kunstig intelligens løyser problem
Synonym for kunstig intelligens i denne samanhengen er maskinlæring og forsterkingslæring.
Når ein skal rekne ut korleis ein motor skal fungere, har forskaren i utgangspunktet fleire måledata av motoren mens han er i drift utan feil enn med feil. Men kunstig intelligens løyser dette problemet som forskarane kallar ubalanserte datasett.
– For å seie det enkelt kodar eg den kunstige intelligensen slik at han vert ekstra belønna ved å oppdage feil. Dermed legg den kunstige intelligensen meir vekt på feila og lærer seg å oppdage dei, seier Attestog.
