Cientifica, ISSN 2594-2921, vol. 29, no. 1, January-June 2025.
DOI: 10.46842/ipn.cien.v29n1a04
La regresión logística como clasificador en el diagnóstico de fallas eléctricas en un generador síncrono de imanes permanentes
Logistic regression as a classifier in the diagnostic of electrical failures in a permanent magnet synchronous generator
Recibido 21-10-2024, aceptado 01-04-2025.
Resumen
En este trabajo se emplean la transformada ondeleta Haar y un clasificador binario basado en la regresión logística para identificar las fallas de cortocircuito (c.c.) entre vueltas del estator, en un generador síncrono de imanes permanentes (GSIP). El extractor de características procesa las corrientes a través de la transformada Haar empleando la descomposición multinivel, de la cual se obtienen los valores eficaces de sus coeficientes para formar junto con la función objetivo los datos que reciba el clasificador binario en el proceso de entrenamiento y validación. Ante diferentes condiciones de falla de c.c. en el estator se analizan las métricas que validan el desempeño de la regresión logística como clasificador binario. Actualmente en el diagnóstico de fallas del GSIP se requieren de algoritmos de clasificación más simples y robustos que permitan su implementación en línea. Se presentan pruebas experimentales de un banco de pruebas del GSIP en el cual se adquieren y se procesan digitalmente las corrientes que analiza el clasificador binario para el diagnóstico de la falla. Como etapa inicial en el desarrollo de los algoritmos de diagnóstico aplicados al GSIP, se comparó el desempeño ante diferentes fallas de la regresión logística, con el desempeño de un perceptrón a través de Python.
Abstract
In this paper, the wavelet Haar transform, and a binary classifier based on logistic regression are utilized to identify short-circuit (s.c.) faults between stator windings in a permanent magnet synchronous generator (PMSG). The feature extractor processes the currents through the Haar transform, obtaining the effective values of its coefficients. These values, along with the objective function, form the data received by the binary classifier during the training and validation processes. The performance of the logistic regression as a binary classifier is analyzed under different stator fault conditions. The necessity for simpler and more robust classification algorithms in PMSG fault diagnosis allowing online implementation is evident. The test bench of a PMSG presents the currents that are analyzed by the binary classifier for the purpose of fault diagnosis. These currents are acquired and subsequently processed digitally. As a preliminary step in the development of the diagnostic algorithms applied to the PMSG, the performance of the logistic regression model was compared with that of a perceptron model through the Python.
Palabras clave: clasificador binario, cortocircuito, estator,
falla, generador síncrono, regresión logística.
Index terms: binary classifier, logistic regression, faults,
short circuit, stator, synchronous generator.
ISO 690 reference:
Álvarez Salas,José Antonio;
Álvarez Salas, Ricardo;
Villalobos Piña, Francisco Javier;
González García, Mario Arturo;
Rodríguez Cobos, Amparo;
Molina Contreras, J. Rafael,
2025,
La regresión logística como clasificador en el diagnóstico de fallas
eléctricas en un generador síncrono de imanes permanentes,
Científica, vol. 29, no. 1,
ISSN 2594-2921, e290104,
DOI: 10.46842/ipn.cien.v29n1a04
