РОЗРОБКА КОНЦЕПЦІЇ ЦИФРОВОГО ДВІЙНИКА СИСТЕМИ ЕЛЕКТРОПРИВОДУ ЛІФТІВ НА ОСНОВІ СТОХАСТИЧНОЇ МОДЕЛІ ARIMAX

Стефан Зайченко; Євген Філатов

doi:10.20535/1813-5420.3.2026.359666

Т. · № 3 · 2026 жов 12, 2026 МОНІТОРИНГ, ДІАГНОСТИКА ТА КЕРУВАННЯ ЕНЕРГЕТИЧНИМИ ПРОЦЕСАМИ ТА ОБЛАДНАННЯМ

РОЗРОБКА КОНЦЕПЦІЇ ЦИФРОВОГО ДВІЙНИКА СИСТЕМИ ЕЛЕКТРОПРИВОДУ ЛІФТІВ НА ОСНОВІ СТОХАСТИЧНОЇ МОДЕЛІ ARIMAX

СЗ

Стефан Зайченко Відповідальний Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Україна

ЄФ

Євген Філатов Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Україна

Сторінки112-118 Опублікованожов 12, 2026 ЛіцензіяВідкритий доступ

PDF

ТОМ · № 3 · 2026 85 Переглянути випуск

Анотація

Ліфти є одним з найбільш критичних елементів інфраструктури сучасних багатоповерхових будівель. Надійність їх електроприводів безпосередньо впливає на безпеку пасажирів. Відсутність інструментів прогнозування деградаційних процесів та аналітичної інтерпретації діагностичних даних призводить до збільшення кількості аварійних зупинок, зростання питомих енергетичних втрат і прискореного зношування електромеханічних систем. Одним із перспективних напрямів розв’язання зазначених проблем є впровадження цифрових двійників електроприводів, що дозволяє реалізувати принципи прогнозного технічного обслуговування (Predictive Maintenance), за яких керувальні та експлуатаційні рішення приймаються на основі аналізу стану цифрової копії фізичного об’єкта, яка відтворює динаміку дефектів і відхилень параметрів від номінальних значень. Цифрові двійники надають як числову, так і візуальну інформацію, що значно розширює можливості аналізу складних технічних систем. Використання цифрових двійників сприяє виявленню прихованих закономірностей і взаємозв’язків, які складно ідентифікувати за умови застосування класичних підходів до аналізу та моніторингу

Ключові слова

#цифровий двійник #математична модель #надійність #електропривід ліфта #асинхронний двигун #прогнозування відмов

Посилання

Zaichenko S., Kulish R., Derevianko D., Zhukova N. Justification of diagnostic parameters of autonomous electric power sources based on an internal combustion engine in the development of a technical diagnostics system // Power Engineering: Economics, Technique, Ecology. 2020. No. 3. P. 29–34.
Zaichenko S., Kulish R. Reduction of the degree of uncertainty in the technical condition of an autonomous power source // Materials of the V International Scientific and Practical Conference, April 5–7, 2021. Academy of Technical Sciences of Ukraine. Ivano-Frankivsk, 2021. Vol. 1. P. 175–178
3.Stefan Zaichenko, Ümran Erçetin, Roman Kulish, Denis Derevyanko, Vadim Shalenko. Determination of diagnostic parameters of power plants based on internal combustion engines. Mining Revue. Vol 3, 86-92p
4.Fuller A., Fan Z., Day C., Barclay P. Digital Twin: Enabling Technology, Challenges and Open Research. IEEE Access. 2020. Vol. 8. P. 108952–108971
5.Grieves M. Digital Twin: Manufacturing Excellence through Virtual Factory Replication. CIMdata, 2015. 28 p.
6. Tsvetkov O.V. Intelligent methods for failure prediction of power electrical equipment based on multilevel digital twins // Bulletin of the East Ukrainian National University named after Volodymyr Dahl. 2025. No. 9(295). P. 81–90. https://doi.org/10.33216/1998-7927-2025-295-9-81-90
7.Vladyslav Pliuhin, Vitalii Herasymenko, Oleh Kulaienko, Alina Trotsai, Gennadii Loktionov and Taras Sakhoshko. The State and Prospects of Technical Condition Diagnostics Methods for Electric Motors Considering the Digital Twin Concept. Lighting Engineering & Power Engineering 2025, Vol. 64, No. 2, 57–64 https://doi.org/10.33042/2079-424X.2025.64.2.02 11.
8. B. Lu, T.G. Habetler, R.G. Harley. Signal based condition monitoring techniques for fault detection and diagnosis of induction motors: A state-of-the-art review. Mechanical Systems and Signal Processing. Vol. 149, 2021, Article 107262.
9. H. Henao, G.A. Capolino, M. Fernandez-Cabanas et al. Trends in fault diagnosis for electrical machines: A review of diagnostic techniques. IEEE Industrial Electronics Magazine. Vol. 8, No. 2, 2014, pp. 31–42.
10. Y. Lei, N. Li, L. Guo et al. Machinery health prognostics: A systematic review from data acquisition to RUL prediction. Mechanical Systems and Signal Processing. Vol. 104, 2018, pp. 799–834.
11. A. Glowacz. Diagnostics of stator faults of the single-phase induction motor using thermal imaging and neural networks. Measurement. Vol. 93, 2016, pp. 86–93.
12. S. Li, B. Wang, Y. Dong. Digital Twin in Electrical Machine Control and Predictive Maintenance: State-of-the-Art and Future Prospects. Energies. Vol. 14, No. 18, 2021, Article 5933.
13. M. Benbouzid, G.B. Kliman. A review of induction motor signature analysis as a medium for faults detection. IEEE Transactions on Industrial Electronics. Vol. 47, No. 5, 2000, pp. 984–993.
W.T. Thomson, M. Fenger. Current signature analysis to detect induction motor faults. IEEE Industry Applications Magazine. Vol. 7, No. 4, 2001, pp. 26–34.
J. Lee, F. Wu, W. Zhao et al. Prognostics and health management design for rotary machinery systems—Reviews, methodology and applications. Mechanical Systems and Signal Processing. Vol. 42, No. 1–2, 2014, pp. 314–334.
M. Pecht, M. Kang. Prognostics and Health Management of Electronics. John Wiley & Sons, 2018. 302 p.
Z. Zhang, K. Zhou, C. Wang. Physics-of-failure-based prognostics and health management for power electronics. Microelectronics Reliability. Vol. 88–90, 2018, pp. 110–119.

Ліцензія

CCBY 4.0

Creative Commons Із зазначенням авторства 4.0 Міжнародна

Ця робота має відкриту ліцензію: вільно поширюйте та адаптуйте її, посилаючись на авторів і журнал. Умови ліцензії ↗

Попередня у випуску ДОСЛІДЖЕННЯ СИСТЕМНОЇ БЕЗПЕКИ LFP-СИСТЕМ РЕЗЕРВНОГО ЕЛЕКТРОЖИВЛЕННЯ ТА СИНТЕЗ БАГАТОРІВНЕВОЇ АРХІТЕКТУРИ ЗАХИСТУ Наступна у випуску СТРУКТУРА ЦИФРОВОГО ДВІЙНИКА ДЛЯ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ ЕЛЕКТРИЧНОГО НАВАНТАЖЕННЯ МОЛОКОЗАВОДУ

§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.

Усі випуски

СТРУКТУРА ЦИФРОВОГО ДВІЙНИКА ДЛЯ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ ЕЛЕКТРИЧНОГО НАВАНТАЖЕННЯ МОЛОКОЗАВОДУ

Андрій Гоєнко, Анатолій Чернявський

Роботу спрямовано на розроблення структури цифрового двійника та способу формування вхідних даних для короткострокового прогнозування електричного навантаження…

#електричне навантаження #енергоменеджмент #енергомоніторинг #короткострокове прогнозування

с. 119-129

10.20535/1813-5420.3.2026.370860

ЗАСТОСУВАННЯ КОГЕНЕРАЦІЙНИХ УСТАНОВОК В УМОВАХ ДЕФІЦИТУ ЕЛЕКТРИЧНОЇ ПОТУЖНОСТІ

Владислав Цюх

У статті досліджено особливості застосування когенераційних установок в умовах дефіциту електричної потужності та потреби підвищення енергетичної стійкості з урахуванням…

#когенерація #високоефективна когенерація #газопоршнева КГУ #режими експлуатації

с. 89-97

10.20535/1813-5420.3.2026.370315

ІНДЕКС СТІЙКОСТІ СИСТЕМИ ЕЛЕКТРОПОСТАЧАННЯ РЕГІОНУ В УМОВАХ ВОЄННОГО СТАНУ

Ярослав Прищепа, Анатолій Замулко

Метою дослідження є обґрунтування структури індексу стійкості системи електропостачання регіону та розроблення методики розрахунку його складових, орієнтованої на…

#безпека постачання електричної енергії #індекс стійкості #критична інфраструктура #розподілена генерація

с. 42-47

10.20535/1813-5420.3.2026.369651

[1] Zaichenko S., Kulish R., Derevianko D., Zhukova N. Justification of diagnostic parameters of autonomous electric power sources based on an internal combustion engine in the development of a technical diagnostics system // Power Engineering: Economics, Technique, Ecology. 2020. No. 3. P. 29–34.

[2] Zaichenko S., Kulish R. Reduction of the degree of uncertainty in the technical condition of an autonomous power source // Materials of the V International Scientific and Practical Conference, April 5–7, 2021. Academy of Technical Sciences of Ukraine. Ivano-Frankivsk, 2021. Vol. 1. P. 175–178

[3] 3.Stefan Zaichenko, Ümran Erçetin, Roman Kulish, Denis Derevyanko, Vadim Shalenko. Determination of diagnostic parameters of power plants based on internal combustion engines. Mining Revue. Vol 3, 86-92p

[4] 4.Fuller A., Fan Z., Day C., Barclay P. Digital Twin: Enabling Technology, Challenges and Open Research. IEEE Access. 2020. Vol. 8. P. 108952–108971

[5] 5.Grieves M. Digital Twin: Manufacturing Excellence through Virtual Factory Replication. CIMdata, 2015. 28 p.

[6] 6. Tsvetkov O.V. Intelligent methods for failure prediction of power electrical equipment based on multilevel digital twins // Bulletin of the East Ukrainian National University named after Volodymyr Dahl. 2025. No. 9(295). P. 81–90. https://doi.org/10.33216/1998-7927-2025-295-9-81-90

[7] 7.Vladyslav Pliuhin, Vitalii Herasymenko, Oleh Kulaienko, Alina Trotsai, Gennadii Loktionov and Taras Sakhoshko. The State and Prospects of Technical Condition Diagnostics Methods for Electric Motors Considering the Digital Twin Concept. Lighting Engineering & Power Engineering 2025, Vol. 64, No. 2, 57–64 https://doi.org/10.33042/2079-424X.2025.64.2.02 11.

[8] 8. B. Lu, T.G. Habetler, R.G. Harley. Signal based condition monitoring techniques for fault detection and diagnosis of induction motors: A state-of-the-art review. Mechanical Systems and Signal Processing. Vol. 149, 2021, Article 107262.

[9] 9. H. Henao, G.A. Capolino, M. Fernandez-Cabanas et al. Trends in fault diagnosis for electrical machines: A review of diagnostic techniques. IEEE Industrial Electronics Magazine. Vol. 8, No. 2, 2014, pp. 31–42.

[10] 10. Y. Lei, N. Li, L. Guo et al. Machinery health prognostics: A systematic review from data acquisition to RUL prediction. Mechanical Systems and Signal Processing. Vol. 104, 2018, pp. 799–834.

[11] 11. A. Glowacz. Diagnostics of stator faults of the single-phase induction motor using thermal imaging and neural networks. Measurement. Vol. 93, 2016, pp. 86–93.

[12] 12. S. Li, B. Wang, Y. Dong. Digital Twin in Electrical Machine Control and Predictive Maintenance: State-of-the-Art and Future Prospects. Energies. Vol. 14, No. 18, 2021, Article 5933.

[13] 13. M. Benbouzid, G.B. Kliman. A review of induction motor signature analysis as a medium for faults detection. IEEE Transactions on Industrial Electronics. Vol. 47, No. 5, 2000, pp. 984–993.

[14] W.T. Thomson, M. Fenger. Current signature analysis to detect induction motor faults. IEEE Industry Applications Magazine. Vol. 7, No. 4, 2001, pp. 26–34.

[15] J. Lee, F. Wu, W. Zhao et al. Prognostics and health management design for rotary machinery systems—Reviews, methodology and applications. Mechanical Systems and Signal Processing. Vol. 42, No. 1–2, 2014, pp. 314–334.

[16] M. Pecht, M. Kang. Prognostics and Health Management of Electronics. John Wiley & Sons, 2018. 302 p.

[17] Z. Zhang, K. Zhou, C. Wang. Physics-of-failure-based prognostics and health management for power electronics. Microelectronics Reliability. Vol. 88–90, 2018, pp. 110–119.