Вестник МГТУ, 2025, Т. 28, № 4/1.

Яшников Д. Н. и др. Исследование системы управления асинхронным электроприводом. УДК 552.163 Исследование системы управления асинхронным электроприводом на базе методов машинного обучения для прогнозирования рабочих режимов Д. Н. Яшников, К. В. Лицин* *Южно-Уральский государственный университет (национальный исследовательский университет), г. Челябинск, Россия; e-mail: litsin.kv@misis.ru И н ф о р м а ц и я о с т а т ь е Поступила в редакцию 24.09.2025; получена после доработки 16.10.2025; принята к публикации 06.11.2025 Ключевые слова: асинхронный электропривод, скалярное управление, моделирование, машинное обучение, прогнозирование режимов работы, случайный лес Для цитирования Р е ф е р а т В данной работе представлено исследование системы управления асинхронным электроприводом с применением методов машинного обучения для прогнозирования его рабочих режимов. Актуальность работы обусловлена необходимостью повышения энергоэффективности, надежности и безопасности электроприводов на предприятиях металлургической, нефтехимической и горнодобывающей отраслей промышленности, эксплуатируемых в тяжелых условиях запыленности и взрывоопасности. В рамках исследования проведено моделирование замкнутой скалярной системы автоматического регулирования скорости асинхронного двигателя в среде MATLAB Simulink с учетом IR-компенсации и регулятора скольжения. Полученные с имитационной модели данные были использованы для обучения алгоритмов машинного обучения: k-ближайших соседей (kNN) и случайного леса (Random Forest). Модели продемонстрировали высокую точность классификации режимов работы - 94,56 и 96,44 % соответственно. Результаты подтверждают эффективность интеграции методов машинного обучения в системы мониторинга и диагностики электроприводов, что способствует внедрению принципов Индустрии 4.0 и цифровой трансформации промышленных предприятий. Яшников Д. Н. и др. Исследование системы управления асинхронным электроприводом на базе методов машинного обучения для прогнозирования рабочих режимов. Вестник МГТУ. 2025. Т. 28, № 4/1. С. 532-538. DOI: https://doi.org/10.21443/1560-9278-2025-28-4/1-532-538. Article info Received 24.09.2025; received in revised form 16.10.2025; accepted 06.11.2025 Key words: induction motor drive, scalar control, simulation, machine learning, operational mode prediction, random forest For citation Investigation of an induction motor control system based on machine learning methods for predicting operational modes Dmitriy N. Yashnikov, Konstantin V. Litsin* *South Ural State University (National Research University), Chelyabinsk, Russia; e-mail: litsin.kv@misis.ru Abstract This study presents an investigation of an induction motor control system based on machine learning methods for predicting its operational modes. The research is motivated by the need to improve energy efficiency, reliability, and safety of electric drives in metallurgic, mining, and chemical industries' plants operating under harsh conditions such as dustiness and explosion hazards. A closed-loop scalar speed control system for an induction motor has been modeled in MATLAB Simulink, incorporating IR compensation and an intensity setter. Data collected from the simulation model have been used to train machine learning algorithms: k-Nearest Neighbors (kNN) and Random Forest. The models have achieved high classification accuracy for operational modes - 94.56 and 96.44 %, respectively. The results confirm the effectiveness of integrating machine learning methods into monitoring and diagnostic systems for electric drives, supporting the implementation of Industry 4.0 principles and digital transformation in industrial facilities. Yashnikov, D. N. et al. 2025. Investigation of an induction motor control system based on machine learning methods for predicting operational modes. Vestnik ofMSTU, 28(4/1), pp. 532-538. (In Russ.) DOI: https://doi.org/10.21443/1560-9278-2025-28-4/1-532-538. 532