Electrical machines are to face different challenging factors during operation, such as high unexpected or excessive loads, unusual properties of the working environment, or intense fluctuations in rotation speed. Therefore, maintenance questions and predicting the accuracy of an equipment’s condition have great importance. This study is based on the theory of vibration reliability. This article introduces the most common faults of bearings in electrical machines and discusses their diagnostic possibilities. Experimental setup, as well as studied bearing failures, are described. The accuracy of conducted experiments is introduced.

This manuscript addresses the critical challenges in achieving high-accuracy remote control of electromechanical systems, given their inherent nonlinearities and dynamic complexities. Traditional diagnostics often suffer from data inaccuracies and limitations in analytical techniques. The focus is on enhancing the dynamic model accuracy for remote induction motor control in both closed- and open-loop speed control systems, which is essential for real-time process monitoring. The proposed solution includes real-time measurements of input and output physical quantities to mitigate inaccuracies in traditional diagnostic methods. The manuscript discusses theoretical aspects of nonlinear torque formation in induction drives and introduces a dynamic model employing vector control and speed control schemes alongside standard frequency control methods. These approaches optimize frequency converter settings to enhance system performance under varying nonlinear conditions. Additionally, the manuscript explores methods to analyze dynamic, systematic errors arising from frequency converter inertial properties, thereby improving electromechanical equipment condition diagnostics. By addressing these challenges, the manuscript significantly advances the field, offering a promising future with enhanced dynamic model accuracy, real-time monitoring techniques, and advanced control methods to optimize system reliability and performance.

Induction motors are critical in modern industry, powering over 70% of industrial processes. Reliable operation is essential to minimize downtime and ensure production continuity. This paper proposes an integrated multimodal methodology for fault diagnosis and prognosis in induction motors, based on an extended Pearson and Gain feature fusion framework. The approach preprocesses vibration, current, voltage, torque, and speed signals through denoising, normalization, synchronization, and sliding-window segmentation. Over 200 features per window are extracted across time, frequency, envelope, wavelet, harmonic, slip-based, and MCSA domains. A key innovation is correlation-driven multimodal fusion, combining Pearson correlation, spectral coherence, cross-spectral energy, and mutual information to produce Gain-enhanced features with improved discriminative capability. Fault diagnosis is performed using RF, SVM, XGBoost, and MLP models, with time-aware data splitting to avoid temporal leakage. Prognosis employs a continuous Degradation Index (DI) modeled via Gaussian Process Regression for uncertainty-aware prediction, with failure probability and Remaining Useful Life (RUL) estimated from DI thresholds. Experimental results demonstrate that the proposed methodology achieves diagnostic accuracy above 97%, enhances feature relevance, and provides stable long-term prognostic performance, offering a robust framework for predictive maintenance of induction motors.

Одним з елементів управління складною технологічною системою є інформаційно-вимірювальна мережа, суттєву частину якої представлено вимірювальними перетворювачами. Через конструктивні особливості давачі виявляються ненадійними елементами інформаційно-вимірювальної системи. Спотворення в показах давачів впливають на якість управління технічної системи. Потрібно враховувати ці спотворення. Особливо важливу роль відіграє цей факт при оцінюванні ефективності діагностики стану підшипників котіння в режимі реального часу. Для оцінювання швидкодії автоматичної обробки даних було створено програму для користувачів, сумісну з MatLab r2022b. Одночасно передавалися дані з двох давачів пришвидшення в базу даних мережі з наступним передаванням інформації через канал зв’язку Ethernet. Доведено, що ефективність діагностики деталей машин значною мірою залежить від динаміки роботи інформаційно-вимірювальної системи та оперативного виявлення змін у роботі цієї системи. В експериментах було вирішено пряму задачу діагностики деталей машин на прикладі несправних підшипників котіння; зроблено оцінку впливу обчислювальної потужності використовуваного обладнання, швидкодії, практичної реалізованості мережевих алгоритмів автоматичної обробки даних у режимі реального часу. В результаті проведених експериментів і розрахунків можна зробити висновок, що ефективність моніторингу стану механічних вузлів у режимі реального часу залежить від швидкості передавання даних, від чутливості давачів пришвидшення, від обсягу пам’яті запам’ятовувальних пристроїв. Інтервал між даними не має суттєвого впливу на точність моніторингу. Чисельне диференціювання сигналів може бути використано для виявлення окремих ознак несправностей механічних вузлів. Часові та частотні сигнали можуть бути взяті за прототипи еталонів дефектів механічних вузлів. Для перевірки функціональних можливостей діагностичного обладнання може бути використано представлену методику.