Проблеми і перспективи розвитку сучасних методів і засобів моніторингу теплового стану тягових двигунів локомотивів

Abstract

UA: У статті розглянуто актуальні питання забезпечення надійної роботи тягових електродвигунів локомотивів в умовах підвищених теплових навантажень. Зазначено, що саме порушення теплового режиму є одним із головних чинників деградації ізоляції обмоток і зниження ресурсу двигуна. Стаття узагальнює існуючі наукові розробки та пропонує напрями подальших досліджень у сфері моніторингу теплового стану тягових двигунів локомотивів з урахуванням конструктивних особливостей, експлуатаційних умов і цифровізації систем управління.

EN: This article examines the current challenges and future directions in monitoring the thermal state of locomotive traction electric motors, particularly in the context of increasing power demands and operational reliability requirements. Thermal overload is identified as a key factor contributing to insulation degradation and motor failure. A classification of the main sources of heat loss in DC traction motors is provided, along with an analysis of their impact on cooling efficiency and thermal stability. The paper presents a comparative overview of modern monitoring approaches, including direct methods (temperature sensors) and indirect methods (temperature estimation via electrical parameters). The specific challenges of applying these methods to DC traction motors are highlighted, especially the technical limitations of installing sensors in rotating components. The study emphasizes the role of thermal modeling, such as equivalent thermal circuit models and the finite element method, which allow detailed visualization of temperature distribution within motor components and support the design of effective thermal control systems. Special attention is given to the use of artificial neural networks and Digital Twin technologies for predictive monitoring. These intelligent systems, trained on operational or laboratory data, can accurately estimate internal temperatures in inaccessible zones and enable early fault detection. The integration of ANN-based models with real-time data from sensors and simulation results forms a foundation for adaptive condition-based maintenance. This work generalizes the latest research trends and outlines future prospects for developing hybrid monitoring systems that combine classical models, sensor technologies, and machine learning algorithms, considering the structural and operational features of traction motors used in domestic locomotive fleets.