Email: maciej.skowron@pwr.edu.pl

Jednostka: Wydział Elektryczny » Katedra Maszyn, Napędów i Pomiarów Elektrycznych

Kontakt:

• budynek A10, pokój 401, IV piętro
• tel: 71 320 33 52

Konsultacje (semestr letni: 2024/2025):

• poniedziałek 8⁰⁰ - 10⁰⁰

Obszary zainteresowań naukowych: 

• diagnostyka maszyn i napędów elektrycznych,
• zastosowanie metod sztucznej inteligencji w diagnostyce,
• implementacja metod sztucznej inteligencji w układach programowalnych,
• zastosowanie metod głębokiego uczenia w technice,
• modelowanie i symulacje układów napędowych.

Pełnione funkcje: 

• Kierownik Laboratorium Elektromobilności (budynek D20, sala 505).
• Członek Academii Iuvenum (kadencja 2023-2025).
• Associate Editor w czasopiśmie Power Electronics and Drives (2024).
• Członek Komisji Programowej dla Kierunku Elektromobilność (2024-2028).

Członkostwo w organizacjach naukowo-technicznych: 

• Członek Institute of Electrical and Electronics Engineers (IEEE)
• Członek IEEE Industrial Electronics Society (IES)
• Członek Stowarzyszenia Elektryków Polskich Oddział Wrocławski

Realizowane projekty badawcze:

• Hybrid ElectriC regional Aircraft distribution TEchnologies (HECATE), 2023-2025
• Diagnostyka uszkodzeń silników synchronicznych z magnesami trwałymi z wykorzystaniem głębokich sieci neuronowych i uczenia transferowego, 2022 - 2024, Narodowe Centrum Nauki (NCN), PRELUDIUM 20, kierownik projektu.
• Metody detekcji i kompensacji uszkodzeń czujników prądu dla napędów z silnikami indukcyjnymi i synchronicznymi oparte na zmodyfikowanych obserwatorach zmiennych stanu, 2022-2025, Narodowe Centrum Nauki (NCN), OPUS 21, wykonawca.
• Hybrydowe metody detekcji uszkodzeń silników synchronicznych z magnesami trwałymi w napędach elektrycznych ze sterowaniem wektorowym przy wykorzystaniu obliczeń analitycznych i neuronowych, 2018-2021, Narodowe Centrum Nauki (NCN), OPUS 14, stypendysta.

Identyfikatory naukowe:

• Scopus
• Researchgate
• Google scholar
• Orcid

Najważniejsze publikacje:

• Maciej Skowron: Transfer learning-based fault detection system of permanent magnet synchronous motors, IEEE Access, 2024.

• Maciej Skowron: Analysis of PMSM short-circuit detection systems using transfer learning of deep convolutional networks, Power Electronics and Drives, 2024.

• Maciej Skowron, Krystian Teler, Peyman Heghgooei, Ehsan Jamshidpour, Teresa Orłowska-Kowalska: Current sensor fault detection and compensation system for wound rotor synchronous motor based on neural networks, IEEE Transportation Electrification Conference and Expo, Asia-Pacific (ITEC Asia-Pacific), 2024.

• Krystian Teler, Maciej Skowron, Teresa Orłowska-Kowalska: Implementation of MLP-based classifier of current sensor faults in vector-controlled induction motor drive, IEEE Transactions on Industrial Informatics, 2023. 

• Maciej Skowron: Development of a universal diagnostic system for stator winding faults of induction motor and PMSM based on transfer learning, IEEE International Symposium on Diagnostics for Electric Machines, Power Electronics and Drives (SDEMPED 2023), Chania, Grecja, 2023

• Maciej Skowron, Teresa Orłowska-Kowalska, Czesław Kowalski: Diagnosis of stator winding and permanent magnet faults of PMSM drive using shallow neural networks, Electronics, 2023

• Maciej Skowron, Czesław Kowalski: Permanent magnet synchronous motor fault detection system based on transfer learninig method, Annual Conference of the Industrial Electronics Society IECON 2022, Bruksela, Belgia, 2022

• Maciej Skowron, Mateusz Krzysztofiak, Teresa Orłowska-Kowalska: Effectiveness of neural fault detectors of permanent magnet synchronous motor trained with symptoms from field-circuit modeling, IEEE Access, 2022

• Maciej Skowron, Teresa Orłowska-Kowalska, Czesław Kowalski: Detection of permanent magnet damage of PMSM drive based on direct analysis of the stator phase currents using convolutional neural network, IEEE Transactions on Industrial Electronics,vol. 69, nr 12, s. 13665-13675, 2022

• Maciej Skowron, Teresa Orłowska-Kowalska, Czesław Kowalski: Application of simplified convolutional neural networks for initial stator winding fault detection of the PMSM drive using different raw signal data,  IET Electric Power Applications, s. 1-15, 2021

• Maciej Skowron, Marcin Wolkiewicz, Teresa Orłowska-Kowalska, Czesław Kowalski: Application of self-organizing neural networks to electrical fault classification in induction motors, Applied Sciences, vol. 9, nr 4, art. 616, s. 1-22, 2019

• Maciej Skowron, Teresa Orłowska-Kowalska, Marcin Wolkiewicz, Czesław Kowalski: Convolutional neural network-based stator current data-driven incipient stator fault diagnosis of inverter-fed induction motor, Energies, vol. 13, nr 6, s. 1-2, 2020

• Maciej Skowron: Application of deep learning neural networks for the diagnosis of electrical damage to the induction motor using the axial flux,  Bulletin of the Polish Academy of Sciences. Technical Sciences, vol. 68, nr 5, s. 1031-1038, 2020

• Maciej Skowron, Marcin Wolkiewicz, Teresa Orłowska-Kowalska, Czesław Kowalski: Effectiveness of selected neural network structures based on axial flux analysis in stator and rotor winding incipient fault detection of inverter-fed induction motors, Energies, vol. 12, nr 12, s.1‑20, 2019

• Maciej Skowron, Marcin Wolkiewicz, Grzegorz J. Tarchała: Stator winding fault diagnosis of induction motor operating under the field-oriented control with convolutional neural networks, Bulletin of the Polish Academy of Sciences. Technical Sciences, vol. 68, nr 5, s. 1039-1048, 2020

 Publikacje w bazie DONA