CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارایه متدی قابل اعتماد جهت تشخیص خطای اولیه مدارهای اتصال کوتاه در ژنراتورهای القایی با کمک الگوریتم یادگیری ماشین

عنوان مقاله: ارایه متدی قابل اعتماد جهت تشخیص خطای اولیه مدارهای اتصال کوتاه در ژنراتورهای القایی با کمک الگوریتم یادگیری ماشین
شناسه ملی مقاله: CAUPCONF03_062
منتشر شده در سومین کنفرانس بین المللی عمران، معماری، شهرسازی با رویکرد توسعه زیرساخت های شهری در سال 1401
مشخصات نویسندگان مقاله:

محمد شعبانی چهارده - شهرداری رشت

خلاصه مقاله:
این تحقیق با یک رویکرد معتبر برای تشخیص اولیه مدار اتصال کوتاه در سیم پیچ استاتور است که در ژنراتورهای القایی که در توربین های بادی استفاده می شود. با استفاده از یک بستر آزمایشی توربین بادی ، انواع مختلفی از اتصال کوتاه را در ژنراتور وارد کردیم. پیشنهاد دادیم که از چهار تکنیک استخراج ویژگی به همراه سه دسته بند استفاده کنیم . MLP شرایط نرمال مولد را با خطای مثبت و منفی ۱% تعیین کرد . با استفاده از توپولوژی های مختلف MLP ، می توان مدارهای اتصال کوتاه اولیه را در چرخش ۱.۴۱٪ و با دقت ۹۹.۳۳٪ شناسایی کرد. ترکیب فوریه و MLP در تشخیص خطا، بسیار مفید است، چون توانسته به دقت ۸۴.۴۸% برسد و ۹۹.۹۸% از شرایط نرمال را به درستی دسته بندی کرد.

کلمات کلیدی:
آشکارسازی خطا، ژنراتور القایی، یادگیری ماشین، شبکه های عصبی، قابلیت اطمینان، اتصال کوتاه، توربین بادی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1645985/