تشخیص خطای شکستگی میله های روتور در موتور القایی قفس سنجابی به کمک شبکه عصبی

Publish Year: 1383
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 5,436

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

PSC19_054

تاریخ نمایه سازی: 12 آذر 1385

Abstract:

توجه به اهمیت و کاربرد فراوان موتورهای القائی در صنعت و لزوم تشخیص به موقع خطا به منظور پیشگیری از گسترش آن، روشی برای تشخیص خودکار خطای شکستگی میله های روتور که از جمله خطاهای رایج در موتورهای القایی قفسی است، ارائه گردیده است . روش پیشنهادی بر مبنای تحلیل طیف فرکانسی سیگنال جریان استاتور به کمک روش های پردازش سیگنال و شناسایی الگو توسعه یافته است . این سیستم با دریافت جریان استاتور و سرعت روتور وضعیت موتور را از نظر وجود یا عدم وجود شکستگی میله های روتور تعیین می کند . برای تهیة این سیستم تشخیص خطا ابتدا با بررسی مجموعه داده های حاصل از نمونه برداری از موتورهای سالم و خطادار در شرایط بار و خطای مختلف، ویژگی های شاخص خطا از روی طیف فرکانسی سیگنال جریان استخراج و تناسب آنها برای امر تشخیص خطا بر اساس چند معیار مطرح شده، ارزیابی شده است . پس از آن ویژگی های انتخاب شده برای مجموعه داده های مذکور محاسبه شده و از آنها برای آموزش یک شبکة عصبی استفاده شده است . سرانجام شبکة آموزش دیده بعنوان ابزار تفکیک موتورهای سالم و خطادار به کار رفته است . روش ارائه شده بر روی مجموعه داده های حاصل از یک سری آزمایش های عملی بر روی یک موتور القایی سه فاز آزمایش شده، که نتایج عملی کارایی آن را در تشخیص خطای مورد نظر نشان می دهد

Keywords:

تشخیص خطای میله شکسته , موتور القائی , شبکه عصبی , شناسائی الگو

Authors

محمدرضا رفیع منزلت

گروه مهندسی برق و کامپیوتر، دانشکده فنی، دانشگاه تهران، ایران . گروه

بابک نجار اعرابی

گروه مهندسی برق و کامپیوتر، دانشکده فنی، دانشگاه تهران، ایران

جواد فیض

گروه مهندسی برق و کامپیوتر، دانشکده فنی، دانشگاه تهران، ایران

عماد شریفی قزوینی

گروه ماشین های الکتریکی، پژوهشکده برق، پژوهشگاه نیرو، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • پژوهشگاه نیرو، پژوهشکده برق، گروه ماشین‌های الکتریکی، "بررسی‌خطاهای متداول‌و روش‌های ...
  • پژوهشگاه نیرو، پژوهشکده برق، گروه ماشین‌های الکتریکی، "گزارش آزمایش‌های عملی ...
  • Benbouzid M. E. H., 4Bibliography On induction motors faults detection ...
  • Kliman G. B., Koegl R. A., Stein J., Endicott R. ...
  • , No. 4, Dec. 1988 , pp. 873-879. ...
  • Using AI Techniques' , IEEE Trans. Industrial Electronics, Vol. 47, ...
  • Filippetti F., Franceschini G., Tassoni C., and Vas P., ،AI ...
  • Toliyat H. A., Nandi S., 44Condition monitoring and fault diagnosis ...
  • Nandi S., Bharadwaj R., Toliyat H. A., Parlos A. G., ...
  • Rafimanzelat M. R., Araabi B., Sharifi Ghazvini E., ،^New Features ...
  • Haji M., Toliyat H. A., ،Pattern Recognition _ A Technique ...
  • Theodoridis S., Koutroumbas K., ،Pattern recognition', Academic press, UK, 1999. ...
  • Filippetti F., Franceschini G., Tassoni C., «Neural Networks Aided On-line ...
  • Riedmiller, M., and H. Braun, 40A direct adaptive method for ...
  • نمایش کامل مراجع