M. Ebrahimi, M. Moradiyan, H. Moeshginkelk, M. Danesh, and M. Bayat. Neural-Network-Aided On-line Diagnosis of Broken Bars inInduction Motors. Journal of Advanced Materials in Engineering (Esteghlal) 2006; 25 (1) :47-61
URL:
http://jame.iut.ac.ir/article-1-375-fa.html
محمد ابراهیمی ، محمدرضا مرادیان ، همایون مشکین کلک ، محمد دانش و محمدباقر بیات . تشخیص بروز شکستگی در میلههای رتور موتورهای القایی با استفاده از شبکههای عصبی. نشریه علمی پژوهشی مواد پیشرفته در مهندسی. 1385; 25 (1) :47-61
URL: http://jame.iut.ac.ir/article-1-375-fa.html
چکیده: (7191 مشاهده)
در این مقاله برای تشخیص ترک خوردگی حلقه انتهایی و یا میلههای رتور موتورهای القایی قفسه سنجابی روشی مبتنی بر شبکههای عصبی ارائه شده است. برای این منظور پس از بررسی روشهای سنتی تشخیص خطا، مدل دینامیکی موتور القایی با استفاده از روش تابع سیمپیچ معرفی شده است. در این روش اثر هریک از شیارهای استاتور و میلههای رتور را جداگانه درنظر میگیریم. در نتیجه میتوان عملکرد موتور در حالت سلامت رتور و یا بروز شکستگی در هر بخش آن را مورد بررسی قرار داد. پس از آن با استفاده از تبدیل فوریه، طیف فرکانسی سیگنالهای جریان در شرایط مختلف استخراج و مورد تجزیه و تحلیل قرار گرفـته است. آن گاه پس از یک بحث تحلیلی در مورد اصول نظری، الگوریتمی ساده با استفاده از شبکههای عصبی برای تشخیص خطا ارائه شده است. نتایج حاصل از شبیه سازی نشان داد که این سیستم قادر به تشخیص سریع و دقیق خطاهای رتور است. در ادامه همان شبکه عصبی توسط اطلاعات تولید شده توسط یک موتور نمونه به قدرت
kW 1/1 مورد آموزش قرار گرفت. برای اینکه این سیستم بتواند به ازای گشتاورهای مختلف کارایی داشته باشد، اطلاعات مورد نیاز به ازای گشتاورهای مختلف تولید شد. این سیستم قادر به تشخیص سلامت یا شکستگی حلقه انتهایی و یا میلههای رتور، به صورت بهنگام بوده است.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومى دریافت: 1393/8/3 | انتشار: 1385/4/24