ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

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

تعداد صفحات: 10 | تعداد نمایش خلاصه: 3982 | نظرات: 0
سال انتشار: 1383
کد COI مقاله: PSC19_054
زبان مقاله: فارسی
(فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

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

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

چکیده مقاله:

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

کلیدواژه ها:

تشخيص خطاي ميله شكسته، موتور القائي، شبكه عصبي، شناسائي الگو

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/20657/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رفیع منزلت، محمدرضا و نجار اعرابی، بابک و فیض، جواد و شریفی قزوینی، عماد،1383،تشخیص خطای شکستگی میله های روتور در موتور القایی قفس سنجابی به کمک شبکه عصبی،نوزدهمین کنفرانس بین المللی برق،تهران،،،https://civilica.com/doc/20657

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1383، رفیع منزلت، محمدرضا؛ بابک نجار اعرابی و جواد فیض و عماد شریفی قزوینی)
برای بار دوم به بعد: (1383، رفیع منزلت؛ نجار اعرابی و فیض و شریفی قزوینی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 ممقالهقاله 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 ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 1 مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 55,951
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی