استفاده موثر از روش SVM جهت تشخیص معایب موتورهای الکتریکی به کمک آنالیز اجزای محدود

مقاله حاضر حاوی رویکردی کاربردی برای استفاده از روش ماشین بردار پشتیبان (SVM) در تشخیص خطاهای ماشین های الکتریکی با استفاده از آنالیز اجزای محدود (FEA) است. لازمه استفاده از روش SVM در تشخیص خطاها، طی شدن فاز آموزش آن است که خود مستلزم دسترسی به داده های کافی می باشد. مجموعه داده ها براساس شبیه سازی، در همان بستر شبیه سازی محدود هستند و مجموعه داده های آزمایشگاهی نیازمند تهیه چندین موتور می باشند تا از یک موتور به صورت سالم داده برداری شود و بقیه موتورها معیوب سازی شده و در شرایط معیوب داده برداری گردند. حال آن که در شرایط واقعی، مجموعه داده ای از موتور معیوب در دسترس نیست. از طرفی به دلیل زمان بری و هزینه بری، امکان معیوب سازی و داده برداری از موتور های الکتریکی منحصر به فرد، دائم کار در خطوط تولید و گران قیمت فراهم نمی باشد. روش پیشنهادی در این مقاله، استفاده از همان موتور واقعی سالم است و نیازی به هزینه های مرتبط با تهیه چندین موتور و معیوب سازی آنها را ندارد. مجموعه داده در این روش با تکیه بر شبیه سازی و ایجاد ارتباط بین محیط شبیه سازی و آزمایشگاهی فراهم می شود. در ابتدا، با استفاده از روش FEA عیوب اتصال حلقه استاتور، شکست میله روتور و ناهم محوری شبیه سازی شده و مجموعه داده آنها تهیه می شود. سپس با تحلیل اثر جریان موتور، شاخص های عیوب استخراج شده و در طراحی شبکه های SVM مناسب استفاده می شوند. با اعمال ضرایب اصلاحی، انطباق لازم در ورودی های شبکه های SVM آموزش دیده جهت تشخیص عیوب موتور واقعی مشابه فراهم می شود. نتایج حاکی از قابلیت بالای روش پیشنهادی جهت تفکیک عیوب در موتورهای آزمایشگاهی مشابه است.

کلیدواژه ها:

ماشین بردار پشتیبان ، شناسایی خطا ، اجزای محدود ، اثر جریان