تشخیص عیب و کنترل سرعت موتورهای القایی با استفاده از CNN-LSTM و کنترل کننده PID

تعمیر و نگهداری پیشگیرانه و تشخیص عیب ماشینهای دوار نقش حیاتی در دنیای صنعتی مدرن دارد. کاهش هزینههای تعمیر و نگهداری، افزایش ایمنی، افزایش کارایی و قابلیت اطمینان مهمترین دلایل هستند. این مقاله یک روش برای شناسایی و کلاس بندی عیوب و کنترل سرعت موتورهای القایی با کاربرد در صنعت کشاورزی را ارایه می دهد. روش پیشنهادی از شبکه عصبی کانولوشنی (CNN) و حافظه طولانی کوتاه مدت (LSTM) استفاده می کند. در این شبکه استخراج و انتخاب ویژگی به صورت اتوماتیک انجام می شود. روش های پیشنهادی روی یک مجموعه داده تست می شود؛ در این مجموعه داده ۸ حالت شامل ۷ عیب و یک حالت سالم در نظر گرفته می شود و از دادههای ارتعاش و آکوستیک به منظور تشخیص عیب استفاده می شود و یک روش برای ارایه چند ورودی به شبکه عصبی کانولوشن یک بعدی ارایه می شود. نتایج به دست آمده نشان می دهد که روش پیشنهادی توانایی بالایی در شناسایی دقیق عیوب و تعیین وضعیت آنها دارد. همچنین هنگامی که از دادههای ارتعاش و آکوستیک به صورت همزمان استفاده شود نتایج بهتر می باشد. سپس یک الگوریتم کنترلی شامل کنترل کننده PID به منظور کنترل سرعت موتور به خصوص هنگامی که تحت عیب است ارایه می شود. در این روش هنگام تشخیص عیب از الگوریتم تکمیلی به منظور کنترل سرعت استفاده می شود که در هر دو حالت کنترل سرعت موتور به خوبی انجام شده است.

کلیدواژه ها:

تشخیص عیب ، روش پیشنهادی ، شبکه عصبی کانولوشنی ، الگوریتم کنترلی