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

بهینه سازی شار با استفاده از شبکه های عصبی مصنوعی برای ارتقاء بازده در درایو موتور القایی

سال انتشار: 1394
کد COI مقاله: ELECTRICA02_016
زبان مقاله: فارسیمشاهد این مقاله: 302
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهینه سازی شار با استفاده از شبکه های عصبی مصنوعی برای ارتقاء بازده در درایو موتور القایی

مجتبی سرلک - گروه برق،واحد نراق،دانشگاه آزاد اسلامی، کرج، ایران- ارائه دهنده
سجاد فتاحی - گروه مهندسی برق، دانشکده مکاترونیک، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایراى

چکیده مقاله:

موتورهای القایی قفس- سنجابی جایگزین موتورهای DC در کاربردهای سرعت متغیر شده اند به دلیل دردسترس بودن تکنیک های کنترل پیشرفته مانند کنترل مستقیم گشتاور و کنترل بر مبنای میدان، در کار با بار جزئی یک ماشین القایی، تلفات هسته و تا اندازه ای تلفات مسی را می توان کمینه کرد، اگر ماشین در شار کاهش یافته کار کند تا اینکه در مقدار نامی آن کار کند. هیچ رابطه ی ریاضی مستقیمی وجود ندارد که میزان کاهش شار را برای یک بار داده شده بر روی ماشین مشخص کند. در این مقاله، یک طرح کنترل بر پایه ی شبکه ی عصبی مصنوعی برای رسیدن به مناسب ترین مقدار شار پیشنهاد شده است، با داشتن شرایط سرعت و گشتاور در هر نقطه ی کار درایو تا تلفات کمینه شود و بازده ی درایو بهتر شود. کل طرح درایو به همراه بلوک تشخیص شار در محیط سیمولینک متلب مدل شده است و تلفات و بازده برای ظرفیت 2.2 کیلووات و 22 کیلووات موتورهای القایی 3 فاز تخمین زده شده است. از نتایج بدست آمده آشکار است که وقتی ماشین با مقدار شار مشخص شده با شبکه ی عصبی مصنوعی کار می کند، منجر به بازده ی بهتر مخصوصاً در شرایط بار جزئی شده است.

کلیدواژه ها:

کنترل گشتاور مستقیم، شبکه ی عصبی مصنوعی، تشخیص شارمناسب، شرایط بار جزئی بازده

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/467461/

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:
سرلک، مجتبی و فتاحی، سجاد،1394،بهینه سازی شار با استفاده از شبکه های عصبی مصنوعی برای ارتقاء بازده در درایو موتور القایی،همایش مهندسی برق، مخابرات پزشکی و پژوهشهای نیاز محور با محوریت دستاوردهای نوین در علوم مهندسی،مشهد،،،https://civilica.com/doc/467461

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: (1394، سرلک، مجتبی؛ سجاد فتاحی)
برای بار دوم به بعد: (1394، سرلک؛ فتاحی)
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 :

  • . Jawad Faiz et.al "Sensorless Direct Torque Control of Induction ...
  • . H.Demuth et.al, "Neural Network Toolbox for use with MATLAB" ...
  • R.Kianinezhad, B .N.Mobarakeh, L. Baghli, F. Betin, and G. A. ...
  • M. _ Fnaiech, F. Betin, G. A. Capolino, and F. ...
  • S. Williamson and S. Smith, "Pulsating torque and losses in ...
  • R. Bojoi, M. Lazzari, F. Profumo, and A. Tenconi, "Digital ...
  • R. Bojoi, F. Farina, A. Tenconi, F. Profumo, and E. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

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

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 1,069
    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

    مقالات مرتبط جدید

    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