سنجش وضعیت در ماشین های الکتریکی با استفاده از شبکه های عصبی
- سال انتشار: 1381
- محل انتشار: هشتمین کنفرانس سالانه انجمن کامپیوتر ایران
- کد COI اختصاصی: ACCSI08_084
- زبان مقاله: فارسی
- تعداد مشاهده: 1717
نویسندگان
آزمایشگاه سیستمهای هوشمند صوتی - گفتاری دانشکده مهندسی کامپیوتر دان
آزمایشگاه سیستمهای هوشمند صوتی - گفتاری دانشکده مهندسی کامپیوتر دان
چکیده
ماشین های دوار و در میان آنها موتورهای القایی نقش مهم و کلیدی در صنعت دارند . این موتورها برحسب نوع کاربردشان در صنعت در برابر تنش های گوناگون قرار می گیرند که باعث خرابی استاتور یا رتور آنها می گردد و گاهی اوقات خرابی یک موتور منجر به تعط یلی یک کارخانه می شود . بنابراین اگر بتوان خرابی موتور را پیش بینی نمود و از گسترش خطا جلوگیری کرد، این کار فواید اقتصادی فراوانی در پی خواهد داشت . از آنجا که وقوع خرابی در هرماشین دوار باعث تغییر ارتعاشات آن ماشین میشود، سعی شده است از طریق آنالیز ارتعاشات سنجش وضعیت یک موتور الکتریکی یعنی وجود و یا عدم وجود عیوب مختلف حلقه به حلقه و کلاف به کلاف استاتور در ماشین القایی و در صورت معیوب بودن نوع آن تشخیص داده شود، همچنین به کمک آنالیز ارتعاشات میزان بار اعمالی به موتور هم تعیین گردد . در این راستا برای تشخیص خطای استاتور یک موتور سه فاز به نحو خاصی سیم بندی گردید بطوریکه انواع خ طاهای استاتور بر روی موتور قابل پیاده سازی باشد . ارتعاشات حاصل از کار موتور تحت شرایط عملکرد عادی، تحت بارها و عیب های مصنوعی مختلف اخذ و ویژگیهای مناسب استخراج و طبقه بندی بار و عیوب م ختلف توسط دو نوع شبکه عصبی بانظارت (LVQ) و بی نظارت (SOM) صورت گرفت . آزمایشات زیادی برای بهبود میزان صحت عیب یابی صورت گرفت که از آنجمله می توان به تعیین تاثیر نوع و طول بردار ویژگی، طول زمانی سیگنالهای آموزشی و آزم ایشی و نوع شبکه عصبی اشاره نمود . لیکن بهترین نتیجه بدست آمده برای کتاب کد 16×16 کلمه ای برای شبکه عصبی LVQ بدست آمد . مشاهده گردید که برای عیب یابی، شبکه های عصبی با یادگیری ب ا نظارت نسبتا بهتر عمل می کنند و در کل برای مدل کردن حالات موتور مناسب ترند . همچنین مشاهده شد که تعداد 20 ضریب ویژگی و نیز 600 میلی ثانیه سیگنال ارتعاشی مقادیر مناسبی برای مدل کردن حالات موتور توسط شبکه های عصبی بکار رفته در این تحقیق می باشندکلیدواژه ها
سنجش وضعیت، آنالیز ارتعاشات، عیب یابی موتورهای الکتریکی، شبکه های عصبی، بانک فیلتر، آنالیز کپسترالمقالات مرتبط جدید
- تاثیر نوروفیدبک بر آموزش کودکان مبتلا به ADHD و اختلالات خواندن: یک بررسی سیستماتیک
- بررسی نقش سیستم های پیشرانش جت و بهبود کارایی انتقال حرارت در انجین های فضاپیما
- مروری بر کاربرد داده کاوی در کشف دانش پنهان
- تجزیه و تحلیل ترمودینامیکی استفاده از یک چرخه دی اکسید کربن فوق بحرانی با اینترکولر، گرم کردن مجدد و احیاکننده برای بازیابی گرمای اتلافی یک توربین گازی
- کاربرد IOT در مهندس پزشکی
اطلاعات بیشتر در مورد 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.