آشکارسازی عیب شکستگی میله های روتور و اتصال کوتاه در سیم پیچ های استاتور یک موتور القایی با استفاده از مانده تعیین شده توسط فیلتر کالمن توسعه یافته و فیلتر کالمن خنثی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 634

فایل این مقاله در 18 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELEMECHCONF04_482

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

در این تحقیق، روشی مبتنی بر مدل و تخمین متغیرهای حالت سیستم، به منظور آشکارسازی عیب شکستگی میله‎های روتور و عیب اتصال کوتاه در سیم پیچ های استاتور ارایه شده است. برای دستیابی به این هدف، از یک مدل ساده از موتور القایی و سیگنال ولتاژ فازهای استاتور استفاده می شود. تخمین گر فیلتر کالمن توسعه یافته (EKF) و فیلتر کالمن خنثی(UKF) قادر هستند با وجود ماهیت غیرخطی موتور القایی، نامعین بودن مقادیر اولیه حالت ها، با درنظرگرفتن ملاحظاتی همچون افزایش مقاومت روتور و استاتور در اثر افزایش دما و با کمترین سنسور (بدون صرف هزینه نصب سنسورهای بیشتر)، تخمینی از مقاومت روتور و استاتور فراهم کنند. سپس مقادیر مقاومت تخمین زده شده با مقادیر نامی مربوطه مقایسه شده و مانده معتبر تعیین می گردد. وقوع تغییرات شدید در مقاومت استاتور و روتور به ترتیب به منزله ی وقوع عیب اتصال کوتاه در سیم‎پیچ‎های استاتور و شکستگی میله روتور در نظر گرفته می شوند. در نهایت مقایسه ای نیز برروی پاسخ این دو فیلتر برای آشکارسازی این عیب ها انجام شده است. نتایج شبیه سازی های کامپیوتری انجام شده بر روی موتور القایی قفس سنجابی KW 4 نشان می دهد که هر دو تخمین گر با دقت خوبی قادر به تشخیص این عیب ها بدون سنسور اختصاصی می باشد.

کلیدواژه ها:

موتور القایی ، تشخیص عیب ، شکستگی میله ، اتصال کوتاه در سیم-پیچ ، تخمین مقاومت ، فیلتر کالمن توسعه یافته ، فیلتر کالمن خنثی ، مانده

نویسندگان

سعید عباداللهی

استادیار ، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

بهنام رحیمی کلاریجانی

دانشجوی دکتری، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

طاهره ایزک محمدپور

کارشناس‎ارشد الکترونیک، پژوهشگاه علوم و فنون هسته‎ای، پژوهشکده کاربرد پرتوها

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 مقاله لینک شده اند :
  • تشخیص و شناسایی خطا در ماشین القایی با استفاده از فیلتر کالمن غیرخطی UKF [مقاله کنفرانسی]
  • قلی‌زاده، م. ر. (1390)، "شناسایی و تشخیص خطا در سیستم ...
  • کرمی، ف. (1388)، " تشخیص ترک وتخمین تعداد میله‌های معیوب ...
  • Shi, K. L. Wong, Y .K. and Ho, S. L. ...
  • Shi, K. L. Chan, T. F. Wong, Y .K . ...
  • Nait-Said, M.S. Benbouzid, M.E.H. Benchaib, A. (2000)، Detection of broken ...
  • Isermann, R. (2006), ،، Fa ult-Diagnos is Systems: An Introduction ...
  • Zhang, Y. Jiang, J. (2008), ،، B ibliographical review on ...
  • Ding, S. X. (2008), ،، Model-Based Fault Diagnosis Techniques, Berlin: ...
  • Yang, Q. (2004), ،، Model-Based and Data Driven Fault Diagnosis ...
  • Shui, A. Chen, W.Zhang, P.Hu, Sh. and Huang, X. (2 ...
  • Zhang, Y .M. and Jiang, J. (2002), "Active fault-tolerant control ...
  • Karami, F and Poshtan, J. (20 10), *"Analysis Model-Based fault ...
  • Da Silva, A. M. Povinelli, R. J. and Demerdash, N ...
  • Benkouider, A.M. Buvat, J.C. Cosmao, J.M. and Saboni, A. (2008), ...
  • Pirmoradi, F. N. Sassani, F. deSilva, C. W. (2009), ،Fault ...
  • Wei, L. (1999), *An extended Kalman filter and neural network ...
  • Tiangi, Y. (2005), _ metlod of neuro-fuzzy computing for effective ...
  • Mehra, R. Seereeram, S. Bayard, D. Hadaegh, F. (1995), «Adaptive ...
  • Tudoroiu, N. and Khorasani, K. (2006), _ estimation of the ...
  • Abreu, N. (2011), ،Fault diagnosis with adaptive kalman filters and ...
  • Zarchan, P. and Musoff, H. (2000), ،، Fundamenta ls of ...
  • Kowalski, C.T. Wierzbicki, R. and Wolkiewicz, M. (2013)? Stator and ...
  • نمایش کامل مراجع