CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تشخیص خطای قطع سیم پیچی های موازی استاتور ژنراتور سنکرون با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۵۳۳ | نظرات: ۰
سرفصل ارائه مقاله: قدرت / Power
سال انتشار: ۱۳۸۶
کد COI مقاله: ICEE15_511
زبان مقاله: فارسی
حجم فایل: ۷۰۹.۷۵ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تشخیص خطای قطع سیم پیچی های موازی استاتور ژنراتور سنکرون با استفاده از شبکه عصبی مصنوعی

  احمد دارابی - دانشکده برق و رباتیک - دانشگاه صنعتی شاهرود
  فرهاد تورانی - دانشکده برق و رباتیک - دانشگاه صنعتی شاهرود

چکیده مقاله:

در این مقاله، یک سیستم تشخیص خطا بر اساس شبکه عصبی مصنوعی پیشخورد چند لایه جهت تشخیص خطا بر اساس شبکه عصبی مصنوعی پیشخور چند لایه جهت تشخیص خطای قطع یک و یا چند کویل موازی در یک ژنراتور کوچک ارائه شده است. تشخیص این نوع خطا بدلیل عدم تاثیر عمده آن بر روی عملکرد نرمال ژنراتور و مشابهت عملکرد ماشین سالم در بار نامتعادل در مقایسه با عملکرد ماشین دارای خطای قطع کویل اهمیت ویژه ای دارد. دراین مقاله پارامترهای محاسبه شده ماشین بر اساس تحلیل اجزای نحدود رد یک شبیه سای بکار گرفته شده و عملکرد ماشین سالم و معیوب در شرایط کار مختلف محاسبه می شود. بررسی وسیعی روی مولفه های هارمونیکی جریان های فاز و تحریک انجام میگیرد. در نتیجه این تحلیل، مولفه های اول تا هفتم جریان تحریک به عنوان کمیت های با بیشترین تغییرات به عنوان سیگنال های آموزشی به شبکه پیشخورد چندلایه تغذیه و شبکه توسط الگوریتم پس انتشار خطا (Back Propagation) آموزش داده می شود. آزمایشات انجام گرفته بر روی سیستم شبیه سازی شده نشان می دهد که سیستم خبره طراحی شده قادر به تشخیص درست نوع سیستم سالم و غیر سالم با دقت اطمینان بالا می باشد.

کلیدواژه‌ها:

ژنراتور سنکرون ، خطای قطع کوییل ، تشخیص خطا ، شبکه عصبی مصنوعی

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://www.civilica.com/Paper-ICEE15-ICEE15_511.html
کد COI مقاله: ICEE15_511

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:
دارابی, احمد و فرهاد تورانی، ۱۳۸۶، تشخیص خطای قطع سیم پیچی های موازی استاتور ژنراتور سنکرون با استفاده از شبکه عصبی مصنوعی، پانزدهیمن کنفرانس مهندسی برق ایران، تهران، مرکز تحقیقات مخابرات ایران، https://www.civilica.com/Paper-ICEE15-ICEE15_511.html

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: (دارابی, احمد و فرهاد تورانی، ۱۳۸۶)
برای بار دوم به بعد: (دارابی و تورانی، ۱۳۸۶)
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 مقاله لینک شده اند :

  • Starter Motor Faults Diagnosis Using Artificial cج _ _ IEE... ...
  • Albert Foggia, Jean-Eric Torlay and et al, "Circulating Currert Analysis ...
  • Hatem A. Darwish, A bdel-Maxoud I. Taalab and Tamer A. ...
  • A. 1. Taalab, H. _ Darwish and T. A. Kawady, ...
  • Marcos F. S.V.D'Angelo, Pyramo p.cOosta Jr, ' Detection of Shorted ...
  • Jianyong Ding, Yunpin Chen, 'On-line Diagnosis for Shorted Field-turns of ...
  • A. I. Megahed, O. P. Malik, Experimental Testing of a ...
  • A. I. Megahed, O. P. Malik, An Artificial Neural Network ...
  • Anton Poeltl, Klaus Frohlich, '.Two New Methods for Very Fast ...
  • A. Darabi, "Auxiliary windings, supplying the AVR of a brushless ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۹۱۶۷
    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.

    مدیریت اطلاعات پژوهشی

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

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    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.