CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تست روش PCA در بهبود نتایج شبکه عصبی LVQ در آشکارسازی خطا در موتورهای جریان مستقیم

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۷۷ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: NCEEM01_140
زبان مقاله: فارسی
حجم فایل: ۸۲۳.۶۱ کیلوبایت (فایل این مقاله در ۷ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تست روش PCA در بهبود نتایج شبکه عصبی LVQ در آشکارسازی خطا در موتورهای جریان مستقیم

  حمیدرضا امامی - کارشناس ارشد مکاترونیک و دانشگاه آزاد واحد قزوین، دانشکده مهندسی برق، پزشکی و مکاترونیک
  معظمه هاشمی - کارشناس ارشد کامپیوتر و دانشگاه شهید اشرفی اصفهانی، دانشکده کامپیوتر
  ناصر نعمت بخش - استادیار و دانشگاه شهید اشرفی اصفهانی، دانشکده کامپیوتر

چکیده مقاله:

در این مقاله به پایش وضعیت و عیبیابی موتورهای جریان مستقیم پرداخته می شود با نمونه برداری از جریان موتور در حالت های خطا وسالم، ضمن تحلیل به کمک تبدیل موجک گسسته و تجزیه سیگنال به چند سطح، بهترین ویژگی ها به منظور شناسایی خطا استخراج گردیده و باانتخاب مناسب ترین ویژگی ها و پیش پردازش به کمک PCA ورودی های موردنیاز برای آموزش شبکه عصبی تامین میگردد که به کمک شبکه عصبی رقمی ساز بردار یادگیرLVQ برخی عیوب متداول ازجمله عیوب مربوط به بلبرینگ ها به صورت هوشمند باقابلیت تفکیک پذیری تا 98/8 شناسایی می شود.

کلیدواژه‌ها:

آشکارسازی خطا، عدم هممحوری، تبدیل موجک گسسته، شبکه عصبی، موتور القایی

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-NCEEM01-NCEEM01_140.html
کد COI مقاله: NCEEM01_140

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:
امامی, حمیدرضا؛ معظمه هاشمی و ناصر نعمت بخش، ۱۳۹۵، تست روش PCA در بهبود نتایج شبکه عصبی LVQ در آشکارسازی خطا در موتورهای جریان مستقیم، همایش ملی مهندسی برق مجلسی، اصفهان، دانشگاه آزاد اسلامی واحد شهر مجلسی، https://www.civilica.com/Paper-NCEEM01-NCEEM01_140.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: (امامی, حمیدرضا؛ معظمه هاشمی و ناصر نعمت بخش، ۱۳۹۵)
برای بار دوم به بعد: (امامی؛ هاشمی و نعمت بخش، ۱۳۹۵)
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 :

  • Blidt, M., Granjon, P., Raison, B. & Rostaing G., Models ...
  • Zoubek, H., Villwock, S.&Pacas, M.Frequency response analysis for rolling- bearing ...
  • Zhou, W., Lu, B., Habetler, T. G. & Harley R. ...
  • IEEE Motor Reliability Working Group, *Report of large motor reliability ...
  • J. H. Jung, J. J. Lee, and B.H. Kwon, _ ...
  • N. Tandonand, A. Choudhury, _ analytical model for the prediction ...
  • J. Stack, T. G. Habetler, and R. G. Harley, ،Fault ...
  • P. D. Mac Faddenand J. D. Smith, ،#Model for the ...
  • Y. F. Wangand P. J. Ko otsooko s, "Modeling of ...
  • J. Antonino- Daviu, M. Riera-Guasp, J .Roger-Folch, F.Martinez- and Optimization ...
  • T. Tarasiuk, *Hybrid Wavelet Fourier Spectrum Analysis, 0IEEE Trans. Power ...
  • C. S. Burrus, R. A. Gopinath, and H. Guo, Introduction ...
  • A. Nandi, ، Blind Estimation Using Higher-Order Statistics, ;4 Norwell, ...
  • Bayindir N S, Ukrer OK, YakupM (2003) DSP based PLL ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۹۰۳۶
    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.