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

تشخیص خطای شکستگی میله های روتور در موتور القایی قفس سنجابی به کمک شبکه عصبی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۳۴۱۰ | نظرات: ۰
سرفصل ارائه مقاله: ماشین های الکتریکی
سال انتشار: ۱۳۸۳
کد COI مقاله: PSC19_054
زبان مقاله: فارسی
حجم فایل: ۳۱۷.۰۲ کلیوبایت (فایل این مقاله در ۱۰ 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 ۱۰ 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 شکستگی میله های روتور در موتور القایی قفس سنجابی به کمک شبکه عصبی

  محمدرضا رفیع منزلت - گروه مهندسی برق و کامپیوتر، دانشکده فنی، دانشگاه تهران، ایران . گروه
  بابک نجار اعرابی (شناسه پژوهشگر - Researcher ID: ۸۲۵)
گروه مهندسی برق و کامپیوتر، دانشکده فنی، دانشگاه تهران، ایران
    جواد فیض (شناسه پژوهشگر - Researcher ID: ۳۴۳)
گروه مهندسی برق و کامپیوتر، دانشکده فنی، دانشگاه تهران، ایران
  عماد شریفی قزوینی - گروه ماشین های الکتریکی، پژوهشکده برق، پژوهشگاه نیرو، تهران، ایران

چکیده مقاله:

توجه به اهمیت و کاربرد فراوان موتورهای القائی در صنعت و لزوم تشخیص به موقع خطا به منظور پیشگیری از گسترش آن، روشی برای تشخیص خودکار خطای شکستگی میله های روتور که از جمله خطاهای رایج در موتورهای القایی قفسی است، ارائه گردیده است . روش پیشنهادی بر مبنای تحلیل طیف فرکانسی سیگنال جریان استاتور به کمک روش های پردازش سیگنال و شناسایی الگو توسعه یافته است . این سیستم با دریافت جریان استاتور و سرعت روتور وضعیت موتور را از نظر وجود یا عدم وجود شکستگی میله های روتور تعیین می کند . برای تهیة این سیستم تشخیص خطا ابتدا با بررسی مجموعه داده های حاصل از نمونه برداری از موتورهای سالم و خطادار در شرایط بار و خطای مختلف، ویژگی های شاخص خطا از روی طیف فرکانسی سیگنال جریان استخراج و تناسب آنها برای امر تشخیص خطا بر اساس چند معیار مطرح شده، ارزیابی شده است . پس از آن ویژگی های انتخاب شده برای مجموعه داده های مذکور محاسبه شده و از آنها برای آموزش یک شبکة عصبی استفاده شده است . سرانجام شبکة آموزش دیده بعنوان ابزار تفکیک موتورهای سالم و خطادار به کار رفته است . روش ارائه شده بر روی مجموعه داده های حاصل از یک
سری آزمایش های عملی بر روی یک موتور القایی سه فاز آزمایش شده، که نتایج عملی کارایی آن را در تشخیص خطای مورد نظر نشان می دهد

کلیدواژه‌ها:

تشخیص خطای میله شکسته، موتور القائی، شبکه عصبی، شناسائی الگو .

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-PSC19-PSC19_054.html
کد COI مقاله: PSC19_054

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:
رفیع منزلت, محمدرضا؛ بابک نجار اعرابی؛ جواد فیض و عماد شریفی قزوینی، ۱۳۸۳، تشخیص خطای شکستگی میله های روتور در موتور القایی قفس سنجابی به کمک شبکه عصبی، نوزدهمین کنفرانس بین المللی برق، تهران، شرکت توانیر، شرکت متن، https://www.civilica.com/Paper-PSC19-PSC19_054.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: (رفیع منزلت, محمدرضا؛ بابک نجار اعرابی؛ جواد فیض و عماد شریفی قزوینی، ۱۳۸۳)
برای بار دوم به بعد: (رفیع منزلت؛ نجار اعرابی؛ فیض و شریفی قزوینی، ۱۳۸۳)
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 :

  • Benbouzid M. E. H., 4Bibliography On induction motors faults detection ...
  • Kliman G. B., Koegl R. A., Stein J., Endicott R. ...
  • , No. 4, Dec. 1988 , pp. 873-879. ...
  • Using AI Techniques' , IEEE Trans. Industrial Electronics, Vol. 47, ...
  • Filippetti F., Franceschini G., Tassoni C., and Vas P., ،AI ...
  • Toliyat H. A., Nandi S., 44Condition monitoring and fault diagnosis ...
  • Nandi S., Bharadwaj R., Toliyat H. A., Parlos A. G., ...
  • پژوهشگاه نیرو، پژوهشکده برق، گروه ماشین‌های الکتریکی، "بررسی‌خطاهای متداول‌و روش‌های ...
  • Rafimanzelat M. R., Araabi B., Sharifi Ghazvini E., ،^New Features ...
  • Haji M., Toliyat H. A., ،Pattern Recognition _ A Technique ...
  • Theodoridis S., Koutroumbas K., ،Pattern recognition', Academic press, UK, 1999. ...
  • Filippetti F., Franceschini G., Tassoni C., «Neural Networks Aided On-line ...
  • Riedmiller, M., and H. Braun, 40A direct adaptive method for ...
  • پژوهشگاه نیرو، پژوهشکده برق، گروه ماشین‌های الکتریکی، "گزارش آزمایش‌های عملی ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۶۳۸۷۴
    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.