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

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.

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