ارزیابی جریان راه اندازی موتورهای القایی با استفاده از شبکه عصبی

موتورهای القایی به صورت گسترده ای در صنعت مورد استفاده قرا می گیرند. با این وجود در طول پروسه راه اندازی، جریان راه اندازی آنها آنچنان بزرگ است که می تواند به تجهیزات آسیب برساند. بنابراین این جریان بایستی با دقت تخمین زده شود. در این مقاله، از شبکه عصبی مصنوعی برای ارزیابی مقدار پیک جریان راه اندازی موتورهای القایی استفاده می شود. هر دو ساختار متداول پرسپترون چندلایه (MLP) و تابع پایه ای شعاعی  (RBF)مورد بررسی قرار می گیرند. برای آموزش ساختار MLP از شش الگوریتم پس انتشار (BP)، دلتا-بار-دلتا (DBD)، دلتا-بار-دلتا توسعه یافته (EDBD)، جستجوی تصادفی جهت دار (DRS)، انتشار سریع (QP) و لونبرگ مارکواردت (LM) استفاده می شود. نتایج شبیه سازی نشان می دهند که هرچند اکثر شبکه های آموزش دیده قادر به تخمین مناسب مقدار پیک جریان راه اندازی هستند، اما الگوریتم هایLM  و EDBD بهترین نتیجه را بر اساس میانگین خطای نسبی و مطلق ارائه می دهد. این روش می تواند به شرکت های سازنده و اپراتورها برای ارزیابی مقدار پیک جریان راه اندازی در مرحله طراحی و بهره برداری کمک کند تا بتوانند تدابیر لازم را برای عملکرد ایمن موتور فراهم نمایند.

کلیدواژه ها:

موتورهای القایی ، پرسپترون چندلایه ، تابع پایه ای شعاعی ، جریان راه اندازی