محمدمهدی همایون پور - آزمایشگاه سیستمهای هوشمند صوتی - گفتاری دانشکده مهندسی کامپیوتر دان
داریوش حکیم زاده - آزمایشگاه سیستمهای هوشمند صوتی - گفتاری دانشکده مهندسی کامپیوتر دان

ماشین های دوار و در میان آنها موتورهای القایی نقش مهم و کلیدی در صنعت دارند . این موتورها برحسب نوع کاربردشان در صنعت در برابر تنش های گوناگون قرار می گیرند که باعث خرابی استاتور یا رتور آنها می گردد و گاهی اوقات خرابی یک موتور منجر به تعط یلی یک کارخانه می شود . بنابراین اگر بتوان خرابی موتور را پیش بینی نمود و از گسترش خطا جلوگیری کرد، این کار فواید اقتصادی فراوانی در پی خواهد داشت . از آنجا که وقوع خرابی در هرماشین دوار باعث تغییر ارتعاشات آن ماشین میشود، سعی شده است از طریق آنالیز ارتعاشات سنجش وضعیت یک موتور الکتریکی یعنی وجود و یا عدم وجود عیوب مختلف حلقه به حلقه و کلاف به کلاف استاتور در ماشین القایی و در صورت معیوب بودن نوع آن تشخیص داده شود، همچنین به کمک آنالیز ارتعاشات میزان بار اعمالی به موتور هم تعیین گردد . در این راستا برای تشخیص خطای استاتور یک موتور سه فاز به نحو خاصی سیم بندی گردید بطوریکه انواع خ طاهای استاتور بر روی موتور قابل پیاده سازی باشد . ارتعاشات حاصل از کار موتور تحت شرایط عملکرد عادی، تحت بارها و عیب های مصنوعی مختلف اخذ و ویژگیهای مناسب استخراج و طبقه بندی بار و عیوب م ختلف توسط دو نوع شبکه عصبی بانظارت (LVQ) و بی نظارت (SOM) صورت گرفت . آزمایشات زیادی برای بهبود میزان صحت عیب یابی صورت گرفت که از آنجمله می توان به تعیین تاثیر نوع و طول بردار ویژگی، طول زمانی سیگنالهای آموزشی و آزم ایشی و نوع شبکه عصبی اشاره نمود . لیکن بهترین نتیجه بدست آمده برای کتاب کد 16×16 کلمه ای برای شبکه عصبی LVQ بدست آمد . مشاهده گردید که برای عیب یابی، شبکه های عصبی با یادگیری ب ا نظارت نسبتا بهتر عمل می کنند و در کل برای مدل کردن حالات موتور مناسب ترند . همچنین مشاهده شد که تعداد 20 ضریب ویژگی و نیز 600 میلی ثانیه سیگنال ارتعاشی مقادیر مناسبی برای مدل کردن حالات موتور توسط شبکه های عصبی بکار رفته در این تحقیق می باشند

سنجش وضعیت، آنالیز ارتعاشات، عیب یابی موتورهای الکتریکی، شبکه های عصبی، بانک فیلتر، آنالیز کپسترال