نویسندگان
چکیده
در این مقاله برای تشخیص ترک خوردگی حلقه انتهایی و یا میله‌های رتور موتورهای القایی قفسه سنجابی روشی مبتنی بر شبکه‌های عصبی ارائه شده است. برای این منظور پس از بررسی روشهای سنتی تشخیص خطا، مدل دینامیکی موتور القایی با استفاده از روش تابع سیم‌پیچ معرفی شده است. در این روش اثر هریک از شیارهای استاتور و میله‌های رتور را جداگانه درنظر می‌گیریم. در نتیجه می‌توان عملکرد موتور در حالت سلامت رتور و یا بروز شکستگی در هر بخش آن را مورد بررسی قرار داد. پس از آن با استفاده از تبدیل فوریه، طیف فرکانسی سیگنالهای جریان در شرایط مختلف استخراج و مورد تجزیه و تحلیل قرار گرفـته است. آن گاه پس از یک بحث تحلیلی در مورد اصول نظری، الگوریتمی ساده با استفاده از شبکه‌های عصبی برای تشخیص خطا ارائه شده است. نتایج حاصل از شبیه سازی نشان داد که این سیستم قادر به تشخیص سریع و دقیق خطاهای رتور است. در ادامه همان شبکه عصبی توسط اطلاعات تولید شده توسط یک موتور نمونه به قدرت
kW 1/1 مورد آموزش قرار گرفت. برای اینکه این سیستم بتواند به ازای گشتاورهای مختلف کارایی داشته باشد، اطلاعات مورد نیاز به ازای گشتاورهای مختلف تولید شد. این سیستم قادر به تشخیص سلامت یا شکستگی حلقه انتهایی و یا میله‌های رتور، به صورت بهنگام بوده است.
کلیدواژه‌ها
عنوان مقاله [English]
Neural-Network-Aided On-line Diagnosis of Broken Bars inInduction Motors
نویسندگان [English]
- M. Ebrahimi
- M. Moradiyan
- H. Moeshginkelk
- M. Danesh
- and M. Bayat
چکیده [English]
This paper presents a method based on neural networks to detect broken rotor bars and end rings in squirrel cage induction motors. In the first part, detection methods are reviewed and traditional methods of fault detection as well as dynamic
model of induction motors are introduced using the winding function method. In this method, all stator and rotor bars are considered independently in order to check the performance of the motor for any faults in the parts. Then the frequency spectrum of current signals is derived using the Fourier transform and analyzed under various conditions. In the second part of the paper, an analytical discussion of the theoretical principles is presented to arrive at a simple algorithm for fault detection based on neural networks. The neural network has been trained using the information from a 1.1 KW induction motor. Finally, the system is tested with different values of load torque and is found capable of working on-line to detect all normal and ill-performing conditions.
کلیدواژه‌ها [English]
- Squirrel cage induction motor
- Rotor fault
- neural network
)