• شماره ركورد
    10835
  • عنوان
    مروري بر روش هاي مبتني بر سيگنال عيب يابي موتورهاي القايي با تاكيد بر پيشرفت هاي اخير
  • سال تحصيل
    1401
  • استاد راهنما
    دكتر پشتان
  • چکيده
    عملكرد بي وقفه و بدون مشكل موتورهاي القايي اجبار صنايع مدرن است. زيرا موتورهاي القايي در بسياري از فرايندهاي توليد، كاربردهاي صنعتي و تاسيسات مورد استفاده قرار مي¬گيرند و حفظ سلامت آن ها براي حفظ عملكرد خوب صنايع امري ضروري است. با اين حال، عيوب مختلف در موتور هاي القايي به دليل شرايط سخت كار، سايش مداوم و پارگي، تحمل بارهاي بيش از حد مجاز، حوادث غير منتظره و بسياري ديگر اتفاق مي‌افتد. بنابراين، تشخيص و شناسايي عيب براي جلوگيري از خرابي هاي فاجعه‌بار، خاموش شدن، تعميرات و هزينه‌هاي عملياتي، و عمليات غير ايمن در موتور ها ضروري است. در اين سمينار به بررسي تجزيه و تحليل‌ هاي سيگنال زماني و طيفي مرسوم دو نوع از موثرترين سيگنال‌ها، يعني ارتعاش و جريان براي خطاهاي مختلف موتور هاي القايي مي¬پردازيم. پس از آن، مزايا و مشكلات مربوط به اين روش‌هاي مرسوم مورد بحث قرار مي‌گيرند. سپس، تحقيق و توسعه موجود در زمينه اتوماسيون مبتني بر سيگنال روش‌هاي نظارت بر وضعيت را براي تشخيص و شناسايي عيب هاي مختلف الكتريكي و مكانيكي موتور هاي القايي ارائه مي¬دهيم. پيشرفت‌هاي تشخيص عيب مبتني بر هوش مصنوعي محتوي رويكردهاي رايج به طور دقيق مورد بررسي قرار مي‌گيرند. و سپس اين تكنيك‌ها با تكنيك‌هاي نظارت سنتي ادغام مي‌شوند. به طور كلي، اين سمينار شامل بررسي سيگنال‌هاي سيستم، رويكردهاي مرسوم و پيشرفته پردازش سيگنال است؛ با اين حال، به طور عمده انتخاب ويژگي‌هاي آماري موثر، روش‌هاي هوش مصنوعي و استراتژي¬هاي آموزشي و آزمايشي مرتبط براي تشخيص عيب موتورهاي القايي را پوشش مي‌دهد.
  • نام دانشجو

    شيما حيدربيگي

  • تاريخ ارائه
    5/25/2022 12:00:00 AM
  • متن كامل
    75140
  • پديد آورنده

    شيما حيدربيگي

  • تاريخ ورود اطلاعات
    1401/03/18
  • عنوان به انگليسي
    A review of reasoning methods for troubleshooting induction motors with emphasis on further developments
  • كليدواژه هاي فارسي
    موتور القايي، تشخيص عيب، شناسايي عيب، خطاهاي مكانيكي و الكتريكي، سيگنال ارتعاش و جريان، حوزه زمان، حوزه فركانس، حوزه زمان- ¬فركانس، هوش مصنوعي
  • كليدواژه هاي لاتين
    , induction motor, fault detection, fault diagnosis, mechanical and electrical faults, vibration and current signaltime domain, frequency domain, time-frequency domain artificial intelligence