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