19734

۱۹۷۳۴

ارزيابي عملي سيستم تشخيص عيب موتور القايي مبتني بر روش هاي شناسايي الگو

كارشناسي ارشد

كنترل

۹۶-۹۷

۱۳۹۷/۰۶/۱۹

دكتر جواد پشتان

برق

مساله تشخيص عيب به صورت روز‌افزوني مورد توجه صنايع است. تشخيص عيب موتورهاي القايي به صورت خاص به علت كاربرد گسترده آنها، سهم گسترده‏اي از تحقيقات را به خود اختصاص داده است. در اين پژوهش برخي روش‌هاي تشخيص عيب مبتني بر شناسايي الگو به صورت عملي مورد بررسي قرار گرفته‌اند. از سيگنال‌هاي جريان الكتريكي سه فاز براي تشخيص عيوب ميله شكسته رتور و اتصال كوتاه استاتور به زمين از حالت سالم استفاده شده است. از هر سيگنال در هر كلاس شش ويژگي استخراج شده است كه خود موجب كاهش بعد قابل توجهي گرديده است. روش‌هاي SVM و شبكه بيزي به عنوان ابزار تشخيص عيب به كار رفته‌اند و عملكرد آنها با معيار صحت سنجيده شده است. هم‌چنين در يك آزمايش، از PCA براي كاهش بعد، قبل از SVM استفاده شده است. روش شبكه بيزي نيز براي دو حالت تك ويژگي و كليه ويژگي‌ها به صورت هم‌زمان اعمال شده است. در انتها از يك الگوريتم انتخاب ويژگي كه توسط KNN ارزيابي مي‌شود، براي تعيين كارايي ويژگي‏‏ها در اين كاربرد استفاده شده است. نتايج، عملكرد مناسب روش‌هاي شناسايي الگو را تنها با استفاده از سيگنال جريان،كه معمولا به سادگي در دسترس است، نشان مي‌دهد. در نتيجه الگوريتم‌هاي پيشنهادي، با رعايت اصل سادگي روش، منجر به كاهش هزينه، زمان، محاسبات و سخت‌افزار مورد نياز مي‌شوند.اين موضوع خصوصا در كاربردهاي عملي و پايش برخط از اهميت بسياري برخوردار است.

1397/09/13

An Experimental Evaluation of Induction Motors Fault Diagnosis Based on Pattern Recognition Methods

9/10/2018 12:00:00 AM

Fault diagnosis is an important issue in all modern industries. Especially induction motors fault diagnosis, considering their broad usage, has been many of recent researches subject. In this research some pattern recognition-based methods of fault diagnosis are investigated experimentally. 3-phase electrical current signals are used for diagnosis of broken rotor bar and stator short circuit falults. Six features are extracted from each signal in each class which led to a considerable dimension reduction. SVM and Bayesian Network methods are used as fault diagnosis tools. Their performance is evaluated using accuracy criteria. Also in another attempt, PCA is used before SVM as a means of dimension reduction. Bayesian network method is applied with individual feature and also all features together. One feature selection method, evaluated with KNN, is applied on the data. Results show appropriate performance of pattern recognition-based methods using just electrical current signals which are easily available. Therefore, considering the simplicity principle, suggested algorithms cause reduction in cost, time, calculations and needed hardware. They are very important issues in practical applications and especially online monitoring.