20392

۲۰۳۹۲

تشخيص و جداسازي عيوب موتور القايي الكتروپمپ با استفاده از تركيب داده عصبي

كارشناسي ارشد

كنترل

۱۳۹۵-۱۳۹۷

۱۳۹۷/۱۲/۲۶

دكتر جواد پشتان

برق

با توجه به نقش كليدي موتورالقايي در زمينههاي مختلف صنعتي، طراحي يك استراتژي جامع براي تعمير و نگهداري دستگاه و تشخيص و آشكارسازي زود هنگام عيب، به منظور جلوگيري از وقفههاي طولاني مدت و كاهش هزينهاي تعمير و نگهداري، توجيه علمي و اقتصادي محكمي خواهد داشت. در بين همه روشهاي موجود، تكنيكهاي هوشمند، توانمنديهاي قابل توجهي از خود بروز دادهاند. در اين پاياننامه راهكاري در جهت افزايش قابليت اعتماد تشخيص عيبهاي حلقه بيروني ياتاقان، شكستگي ميله روتور و اتصال كوتاه سيم پيچي استاتور در يك موتورالقايي با استفاده از تركيب داده عصبي ارائه شده است. در اين پاياننامه از شبكه عصبي براي تركيب اطلاعات در سطح ويژگي استفاده شده است. پس از جمع آوري دادهها ابتدا از سيگنالهاي مربوط به جريان و ولتاژ سه فاز موتورالقايي ويژگيهاي مختلف استخراج ميشوند. ويژگيهاي استخراج شده به عنوان ورودي به بخش انتخاب ويژگي، كه شامل يك درخت تصميم است، اعمال ميشود. به دنبال انتخاب ويژگيهاي موثر در هر فاز، ويژگيهاي منتخب به سيستم عصبي انتقال داده ميشود تا اين سيستم به عنوان هسته اصلي تركيب وجود عيب و نوع آن را تشخيص دهد. براي افزايش قابليت اطمينان در تشخيص عيبهاي نام برده شده از دو نوع تركيب دستهبندي كننده، يكي تركيب سيگنالهاي جريان سه فاز و ديگري تركيب سيگنالهاي جريان و ولتاژ سه فاز استفاده شده است. عملكرد سيستمهاي تشخيص عيب معرفي شده با آزمايش بر روي موتورالقايي آزمايشگاهي كوپل شده با الكتروپمپ در حالت عادي و در حضور اغتشاشات نامتعادلي منبع تغذيه، خشك كار كردن پمپ مورد بررسي قرار گرفته است. علاوه بر اين، توانايي الگوريتم تركيب معرفي شده به منظور پيدا كردن فازهاي سالم و معيوب در سه فاز جريان در حالتي كه عيب اتصال كوتاه سيمپيچي استاتور در سيستم رخ داده است، مورد بررسي قرار گرفته است. نتايج بيانگر افزايش قابليت اطمينان در تشخيص و جداسازي عيبها و همچنين تشخيص فاز معيوب توسط الگوريتم تشخيص عيب معرفي شده است.

1398/02/09

Diagnosis of defect induced engine using the neural data fusion

4/29/2019 12:00:00 AM

Considering the key role of induction motors in different fields of industry, designing a comprehensive strategy for repair and maintenance of motors and early diagnosis of faults in order to prevent long term delay and reducing the cost of repair and maintenance would be scientifically and economically feasible. Intelligent techniques, among other techniques have proven special abilities. In this thesis, in order to increase the reliability of detection of faults such as outer ring of bearings, rotor shaft fracture, short circuit in stator winding, a method using neural data fusion is proposed. Due to the fact that neural network is a feature level fusion method, in thesis a feature level fusion has been utilize. After collecting data, different features are being extracted from three phase current and voltage signals. the extracted features are being fed to the feature selection unit which is comprised of a decision tree. When the efficient features of each phase are being selected, they are being sent to the neural system so thet the exsitance and type of the faults are being detected. In order to increase the reliability of detection of the above mentioned faults, two types of fusion are being proposed. The first method fuses the features of the three phase current signals and the other method fuses the features of the three phase current and voltage signals simultaneously. The performance of the proposed fault detection system has been studied using an induction motor coupled with an Electro-pump under normal condition, in the pretense of unbalanced disturbance of power suplay and pump dryruning. In order to detect the phase which the short circuit fault has been occurred, the fusion of the feathers of current signals are being used. The results indicate that the reliability of fault diagnosis and detection of the faulty phase is improved.