24014

تشخيص عيب الكتروپمپ با استفاده از روش¬هاي استنتاجي مبتني بر تركيب داده

كارشناسي ارشد

مهندسي برق گرايش كنترل

1395

تير 1395

دكتر جواد پشتان

دكتر فرخي

مهندسي برق

چكيده با توجه به نقش كليدي موتورهاي القايي در زمينه¬هاي مختلف صنعتي، طراحي يك استراتژي جامع براي تعمير ونگهداري دستگاه و تشخيص و آشكارسازي زود هنگام عيب، به منظور جلوگيري از وقفه¬هاي طولاني مدت و كاهش هزينه¬هاي تعمير ونگهداري، توجيه علمي و اقتصادي محكمي خواهد داشت. در بين همه¬ي روش¬هاي موجود، تكنيك¬هاي هوشمند، توانمندي¬هاي قابل¬توجهي از خود بروز داده اند. در اين پايان¬نامه، رويكردي جديد براي تشخيص هوشمند عيب الكتروپمپ، مبتني¬بر تركيب اطلاعات ارائه شده است، كه شامل سه مرحله¬ي اصلي اكتساب داده، استخراج ويژگي¬ها و تصميم¬گيري است. پس از جمع¬آوري داده¬هاي مربوط به سيگنال¬هاي جرياني سه فاز، ويژگي¬هاي داده استخراج شده و به عنوان ورودي به بخش انتخاب ويژگي، كه شامل يك درخت تصميم است، اعمال مي¬شود. به دنبال انتخاب ويژگي¬هاي مؤثر در هر فاز،ويژگي¬هاي منتخب به سيستم استنتاج فازي-عصبي (ANFIS) فرستاده مي-شود تا اين سيستم به عنوان هسته¬ي اصلي تركيب و تصميم¬گيري، وارد عمل شده و وجود عيب و نوع آن را تشخيص دهد. اين تركيب از نوع تركيب داده¬ در سطح ويژگي است كه درادامه با تركيب در سطح تصميم با استفاده سيستم فازي-عصبي، مقايسه مي¬شود. در نهايت رويكرد هوشمند تركيب در سطح تصميم يعني سيستم فازي عصبي با رويكرد كلاسيك تئوري دمپستر-شفر نيز مقايسه مي¬شود. كارايي رويكرد مذكور، با استفاده از آشكارسازي و تشخيص عيوب مختلف در يك الكتروپمپ آزمايشگاهي نشان داده شده است. نتايج حاكي از عملكرد قابل قبول سيستم در افزايش قابليت اطمينان در تشخيص و جداسازي عيب¬هاي الكتروپمپ با استفاده از تركيب داده است.

1400/04/06

Fault Diagnosis of Electro-pupm Using Inference Methods Based on Data fusion

1/1/1900 12:00:00 AM

Due to the key role of induction motors in various industrial fields, designing a comprehensive repair and maintenance strategy in a system for early-stage detection of fault would be financially and scientifically reasonable, so that unnecessary break-downs would be prevented which would result in cost-reduction in repair and maintenance part. Among all presented methods, intelligent ones have shown great capabilities. In this thesis, a new approach to intelligent methods of fault detection in electro-pump based on data fusion is presented which consists of three major parts of data acquisition, feature extraction and decision making. After gathering the corresponding data of current signals of three phases, features are extracted. Then these features are fed into feature selection part which is a decision tree. After choosing the more relevant features in each phase, they are fed into the ANFIS. ANFIS as the core of the diagnosis and fusion system, would decide about the status of the system. This fusion which is a feature-level data fusion, is then compared with the decision-level data fusion. Then this intelligent approach is compared with the classic method of Dempster-Shafer Theory. The efficiency of the proposed method is evaluated by using it to diagnose the faults of an experimental set consisting of an induction motor and a pump. The results of detection and diagnosis of different faults of electro-pump are satisfying.

تشخيص¬عيب،تركيب داده، سيستم¬هاي فازي-عصبي، تئوري دمپستر-شفر، الكتروپمپ

fault diagnosis, data fusion, ANFIS, Dempster-Shafer Theory, electro-pump