عنوان مقاله:

نویسندگان:

مهدی جباری، ابراهیم فرجاه

خلاصه امروزه موتورهای القایی (IM) به طور گسترده مورد استفاده قرار می گیرند و تعمیر و نگهداری آنها مورد توجه زیادی قرار گرفته است. احتمال بروز عیب در یاتاقان و سیم پیچ استاتور در این موتورها زیاد است. این مقاله روشی را برای تشخیص خطای بلبرینگ (BF) و خطای سیم پیچ استاتور (SWF) در IM با استفاده از تحلیل امضای جریان موتور (MCSA)، مقدار RMS فعلی، فیلتر وینر و تبدیل موجک تجربی (EWT) ارائه کرده است. شبکه عصبی کانولوشنال (CNN) برای طبقه بندی (شناسایی) ویژگی های استخراج شده استفاده شد. سیستم‌های ثبت داده‌هایی که سیگنال‌های جریان سینوسی و مقادیر RMS را تولید می‌کنند (که دومی در صنایع رایج‌تر است) می‌توانند از این روش بهره ببرند زیرا از RMS سیگنال فعلی بهره می‌برد. نتایج آزمایش‌ها نشان می‌دهد که روش ارائه‌شده می‌تواند عیوب در یاتاقان و سیم‌پیچ استاتور IMها را به دقت تشخیص دهد.

عیوب بلبرینگ، عیوب سیم پیچ استاتور ، تشخیص عیب هوشمند، تحلیل سیگنال جریان موتور القایی ، تبدیل موجک تجربی، فیلتر وینر.

برای لینک‌دهی به این مقاله از آدرس زیر استفاده نمایید:

برای ارجاع در منابع از عبارت زیر استفاده کنید:
جباری، مهدی، فرجاه، ابراهیم، 1401، تشخیص عیب در موتورهای القایی با استفاده از تکنیک های یادگیری ماشین در حضور نویز شدید محیطی، دومین کنفرانس بین المللی موتور ها و ژنراتورهای الکتریکی، https://cnf.hsu.ac.ir/fa/archive_index.php?c=icemg2023&aid=70942