عنوان پایان‌نامه
بررسی راه کارهای جدید جهت تشخیص خطای شکستگی میله های رتور در موتور القایی سه فاز قفسه ای
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1923;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 49307
- تاریخ دفاع
- ۱۵ آذر ۱۳۸۹
- دانشجو
- سیامک محمدی فرد
- استاد راهنما
- جواد فیض, بابک نجاراعرابی
- چکیده
- امروزه با توجه به اهمیت موتورهای القایی در صنعت، مانیتورینگ وضعیت موتور بسیار مورد توجه قرار گرفته است. به همین منظور، عملکرد موتور همواره تحت کنترل بوده و در واقع هدف تشخیص عیوب در مراحل اولیه شکل¬گیری و رفع آنها است. در این رساله شکستگی میله¬های روتور، به عنوان یکی از رایج¬ترین عیوب در موتورهای القایی مورد توجه قرار گرفته است. با ارائه شاخص¬های مناسب و بهره¬گیری از روش¬های ترکیب طبقه¬بندی کننده¬ها به دنبال افزایش دقت تشخیص خطای مذکور هستیم. با توجه به کارآمدی و کم هزینه بودن روش¬های مبتنی بر آنالیز مشخصه جریان موتور، با بکارگیری این روش¬ها سه دسته شاخص¬ مناسب معرفی شده است. شاخص¬های دسته اول از طیف فرکانسی جریان استاتور استخراج شدند. با بررسی نتایج طبقه¬بندی و تحلیل¬های هم¬بستگی و اطلاعات متقابل مشخص شد که شاخص¬های مذکور به شدت به بار وابسته بوده و فقط در بارهای ثابت قادر به شناسایی خطا هستند. شاخص¬های دیگر از تبدیل موجک گسسته و تبدیل موجک بسته¬ای بدست آمده است. نتایج نشان دهنده این امر است که با استفاده از این ویژگی¬ها دقت تشخیص خطای شکستگی میله¬های روتور افزایش یافته و تغییرات بار تأثیر چندانی در عملکرد سیستم تشخیص عیب ندارد. روش بازشناخت الگو برای شناسایی خطا بکار رفته و طبقه¬بندی انواع حالات خطا با استفاده از ماشین¬های بردار پشتیبان، شبکه¬های عصبی و طبقه¬بندی کننده¬های نزدیکترین همسایه¬ها صورت گرفته است. در انتها با ترکیب طبقه¬بندی کننده¬ها دقت تشخیص شکستگی میله¬های روتور افزایش می¬یابد.
- Abstract
- Nowadays, regarding to the important role of induction motors in industry, motor status monitoring is more considered. Accordingly, motor performance is checked permanently and therefore the main goal is detection of the faults in early stage of formation and fixing them. In this thesis broken rotor bars as a prevalent fault in induction motors, is considered. The major purpose of the thesis is to increase the accuracy of fault detection by means of introducing perfect indices and classifier combination methods. Motor current signature analysis based methods have low cost and are applicable. We use these methods to pioneer three proper indices types. The first type of indices is extracted from stator current frequency spectrum. Classification results, correlation and mutual information analysis show that these indices are strongly related to the load and only in fixed loads can detect faults. The other indices are achieved from discrete wavelet transform and wavelet packet transform. Results illustrate that using these features improve accuracy of fault detection in broken rotor bars, and load tolerance does not affect the performance of fault detection system. In this thesis we use pattern recognition techniques for fault detection. Furthermore, we apply support vector machine, neural network and k-nearest neighbor for classifying broken rotor bars different classes. Finally, combination of various types of classifiers increases the accuracy of broken rotor bars fault detection.
