عنوان پایان‌نامه
استخراج ویژگی جهت تشخیص نا هم محوری مرکب در موتورهای القایی سه فاز قفسه ای
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 41522;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 1590
- تاریخ دفاع
- ۲۴ تیر ۱۳۸۸
- دانشجو
- مهرسان جوان رشتخواری
- استاد راهنما
- جواد فیض, بابک نجاراعرابی
- چکیده
- خطای ناهم محوری یکی از متداول ترین خطاهای مکانیکی موجود در موتورهای القایی است که در صورت عدم تشخیص به موقع می تواند به آسیب های جدی در موتور منجر شود. هدف اصلی در این پژوهش، یافتن ویژگی های مناسب جهت تشخیص خطای ناهم محوری مرکب در موتورهای القایی روتور قفسی و تعیین شدت ناهم محوری بصورت تعیین هر یک از مقادیر ناهم محوری های استاتیک و دینامیک است، به طوری که در تمامی شرایط کار موتور قابل استفاده باشند. با توجه به اهمیت استفاده از روشهای غیر مهاجم در تشخیص خطا، تشخیص خطا بایستی توسط بررسی جریان استاتور انجام شود. در این پژوهش، ابتدا توانایی شاخص های استخراج شده از طیف فرکانسی جریان استاتور که یکی از متداول ترین شاخصهای موجود در تشخیص خطای ماشینهای القایی است بررسی گردید. با استفاده از نتایج آزمایشهای عملی مشخص گردید که برخی شاخص های مذکور توانایی تشخیص خطای ناهم محوری مرکب و تعیین شدت آن را تنها در بارهای ثابت دارند و به این ترتیب شاخص های برتر از نظر ارتباط بیشتر با ناهم محوری و وابستگی کمتر به بار موتور انتخاب شدند. برای رسیدن به نتایج بهتر در تشخیص خطای ناهم محوری و شاخص هایی که وابستگی کمتری به بار موتور داشته باشند سه دسته شاخص پیشنهاد شدند. شاخصهای دسته اول خصوصیات شکلی و آماری استخراج شده از تبدیل ویولت گسسته جریان، شاخصهای دسته دوم خصوصیات شکلی استخراج شده از تبدیل ویولت پاکت جریان و شاخصهای دسته سوم دو شاخص مربوط به خواص آشوبی سریهای زمانی، بزرگترین نمای لیاپانوف و بعد همبستگی هستند. مهمترین مزیت شاخصهای پیشنهادی، عدم وابستگی آنها به بار موتور است. طبقه بندی با استفاده از ماشینهای بردار پشتیبان فازی انجام شد و نتایج استفاده از شاخصهای مذکور موید توانایی بسیار زیاد آنها جهت تخمین شدت خطای ناهم محوری است. همچنین عدم وابستگی آنها به بار موتور باعث می شود که در تمام شرایط کار موتور قابل استفاده باشند و بتوان با دقت بسیار زیادی درجه ناهم محوری مرکب را تشخیص داد.
- Abstract
- Eccentricity is one of the most common mechanical faults in induction motors. Eccentricity detection at early stages of its formation is necessary to avoid serious damages. The aim of this research is to find appropriate features to detect and estimate the severity of mixed eccentricity in terms of its share of static and dynamic eccentricity degrees in induction motors that can be used in all working loads. The method is based on the non invasive approach and analyzes the stator current of the motor. First, the ability of the most common features extracted from the frequency spectrum of the stator current for eccentricity severity estimation has been analyzed. Based on the experimental data, these indices can estimate the mixed eccentricity severity only at fixed load with acceptable error rate, and the most appropriate features are selected based on their relation to the eccentricity and sensitivity to load. To achieve more accurate estimation of eccentricity severity at all working loads, there set of features have been proposed. The first set consists of some shape properties and statistical features which are extracted from wavelet decomposition coefficients at some decomposition levels of stator current. The second set consists of some shape properties extracted from wavelet packet decomposition coefficients of stator current. Finally, the third set consists of the two chaotic characteristics, Lyapunov Exponents and Correlation dimension. The main advantage of the proposed indices is their low relation to the load. Classification carried out by using Fuzzy Support Vector Machines and the results indicate that the features are capable to detect mixed eccentricity and estimate its severity at all working loads. Using the proposed indices showed superior results in mixed eccentricity severity estimation at both fixed and various loads than the frequency spectrum indices.
