Abstract
This article describes a novel computational model for electric fault diagnostic in induction motors. The essential concept is that a minimum electric fault, like inter-turn short circuit, produces a slight variation that can be identified in current and rotor speed signals. This model uses motor data catalogue to calculate constant parameters that are handled in an original mathematical algorithm that employs varying parameters as function of motor slip. The model performs electric fault simulation and with them, are obtained operation characteristics that build relative and absolute patterns for normal and fault operation. These patterns train a neural network that accomplish the diagnostic in its phase implementation
چکیده
این مقاله یک مدل محاسباتی جدید برای تشخیص خطا در موتور‌های القایی را توصیف می‌‌کند. مفهوم اساسی این است که یک خطای الکتریکی کوچک، مانند اتصال کوتاه حلقه به حلقه(inter-turn short circuit) اختلاف کوچکی را ایجاد می‌‌کند که در سیگنال‌های جریان و سرعت رتور بروز می‌‌یابند. این مدل کاتالوگ داده‌های موتور را برای محاسبه ی پارامتر‌های ثابت که در یک الگوریتم ریاضی اصلی استفاده می‌‌شوند ، که پارامتر‌های متغیری را همزمان با این که عملکرد موتور دچار اختلال می‌‌شود، به کار می‌‌برد. مدل، خطای الکتریکی را شبیه سازی می‌‌کند و از آن طریق، ویژگی‌‌های عملیاتی که الگو‌های نسبی و مطلق را برای عملیات نرمال و خطا ساخته می‌‌شوند، به دست می‌‌آید. این الگوها، یک شبکه ی عصبی را آموزش می‌‌دهند که در تشخیص اجرای فاز آن بکار برده می‌‌شود.
۱-مقدمه
موتور‌های القایی سه فاز قفسه سنجابی از اجزای ضروری در اکثر صنایع ساخت و ساز و تولید امروزه هستند. ایمنی، قابلیت اطمینان، کارآمدی و عملکرد مناسب، برخی از نگرانی‌‌ها و نیاز‌های عمده در کاربرد‌های سیستم موتور هستند[۱] ،[۲]. هدف این پژوهش، توصیف یک مدل محاسباتی اصلی برای تشخیص خطای الکتریکی در موتور‌های القایی است...