فهرست مقالات موتورهای القایی

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - روشی جدید برای تشخیص عیب ناهم راستایی استاتیک در موتورهای القایی قفس سنجابی
  مهدی احمدی جواد پشتان سید مهدی میر ایمانی
  در این مقاله به تشخیص عیب ناهم‌راستایی استاتیک در موتورهای القایی قفس سنجابی پرداخته می‌شود. برای مدل‌سازی موتور القایی در حالت سالم و معیوب از روش اجزاء محدود دو بعدی استفاده شده است و اعتبارسنجی روش ارائه شده با مقایسه سیگنال‌های جریان و سرعت شبیه سازی شده در حالت سال چکیده کامل

  در این مقاله به تشخیص عیب ناهم‌راستایی استاتیک در موتورهای القایی قفس سنجابی پرداخته می‌شود. برای مدل‌سازی موتور القایی در حالت سالم و معیوب از روش اجزاء محدود دو بعدی استفاده شده است و اعتبارسنجی روش ارائه شده با مقایسه سیگنال‌های جریان و سرعت شبیه سازی شده در حالت سالم با داده‌های عملی انجام شده است. برای تشخیص عیب در ابتدا از روش تبدیل فوریه سریع سیگنال جریان استفاده می‌شود. اگرچه نتایج حاصل از این روش، وقوع عیب را هشدار می‌دهند اما برای تحلیل لازم است از هارمونیک‌های مرتبه بالا استفاده شود و به‌دلیل دامنه کوچک این هارمونیک‌ها، مقایسه بسیار مشکل خواهد بود. برای رفع این مشکلات پیشنهاد می‌شود از دو سیم‌پیچ آزمایش متقارن در اطراف فاصله هوایی استفاده شود تا هرگونه تغییر در این ناحیه بتواند به خوبی قابل تشخیص باشد. به خاطر استفاده سیم‌پیچ‌ها در حالت مدار باز، این سیم‌پیچ‌ها بر دینامیک موتور تأثیری نمی‌گذارند و از طرفی نتایج نشان می‌دهند که تحلیل ولتاژ القا شده در آن‌ها می‌تواند وقوع عیب، نوع و درصد آن را‌ به‌خوبی نشان دهد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - ارزیابی جریان راه اندازی موتورهای القایی با استفاده از شبکه عصبی
  ایمان صادق خانی علیرضا صدوقی
  موتورهای القایی به صورت گسترده‌ای در صنعت مورد استفاده قرا می‌گیرند. با این وجود در طول پروسه راه‌اندازی، جریان راه‌اندازی آنها آنچنان بزرگ است که می‌تواند به تجهیزات آسیب برساند. بنابراین این جریان بایستی با دقت تخمین زده شود. در این مقاله، از شبکه عصبی مصنوعی برای ارز چکیده کامل

  موتورهای القایی به صورت گسترده‌ای در صنعت مورد استفاده قرا می‌گیرند. با این وجود در طول پروسه راه‌اندازی، جریان راه‌اندازی آنها آنچنان بزرگ است که می‌تواند به تجهیزات آسیب برساند. بنابراین این جریان بایستی با دقت تخمین زده شود. در این مقاله، از شبکه عصبی مصنوعی برای ارزیابی مقدار پیک جریان راه‌اندازی موتورهای القایی استفاده می‌شود. هر دو ساختار متداول پرسپترون چندلایه (MLP) و تابع پایه‌ای شعاعی (RBF)مورد بررسی قرار می‌گیرند. برای آموزش ساختار MLP از شش الگوریتم پس انتشار (BP)، دلتا-بار-دلتا (DBD)، دلتا-بار-دلتا توسعه‌یافته (EDBD)، جستجوی تصادفی جهت‌دار (DRS)، انتشار سریع (QP) و لونبرگ مارکواردت (LM) استفاده می‌شود. نتایج شبیه‌سازی نشان می‌دهند که هرچند اکثر شبکه‌های آموزش‌دیده قادر به تخمین مناسب مقدار پیک جریان راه‌اندازی هستند، اما الگوریتم‌هایLM و EDBD بهترین نتیجه را بر اساس میانگین خطای نسبی و مطلق ارائه می‌دهد. این روش می‌تواند به شرکت‌های سازنده و اپراتورها برای ارزیابی مقدار پیک جریان راه‌اندازی در مرحله طراحی و بهره‌برداری کمک کند تا بتوانند تدابیر لازم را برای عملکرد ایمن موتور فراهم نمایند. پرونده مقاله