عیب یابی و تعیین میزان بار در ماشینهای الکتریکی به روش تحلیل ارتعاشات با استفاده از شبکه های عصبی
چکیده
ماشینهای دوار و در میان آنها موتورهای الکتریکی القایی نقشی مهم و کلیدی در صنعت دارند. این موتورها در هنگام کار در برابر تنشهای گوناگون قرار می گیرند که موجب خرابی استاتور یا رتور آنها می شود. چنانچه بتوان خرابی موتور را پیش بینی و از گسترش خطا جلوگیری کرد، فواید اقتصادی فراوانی حاصل خواهد شد. از آنجا که وقوع خرابی در هر ماشین دوار موجب تغییر ارتعاشات ماشین می شود، سعی شده از طریق تحلیل ارتعاشات، وجود یا عدم وجود عیوب مختلف حلقه به حلقه و کلاف به کلاف استاتور در ماشین القایی و در صورت معیوب بودن نوع آن تشخیص داده شود. همچنین به کمک تحلیل ارتعاشات، بار اعمالی به موتور نیز تعیین شود. در این راستا برای تشخیص عیب استاتور، یک موتور سه فاز به نحو خاصی سیم بندی شد، به طوری که انواع عیوب استاتور را بر روی موتور بتوان ایجاد کرد. ارتعاشات حاصل از کار موتور در شرایط عادی، تحت بارها و عیبهای مصنوعی مختلف، ثبت و ضبط شد. خصوصیهای طیفی سیگنال ارتعاشات برای عیوب و بارهای مختلف، به روش تحلیل مودال بررسی شد. همچنین با استخراج ویژگیهای ضرایب کپسترال و بانک فیلتر و اعمال آنها به دو نوع شبکه عصبی با نظارت lvq و بی نظارت som، طبقه بندی بارها و عیوب مختلف موتور الکتریکی به صورت خودکار انجام شد. آزمایشهای متعددی برای بهبود صحت تعیین میزان بار و عیب یابی به کمک شبکه عصبی صورت گرفت که از آن جمله می توان به تعیین تاثیر نوع و طول بردار ویژگی، طول زمانی سیگنالهای آموزشی و آزمایشی و نوع شبکه عصبی اشاره کرد. به طور خلاصه به ازای زمان 250 تا 600 میلی ثانیه برای سیگنال آموزشی و با استفاده از ویژگی ضرایب بانک فیلتر با بعد 20 و مدلسازی به وسیله شبکه های عصبی som وlvq ، به بازدهی در حدود 6/% 93برای تشخیص میزان بار و 2/94% برای شناسایی عیوب موتور دست یافتیم.