
تشخیص عیب اتصال کوتاه سیمپیچ استاتور موتور جریان مستقیم بدون جاروبک با استفاده از شبکههای عصبی
Stator fault diagnosis of BLDC motor using Neural Networks
نویسندگان :
سیده فائزه حسینی ( دانشگاه بین المللی امام خمینی ) , محسن داودی ( دانشگاه بین المللی امام خمینی )
چکیده
موتورهای جریان مستقیم بدون جاروبک (BLDCM) به علت نداشتن جاروبک در ساختار خود، یکی از پر کاربرد ترین موتورهای مورداستفاده در صنعت و هوافضا میباشند. به دلیل سرعت بالای این نوع از موتورها و محدودیت های الکتریکی و مکانیکی، بروز عیب در آنها امری انکار ناپذیر و غیر قابل پیش بینی میباشد. مسئله تشخیص به هنگام و سریع عیب، یکی از چالش های مطرح درزمینه BLDCM میباشد که امروزه با توجه به گسترش روز افزون استفاده از این گونه موتورها، محققان زیادی در پی یافتن راه حلی جهت برطرف کردن این مشکل میباشند. در این مقاله، عیب اتصال کوتاه شدن سیمپیچ استاتور که یکی از عیوب الکترومکانیکی رایج موتور میباشد که عدم تشخیص به موقع آن منجر به کاهش مقاومت استاتور میشود، مورد بررسی قرار میگیرد. در روش معرفیشده در این مقاله، ابتدا از تبدیل موجک گسسته جهت استخراج ویژگیهای سیگنال جریان استاتور موتور استفادهشده است. سپس ویژگیهای استخراجشده که شامل: انرژی، انحراف معیار و مجذور میانگین مربعات است بهعنوان ورودی به شبکههای عصبی: توابع پایه شعاعی(RBF)، پرسپترون چندلایه (MLP) و خود سازمانده(SOM) داده میشود و نتایج الگوریتم تشخیص عیب بر مبنای این سه نوع شبکه عصبی با یکدیگر مقایسه میشوند.کليدواژه ها
کلمات کليدي: موتور جریان مستقیم بدون جارویک (BLDC)، تشخیص عیب، تبدیل موجک گسسته، شبکههای عصبی.کد مقاله / لینک ثابت به این مقاله
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :نحوه استناد به مقاله
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:سیده فائزه حسینی , 1400 , تشخیص عیب اتصال کوتاه سیمپیچ استاتور موتور جریان مستقیم بدون جاروبک با استفاده از شبکههای عصبی , بیستمین کنفرانس ملی دانشجویی مهندسی برق ایران
دیگر مقالات این رویداد
© کلیه حقوق متعلق به دانشگاه رازی کرمانشاه میباشد.