KaydedilenlerDerginizi ekleyin

Dergiler / Dicle Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2018 / Cilt: 7 - Sayı: 2

Asenkron Motor Arıza Tespitinde Akım Uzay Örüntü Tanıma Sisteminin Kullanılması

Induction Motor Fault Detection Using Current Space Pattern Recognition

Ferhat ÇIRA
Sayfa
88–94
Yayın Tarihi
2018-07-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Önerilen metodun etkinliğini doğrulamak amacıylabenzetim sonuçları da sunulmuştur

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Son on yılda, karmaşık dinamik sistemlerin sürekli olarak izlenmesi, çeşitli mühendislik alanlarında giderek daha önemli bir konu haline gelmiştir.
📊
Temel Bulgular & Veri:Bu çalışmada, asenkron motorların sürekli izlenmesi için görsel tabanlı verimli invaryantlar kullanan bir model tanıma tabanlı sistem sunulmaktadır.
💡
Sonuç & Katkı:Önerilen metodun etkinliğini doğrulamak amacıylabenzetim sonuçları da sunulmuştur
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Induction Motor · Fault Diagnosis · Curren tState Space Pattern Recognition

Özet

Son on yılda, karmaşık dinamik sistemlerin sürekli olarak izlenmesi, çeşitli mühendislik alanlarında giderek daha önemli bir konu haline gelmiştir. Bu çalışmada, asenkron motorların sürekli izlenmesi için görsel tabanlı verimli invaryantlar kullanan bir model tanıma tabanlı sistem sunulmaktadır. Bu makalede anlatılan aşamalar, farklı arıza tiplerinin tanımlanmasına ve ayrıca bunlara karşılık gelen arıza şiddetinin belirlenmesine izin veren 3-boyutlu durum uzay örüntülerinin görüntü kompozisyonuna dayanmaktadır. Bu otomatik arıza tespit sistemi, zamanla değişenmotor akımları ile ilgilenir ve belirtilen üç-fazlı stator akımlarının tanımlanmasına dayanır. Önerilen metodun etkinliğini doğrulamak amacıylabenzetim sonuçları da sunulmuştur

Abstract

Over the last decade, continuous monitoring of complex dynamic systems has become an increasingly important issue in various engineering disciplines. In this study, a model recognition based system using visual based efficient in variants is presented for continuous monitoring of induction motors. The steps described in this article are based on the image description of the 3-dimensional state space patterns, which allows identification of different types of faults and also their corresponding fault severity. This automatic fault detection system deals with time-varying motor currents and is based on the identification of the specified three-phase stator currents. Various simulations results are also presented to confirm the effectiveness of the proposed method

🔖

Bu Makaleye Atıf Yap

ÇIRA, F. (2018). Asenkron Motor Arıza Tespitinde Akım Uzay Örüntü Tanıma Sisteminin Kullanılması. Dicle Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 7 - Sayı: 2, 88–94. https://ajindex.com/articles/134373

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. O. V. Thorsen and M. Dalva, “A survey of faults on induction motors in offshore oil industry, petrochemical industry, gas terminals and oil refineries,” in Proceedings of IEEE Petroleum and Chemical Industry Technical Conference (PCIC ’94), pp. 1–9
  2. P. J. Tavner, “Review of condition monitoring of rotating electrical machines,” IET Electr. Power Appl., vol. 2, no. 4, pp. 215–247, 2008
  3. W. T. Thomson and M. Fenger, “Current signature analysis to detect induction motor faults,” IEEE Ind. Appl. Mag., vol. 7, no. 4, pp. 26–34, 2001
  4. G. B. Kliman, R. A. Koegl, J. Stein, R. D. Endicott, and M. W. Madden, “Noninvasive detection of broken rotor bars in operating induction motors,” IEEE Trans. Energy Convers., vol. 3, no. 4, pp. 873–879, 1988
  5. Ye Zhongming and Wu Bin, “A review on induction motor online fault diagnosis,” in Proceedings IPEMC 2000. Third International Power Electronics and Motion Control Conference (IEEE Cat. No.00EX435), 2000, vol. 3, pp. 1353–1358
  6. W. T. Thomson and I. Culbert, Current Signature Analysis for Condition Monitoring of Cage Induction Motors: Industrial Application and Case Histories
  7. M. El Hachemi Benbouzid, “A review of induction motors signature analysis as a medium for faults detection,” IEEE Trans. Ind. Electron., vol. 47, no. 5, pp. 984–993, 2000
  8. H. A. Toliyat, S. P. Waikar, and T. A. Lipo, “Analysis and simulation of five-phase synchronous reluctance machines including third harmonic of airgap MMF,” IEEE Trans. Ind. Appl., vol. 34, no. 2, pp. 332–339, 1998
  9. M. Wolkiewicz and C. T. Kowalski, “On-line neural network-based stator fault diagnosis system of the converter-fed induction motor drive,” in IECON Proceedings (Industrial [10] R. M. Tallam et al., “A Survey of Methods for Detection of Stator-Related Faults in Induction Machines,” IEEE Trans. Ind. Appl., vol. 43, no. 4, pp. 920–933, 2007
  10. Q. Wu and S. Nandi, “Fast single-turn sensitive stator interturn fault detection of induction machines based on positiveand negative-sequence third harmonic components of line currents,” in IEEE Transactions on Industry Applications, 2010, vol. 46, no. 3, pp. 974–983
  11. A. M. Trzynadlowski and E. Ritchie, “Comparative investigation of diagnostic media for induction motors: a case of rotor cage faults,” IEEE Trans. Ind. Electron., vol. 47, no. 5, pp. 1092–1099, 2000
  12. P. Carbonetto, G. Dorkó, C. Schmid, H. Kück, and N. De Freitas, “Learning to recognize objects with little supervision,” In