مقاله تشخيص خطای سيم بندی استاتور با آناليز موجک و شبکه عصبی

دسته بندي : فنی و مهندسی » برق، الکترونیک، مخابرات
 مقاله تشخيص خطای سيم بندی استاتور با آناليز موجک و شبکه عصبی

نوع فایل: word
قابل ویرایش 119 صفحه

چکیده:
در اين پايان نامه ابتدا عيوب الكتريكي و مكانيكي در ماشينهاي الكتريكي بررسي گرديده و عوامل به وجود آورنده و روشهاي رفع اين عيوب بيان شده است. به دنبال آن ، به كمك روش تابع سيم پيچي ماشين شبيه سازي و خطاي مورد نظر يعني خطاي سيم بندي استاتور به آن اعمال و نتايج مورد بررسي قرار داده شده است. پارامتر اصلي كه براي تشخيص خطا در اين پايان نامه استفاده كرده ايم ، جريان سه فاز استاتور در حالت سالم و خطادار ،تحت بارگذاري هاي مختلف خواهد بود.
در قسمت بعدي تئوري موجك و همچنين شبكه عصبي مورد بررسي قرار گرفته است. مادر اينجا از〖db〗_8 براي استخراج مشخصات سيگنال استفاده كرده ايم ، مهمترين دليلي كه براي استفاده از اين موجك داريم خاصيت متعامد بودن و پشتيباني متمركز سيگنال در حوزه زمان مي باشد. شبكه عصبي كه براي تشخيص خطا استفاده كرده ايم ، شبكه سه لايه تغذيه شونده به سمت جلو با الگوريتم آموزش BP و تابع فعاليت سيگموئيدي مي باشد. در فصل چهارم روش تشخيص خطاي سيم بندي استاتور در ماشين القايي بيان شده است كه به صورت تركيبي از آناليز موجك و شبكه عصبي لست. روند كلي تشخص خطا به اين صورت مي باشد كه ابتدا از جريان استاتور ماشين در حالت سالم و همچنين تحت خطاهاي مختلف كه در فصل دوم بدست آورده ايم استفاده شده و تبديل موجك بروي آن اعمال گرديده است.سپس با استفاده از ضرايب موجك مقادير انرژي در هر مقياس استخراج و به عنوان ورودي شبكه عصبي جهت آموزش دادن آن براي تشخيص خطاي سيم بندي استاتور مورد استفاده قرار گرفته است. در نهايت به كمك داده هاي تست، صحت شبكه مذكور مورد بررسي قرار داده شده است. در نهايت نتيجه گيري و پيشنهادات لازم بيان گرديده است.
با توجه به مطالب اشاره شده نتيجه مي شود كه با تشخيص به موقع هر كدام از عيوب اوّليه در ماشين القايي مي توان از پديد آمدن حوادث ثانويّه كه منجر به وارد آمدن خسارات سنگين مي گردد ، جلوگيري نمود. در اين راستا سعي شده است كه با تحليل ، بررسي و تشخيص يكي از اين نمونه خطاها، خطاي سيم بندي استاتور يك موتور القايي قفس سنجابي ، گامي موثر در پياده سازي نظام تعميراتي پيشگويي كننده برداشته شود و با بكارگيري سيستم هاي مراقبت وضعيت بروي چنين ماشينهايي از وارد آمدن خسارات سنگين بر صنايع و منابع ملي جلوگيري گردد.

مقدمه:
موتورهاي الکتريکي نقش مهمي را در راه اندازي موثر ماشينها و پروسه هاي صنعتي ايفا مي کنند. بخصوص موتورهاي القايي قفس سنجابي را که بعنوان اسب کاري صنعت مي شناسند. بنابراين تشخيص خطاهاي اين موتورها مي تواند فوايد اقتصادي فراواني در پي داشته باشد. از جمله مديريت کارخانه هاي صنعتي را آسان مي کند، سطح اطمينان سيستم را بالا مي برد، هزينه تعمير و نگهداري پايين مي آيد و نسبت هزينه به سود بطور قابل توجهي کاهش مي يابد. Bonnett و Soukup براي خرابيهاي استاتور موتورهاي القايي سه فاز قفس سنجابي، پنج حالت خرابي مطرح کرده اند که عبارت اند از: حلقه به حلقه، کلاف به کلاف، قطع فاز، فاز به فاز و کلاف به زمين[1]. براي موتورهاي قفس سنجابي، خرابيهاي سيم پيچي استاتور و ياتاقانها 3/4 کل خرابيها به حساب مي آيند و همچنين اکثر خرابيهاي سيم پيچي استاتور موتور القايي از فروپاشي عايقي حلقه به حلقه ناشي مي شود]2[. برخي از محققين خرابيهاي موتور را چنين تقسيم بندي کرده اند: خرابي ساچمه ها ( ياتاقانها) %40-50، خرابي عايق استاتور %30-40 و خرابي قفسه روتور %5- 10 [3] که اگر خرابي حلقه به حلقه جلوگيري نشود، منجر به خطاي فاز به زمين يا فاز به فاز مي گردد، که خطاي فاز به زمين شديد تر است. در مقالات[4] [5] نظريه تابع سيم پيچي و کاربرد آن در آناليز گذرای موتورهاي القايي تحت خطا شرح داده شده است. از اين نظريه در مدلسازي خطاي حلقه به حلقه استاتور استفاده شده است. علاوه بر روشهاي فوق خطاي استاتور موتور القايي را مي توان به کمک بردارهاي فضايي مورد مطالعه قرار داد[6].

فهرست مطالب:
چکيده
مقدمه
فصل اول: بررسي انواع خطا در ماشينهاي القايي و علل بروز و روشهاي تشخيص آنها
1-1-مقدمه
1-2-بررسي انواع تنشهاي وارد شونده بر ماشين القايي
1-2-1-تنشهاي موثر در خرابي استاتور
1-2-2- تنشهاي موثر در خرابي روتور
1-3- بررسي عيوب اوليه در ماشينهاي القايي
1-3-1- عيوب الکتريکي اوليه در ماشينهاي القايي
1-3-2- عيوب مکانيکي اوليه در ماشينهاي القايي
فصل دوم: مدلسازي ماشين القايي با استفاده از تئوري تابع سيم پيچ
2-1-تئوري تابع سيم پيچ
2-1-1-تعريف تابع سيم پيچ
2-1-2-محاسبه اندوکتانسهاي ماشين با استفاده از توابع سيم پيچ
2-2-شبيه سازي ماشين القايي
2-2-1- معادلات يک ماشين الکتريکي باm سيم پيچ استاتور و n سيم پيچ روتور
2-2-1-1-معادلات ولتاژ استاتور
2-2-1-2- معادلات ولتاژ روتور
2-2-1-3- محاسبه گشتاور الکترومغناطيسي
2-2-1-4- معادلات موتور القاي سه فاز قفس سنجابي در فضاي حالت
2-3- مدلسازي خطاي حلقه به حلقه و خطاي کلاف به کلاف
فصل سوم: آناليز موجک و تئوري شبکه هاي عصبي
3-1-تاريخچه موجک ها
3-2-مقدمه اي بر خانواده موجک ها
3-2-1-موجک هار
3-2-2- موجک دابيشز
3-2-3- موجک کوايفلت
3-2-4- موجک سيملت
3-2-5- موجک مورلت
3-2-6- موجک مير
3-3- کاربردهاي موجک
3-4- آناليز فوريه
3-4-1- آناليز فوريه زمان-کوتاه
3-5-آناليز موجک
3-6- تئوري شبکه هاي عصبي
3-6-1- مقدمه
3-6-2- مزاياي شبکه عصبي
3-6-3-اساس شبکه عصبي
3-6-4- انواع شبکه هاي عصبي
3-6-5-آموزش پرسپترونهاي چند لايه
فصل چهارم:روش تشخيص خطاي سيم بندي استاتور در ماشين القايي(خطاي حلقه به حلقه)
4-1- اعمال تبديل موجک
4-2- نتايج تحليل موجک
4-3- ساختار شبکه عصبي
فصل پنجم: نتيجه گيري و پيشنهادات..
نتيجه گيري
پيشنهادات
پيوست ها
منابع و ماخذ
فارسي
منابع لاتين
چكيده لاتين

فهرست اشکال:
شکل1-1 : موتور القايي با ساختار مجزا شده از هم
شکل1-2: شماي قسمتي از موتور و فرکانس عبور قطب
شکل1-3: (الف) اتصال کوتاه کلاف به کلاف بين نقاط b وa (ب) خطاي فاز به فاز
شکل2-1: برش از وسيله دو استوانه اي با قرارگيري دلخواه سيم پيچ در فاصله هوايي
شکل2-2: تابع دور کلاف متمرکز باN دور هادي مربوط به شکل2-1
شکل2-3: تابع سيم پيچي کلاف متمرکز N دوري مربوط به شکل2-1
شکل 2-4: ساختار دو سيلندري با دور سيم پيچA وB
شکل2-5: تابع دور کلاف 'BB شکل2
شکل2-6:(الف) تابع دور فازa استاتور (ب) تابع سيم پيچي فازa استاتور
شکل2-7: تابع سيم پيچي حلقه اول روتور
شکل2-8(الف) اندوکتانس متقابل بين فازA استاتور و حلقه اول روتور (ب) مشتق اندوکتانس متقابل بين فازa استاتور و حلقه اول روتور نسبت به زاويه
شکل2-9: شکل مداری در نظر گرفته شده برای روتور قفس سنجابی
شکل 2-10: نمودار جريان (الف) فازa (ب)فازb (ج) فازc استاتور در حالت راه اندازي بدون بار
شکل2-11: (الف) نمودار سرعت موتور در حالت راه اندازي بدون بار(ب) نمودار گشتاور الکترومغناطيسي موتور در حالت راه اندازي بدون بار
شکل2-12: نمودار جريان (الف) فازa (ب) فازb (ج) فازC استاتور در حالت دائمي بدون بار
شکل2-13: فرم سيم بندي استاتور وقتي که اتصال کوتاه داخلي اتفاق افتاده است (الف) اتصال ستاره (ب) اتصال مثلث
شکل2-14: تابع دور، فازD در حالت خطاي حلقه به حلقه (الف) 35دور (ب) 20دور ج) 10دور
شکل2-15: تابع سيم پيچي فازD در خطاي حلقه به حلقه (الف)35دور (ب)20دور (ج) 10دور
شکل2-16: (الف)تابع اندوکتانس متقابل بين فازC و حلقه اول روتور (ب) تابع مشتق اندوکتانس متقابل بين فاز C و حلقه اول روتور نسبت به زاويه
شکل2-17: (الف)تابع اندوکتانس متقابل بين فازD و حلقه اول روتور (ب) تابع مشتق اندوکتانس متقابل بين فاز D و حلقه اول روتور نسبت به زاويه
شکل2-18: نمودار جريان استاتور (الف) فازa (ب)فازb (ج) فازC در خطاي 10 دور در حالت راه اندازي بدون بار
شکل2-19: نمودار جريان استاتور (الف) فازa (ب) فازb (ج) فازC در خطاي 35 دور در حالت راه اندازي بدون بار
شکل2-20: (الف) گشتاور الکترو مغناطيسي در خطاي 10دور (ب) خطاي 35 دور
شکل2-21: نمودار سرعت موتور در خطاي حلقه به حلقه (35دور)
شکل2-22:نمودار جريان استاتور (الف) فازa (ب) فازb ( ج) فازC درخطاي (35دور) در حالت دائمي بدون بار
شکل3-1:(الف) تابع موجک هار Ψ (ب) تابع مقياس هار φ
شکل3-2: خانواده تابع موجک دابيشزΨ
شکل3-3: (الف) تابع موجک کوايفلت Ψ (ب) تابع مقياس کوايفلت φ
شکل3-4: (الف) تابع موجک سيملت Ψ (ب) تابع مقياس سيملت φ
شکل3-5: تابع موجک مورلت Ψ
شکل3-6: (الف) تابع موجک مير Ψ (ب) تابع مقياس مير φ
شکل3-7: تبديل سيگنال از حوزه زمان-دامنه به حوزه فرکانس-دامنه با آناليز فوريه
شکل3-8: تبديل سيگنال از حوزه زمان- دامنه به حوزه زمان –مقياس با آناليز موجک
شکل3-9: (الف) ضرايب موجک (ب) ضرايب فوريه
شکل3-10: اعمال تبديل فوريه بروي سيگنال و ايجاد سيگنالهاي سينوسي در فرکانسهاي مختلف
شکل3-11: اعمال تبديل موجک بروي سيگنال
شکل3-12: (الف) تابع موجک Ψ ب) تابع شيفت يافته موجک φ
شکل3-13: نمودار ضرايب موجک
شکل3-14: ضرايب موجک هنگامي که از بالا به آن نگاه شود
شکل3-15: مراحل فيلتر کردن سيگنال S
شکل3-16: درخت آناليز موجک
شکل 3-17:درخت تجزيه موجک
شکل3-18: باز يابي مجدد سيگنال بوسيله موجک
شکل3-19: فرايند upsampling کردن سيگنال
شکل 3-20: سيستم filters quadrature mirror
شکل 3-21: تصوير جامعي از مرفولوژي نرون منفرد
شکل3-22: مدل سلول عصبي منفرد
شکل3-23: ANN سه لايه
شکل3-24: منحني تابع خطي
شکل3-25: منحني تابع آستانه اي
شکل3-26: منحني تابع سيگموئيدي
شکل3-27: پرسپترون چند لايه
شکل3-28: شبکه عصبي هاپفيلد گسسته(ونگ و مندل،1991)
شکل 4-1: ساختار کلي تشخيص خطا
شکل4-2: ساختار کلي پردازش سيگنال در موجک
شکل4-3: تحليل جريان استاتور درحالت خطادار (35دور) با db8 در بی باری
شکل4-4: : تحليل جريان استاتور درحالت خطادار (20دور) با〖db〗_8 در بی باری
شکل4-5: : تحليل جريان استاتور درحالت خطادار (10دور) با〖db〗_8 در بی باری
شکل4-6: : تحليل جريان استاتور درحالت سالم با〖db〗_8 در بی باری
شکل4-7: : تحليل جريان استاتور درحالت خطادار(35دور)با〖db〗_8 در بارداری
شکل4-8: : تحليل جريان استاتور درحالت خطادار(20دور)با〖db〗_8 در بارداری
شکل4-9: : تحليل جريان استاتور درحالت خطادار(10دور)با〖db〗_8 در بارداری
شکل4-10:تحليل جريان استاتور در حالت سالم با〖db〗_8 در بارداری
شکل4-11: ضرايب موجک برای جريان استاتور ماشين خطادار(با خطای 35دور)در بی باری با〖db〗_8
شکل4-12: ضرايب موجک برای جريان استاتور ماشين خطادار(با خطای 20 دور)در بی باری با
شکل4-13: ضرايب موجک برای جريان استاتور ماشين خطادار(با خطای 10دور)در بی باری باdb8
شکل4-14: ضرايب موجک برای جريان استاتور ماشين سالم در بی باری با db8
شکل4-15: نمای شبکه عصبی
شکل4-16: خطای train کردن شبکه عصبی

فهرست جداول:
جدول4-1 : انرژي ذخيره شده در ماشين سالم
جدول 4-2: انرژي ذخيره شده در ماشين خطا دار (10 دور)
جدول 4-3: انرژي ذخيره شده در ماشين خطا دار (20 دور)
جدول 4-4: انرژي ذخيره شده در ماشين خطا دار (35 دور)
جدول4-5: نمونه هاي تست شبکه عصبي

منابع و مأخذ:
[ 1] Austin H. Bonnet ; George G. Soukup, “Cause and analysis of stator and rotor failures is 3 phase squirrel cage induction motors” IEEE trans-on Industry application vol 28, no. 7, july 1992.pp 921-237.
[2] Thorsen, O.V. and Dalva, M, “Condition monitoring methods, failure identification and analysis for high voltage motors in petroche mical Industry”, electrical machines and Drives, eight International conference.1997.
[3] R.M. Mccoy, R.M., P.F. Albrecht, J.C. Appiarius, E.L. Owen, “Improved motors for utility applications,” volume 1: Industry assessment study update and analysis”. EPRIEL – 4286 (RP – 1763 –2), 1985
4[4] Hamid A.Tolyiat, Thomas A. Lipo, “Transient analysis of cage induction machines under stator, rotor bar and end ring faults”, IEEE trans. On energy conversion, vol 10 no. 2 june 1995.
[5] Gojko Joksimovic, Jim Penman, “The detection of interturn short circuits in the stator windings of operating motors.” 1998 IEEE.
[6] G. Gentile, A. Ometto, N. Rotondale, C. Tassoni, “A.C. Machine performances in faulted operations”, 1994 IEEE.
[7] B.Yazici, G.B.Kliman, W.j.Premerelani, R. A. koegl, G.B.robinson and A.Abdel-malek, “An adaptive, online, statistical method for bearing fault detection using stator current”, proceeding of the IEEE-IAS Annual meeting conference, New Orleans, LA, oct. 5-9, 1997,pp.213-22.
[8] Subhasis. Nandi, “Fault analysis for condition monitoring of induction motors”, Jadavpur university, Calcutta, India; (may 2000).
[9] K. Abbaszadeh, J. Mili monfared, M. Haji, H. A. Toliyat, “Broken bar detection in induction motor via wavelet transformation”, the 27 th Annual conference of the IEEE industrial electronics society, 2001,0 -7803 – 7108 -9/01
[10] P.J.Tavner and J.penman, “Condition monitoring of electrical machines,” Research studies press ltd, uk,1987.
[11] Slemon, “Modelling of induction machines for electric drives”, IEEE Transaction on industry applications 1989.
[12] Thomson, W.T, “ Industrial application of current signature analysis to diagnose fault in 3-phase squirrel cage induction motors” pulp and paper industry thechnical conference, conference record of 2000, pp 205-211.
[13] G. Stone and j. Kapler, “Stator winding monitoring”, IEEE industry applications magazine, vol.4,no.5,pp.15-20, sept/oct,1998.
[14] G. Jok Simovic and J. Penman, “The detection of interturn short circuits and in the stator winding of operating motors” proceedings of the IEcon” 98 conference, 31 aug -4 sep, A achen, Germany.1998,pp.1974-1979.
[15] M. E. H Benbouzid, M. Vieira, C. Theys “Induction motors faults detection and localization using stator current advanced signal processing techniques” IEEE transactions on power electronics, vol.14,no1,pp.14-22, jan,1999.
[16] S. Nandi, H. A. Toliyat, “ Fault diagnosis of electrical machines- a reviw” , proceeding of the IEMD’99 conference, seattle, WA, May 9-12, 1999,pp.219-221.
[17] S. Williamson and P. Mirzoian, “ Analysis of cage induction motor with stator winding faults”, IEEE transaction on power apparatus and system, vol.104,no 7, pp.1838-1842, july,1985.
[18] Wilson, R“Wavelets? ” on Application of wavelet transform in Imag processing IEEE colloguium on published 1993.
[19] Yung-Da-wang; Paulik ,M.j“Discrete wavelet for target recognition”circuit and system , 1996,IEEE 39 th Midwest symposium on published 1996,vol 2.
[20] Liao wei, Han pu, “ Wavelet neural network aided on-line detection and diagnosis of rotating machine fault,”2008 chinese control and decision conference.( CCDC 2008) ,978 - 1- 4244 -1734 -6/08
[[21] Xu Long- yun, Rui Zhi-yuan and Feng Rui-cheng, “Gear faults diagnosis based on wavelet neural networks,” Proceeding of 2008 IEEE international conference on Mechatronics and Automation, 978- 1 -4244 -2632 -4/08.
[22] Qing Yang, Lei gu, Dazhi Wang and Dong Sheng ww, “Fault diagnosis approach on probabilistics neural network and wavelet analysis,” proceedings of the 7th world congress on intelligent control on automation’ June 2008, Chongqing, china,978 -1 -4244 -2114 -5/08.
[23] Bei- Ping Hou, Wen Zhu, Xin-Jian, xing-yao Shang, “Applied study of electromotor fault diagnosis based on wavelet packets and neural network,” Proceedings of the Fifth international conference on machine learning and cybernetics, Dalian, August 2006, 1- 4244- 0060- 0/06.
[24] F. Filippetti, G. Franceschini, C. Tassoni, “ Neural networks aided on-line diagnostics of induction motor faults” , proceeding of IEEE-IAS Annual Meeting conference,pp.316-323, vol 1, Toronto, Canada, oct.2-8,1993.
[25] Kuihe Yang, Ganlin Shan, Lingling Zhao, “Application of wavelet packet analysis and probabilistic neural networks in fault diagnosis” proceeding of the 6th world congress on intelligent control and Automatiou, June 2006, Dalian, china.
[26] Zhen Liu, Hui Lin and Xin Luo, “Intelligent built in test fault diagnosis based on wavelet analysis and neural network, “ proceeding of the 6th world congress on intelligent control and automation’ june 2006, Dalian china,1- 4244- 0332- 4/06.
[27] Shie Qian, “Introduction to time-frequency wavelet transform”, china Machine press , January 2005.
[28] Sun Fang, Wei Zijie “Rolling bearing fault diagnosis based on wavelet packet an RBF neural network”, proceeding of the 26th chinese control conference’ july 2007, Zhangj iajre, Hunan, china.
[29] Satish Kumar, “Neural network,” publishing tsinghua university , August 2006.
[30] He, Y., Shen , S.,' Ying, H.,' Liu , Z. “Application of wavelet packet decomposition and its energy spectrum on The fault diagnosis of reciprocation machinery”, zhendong Gongcheng Xuebao/ jurnal of vibration Engineering ,Vol, 14,n1,pp.12-75,March 2001.
[31] Hsin H, Lic. “Adaptive training algorithm for back-propagation neural networks” IEEE transactions on systems ' Man and cybemetics , 1995,25(3) : 512-524.
[32] Y. c. Pati, p. s. Krishna Prasad, “Analysis and synthesis of feedforward neural networks using discrete affine wavelet transformation”, IEEE Trans. Neural network , 1993,4,(1) , pp. 73-85.
[33] Liu Qipeny, Yu Xiao Ling, Feng Quanke “Fault diagnosis using wavelet neural network” neural processing letters 18: 115 c123,2003.
[34] Wei Xing, Shu Nat- qiu, OcuI Peng – cheng, “Power transform fault integrated diagnosis based on improved pso- Bp neural network and D-S Evidential Reasoning [j]”, automation of electric power systems , vol 30,pp.46-50,2006.
[35] Zhen Liu, Huilin, Xin Luo, “Intelligent built-in test fault diagnosis based on wavelet analysis and neural networks”, proceeding of the 6Th world congress on intelligent control and Automation , june 2006 , Dallion , china
[36] Bao- Jia chen, Lili, Xin-Ze Zhao, “Fault diagnosis method integrated on scale – wavlet power spectrum, rough set and neural network”, international conference on wavelet analysis and pattern recognition, china , Nov 2007,1- 4244- 1066- 5/07.

]37] جعفر ميلي منفرد، فرامرز ساماني و بابک معنوي خامنه " مدلسازي و شبيه سازي موتور القايي دو قفسه به کمک نظريه تابع سيم پيچ"، هفتمين کنفرانس مهندسي برق ايران1387.
]38] حميد رضا اکبري رکن آبادي، " تعميم نظريه تابع سيم پيچ به منظور در نظر گرفتن اثر اشباع در مدلسازي ماشين القايي" ، پايان نامه کارشناسي ارشد، خرداد 1384، دانشگاه صنعتي امير کبير.
[39] محمد اسمعيلي فلك ،"آشنايي با ويولت و كاربردهاي آن در سيستمهاي قدرت" پروژه كارشناسي دانشگاه آزاد واحد اردبيل ،بهار87.
[40] آلفرد مرتينز، ترجمه دكتر محمد حسن مرادي, " ويولت، فيلتر بانك، تبديل زمان فركانس و كاربردهاي آنها" انتشارات دانشگاه پلي تكنيك تهران , زمستان 84.
[41] مصطفي كيا، "شبكه هاي عصبي در matlab "انتشارات خدمات نشر كيان رايانه سبز زمستان 1387.
[42] پروفسور رابرت جي. شالكف، ترجمه دكتر محمود جورابيان، "شبكه هاي عصبي مصنوعي" انتشارات دانشگاه شهيد چمران اهواز، سال 1382.