ترجمه فارسی مقاله تجزیه و تحلیل خطا و نگهداری پیش‌بینی‌کننده موتور القایی با استفاده از یادگیری ماشین

چکیده

Induction motors are one of the most crucial electrical equipment and are extensively used in industries in a wide range of applications. This paper presents a machine learning model for the fault detection and classification of induction motor faults by using three phase voltages and currents as inputs. The aim of this work is to protect vital electrical components and to prevent abnormal event progression through early detection and diagnosis. This work presents a fast forward artificial neural network model to detect some of the commonly occurring electrical faults like overvoltage, under voltage, single phasing, unbalanced voltage, overload, ground fault. A separate model free monitoring system wherein the motor itself acts like a sensor is presented and the only monitored signals are the input given to the motor. Limits for current and voltage values are set for the faulty and healthy conditions, which is done by a classifier. Real time data from a 0.33 HP induction motor is used to train and test the neural network. The model so developed analyses the voltage and current values given at a particular instant and classifies the data into no fault or the specific fault. The model is then interfaced with a real motor to accurately detect and classify the faults so that further necessary action can be taken.

چکیده به فارسی (ترجمه ماشینی)

موتورهای القایی یکی از مهمترین تجهیزات الکتریکی هستند و در صنایع در طیف گسترده ای از برنامه ها به طور گسترده مورد استفاده قرار می گیرند.در این مقاله یک مدل یادگیری ماشین برای تشخیص گسل و طبقه بندی گسل های حرکتی القایی با استفاده از ولتاژ و جریان سه فاز به عنوان ورودی ارائه شده است.هدف از این کار محافظت از اجزای الکتریکی حیاتی و جلوگیری از پیشرفت وقایع غیر طبیعی از طریق تشخیص و تشخیص زودرس است.این کار یک مدل شبکه عصبی مصنوعی سریع رو به جلو را برای شناسایی برخی از گسل های الکتریکی که معمولاً در حال ولتاژ ، تحت ولتاژ ، مرحله ای فازی ، ولتاژ نامتعادل ، اضافه بار ، گسل زمین است ، ارائه می دهد.یک سیستم نظارت بر مدل جداگانه که در آن موتور خود مانند سنسور عمل می کند و تنها سیگنال های نظارت شده ورودی ورودی به موتور است.محدودیت برای مقادیر جریان و ولتاژ برای شرایط معیوب و سالم تعیین شده است که توسط یک طبقه بندی انجام می شود.داده های زمان واقعی از یک موتور القایی 0.33 اسب بخار برای آموزش و آزمایش شبکه عصبی استفاده می شود.این مدل به همین ترتیب ولتاژ و مقادیر فعلی را که در یک فوری خاص داده شده است ، تجزیه و تحلیل می کند و داده ها را به صورت خطا یا خطای خاص طبقه بندی می کند.سپس این مدل با یک موتور واقعی برای تشخیص دقیق و طبقه بندی گسلها در ارتباط است تا اقدامات لازم بیشتر انجام شود.