تاریخ دفاع: 1405/6/17
دانشجو

رنین موید عباس

دانشکده / گروه آموزشی فنی مهندسی | مهندسی برق

شناسایی خطا مبتنی بر یادگیری عمیق در موتور سوئیچ رلوکتانسی

استاد راهنما حسن مرادی چشمه بیگی

چکیده

   در میان انواع عیوب ماشین‌های الکتریکی، عیب خروج از مرکز فاصله هوایی یکی از مهم‌ترین و پیچیده‌ترین عیوب مکانیکی محسوب می‌شود. این عیب زمانی رخ می‌دهد که فاصله هوایی بین روتور و استاتور در تمام محیط ماشین یکنواخت نباشد. در شرایط ایده‌آل، محور هندسی روتور و استاتور کاملاً منطبق بوده و فاصله هوایی مقدار ثابتی دارد؛ اما وجود خطاهای ساخت، نصب، مونتاژ، سایش یاتاقان‌ها، خم‌شدگی شافت، نابالانسی روتور یا تغییر شکل اجزای مکانیکی می‌تواند این تقارن را بر هم زند. در نتیجه، میدان مغناطیسی در محیط ماشین به‌صورت نامتقارن توزیع شده و نیروهای مغناطیسی نامتعادلی ایجاد می‌شوند که بر عملکرد الکترومغناطیسی و مکانیکی ماشین تاثیر مستقیم دارند. از انجا که استفاده از روش آنالیز المان محدود امکان مدل‌سازی دقیق هندسه واقعی ماشین، خواص غیرخطی مواد مغناطیسی، اشباع هسته، اثر شیارها و تغییرات موضعی فاصله هوایی را فراهم می کند لذا در این پایان نامه با بهره گیری از این روش تحلیلی به بررسی و تحلیل رفتار ماشین سوئیچ رلوکتانسی در هنگام بروز عیب خروج از مرکز پرداخته­ایم. نتایج بدست آمده از شبیه‌سازی‌های اجزای محدود نشان می­دهد که با خروج از مرکز، چگالی شار مغناطیسی در محیط فاصله هوایی به‌صورت نامتقارن توزیع می‌شود و همین موضوع اثر خود را در شار فاصله هوایی، جریان و اندوکتانس فازها و نهایتاً گشتاور تولیدی نشان می دهد و می توان با تحلیل این پارامترها میزان خروج از مرکز را تشخیص داد. در این پایان نامه در ادامه با استفاده از نتایج بدست آمده از آنالیز المان محدود یک شبکه عصبی پرسپترون چندلایه (MLP) برای تخمین میزان خروج از مرکز روتور در موتورهای SRM   بر اساس پارامترهای الکترومغناطیسی و عملکردی موتور توسعه داده شده است. داده‌های مورد استفاده شامل ?? نمونه از دو موتور سه‌فاز و چهارفاز با مقادیر مختلف خروج از مرکز (از صفر تا حدود ? میلی‌متر) می‌باشند. ورودی‌های شبکه شامل میانگین شار پیوندی فازها، میانگین گشتاور خروجی، درصد ریپل گشتاور و میانگین جریان فازها بوده و خروجی شبکه، مقدار خروج از مرکز روتور بر حسب میلی‌متر است. داده‌ها پس از نرمال‌سازی، برای آموزش شبکه استفاده شده‌اند. پس از اتمام فرایند آموزش، عملکرد شبکه با استفاده از شاخص‌هایی مانند خطای میانگین مربعات، میانگین قدرمطلق خطا و ضریب تعیین ارزیابی شد تا توانایی مدل در تخمین مقدار خروج از مرکز روتور و بازسازی الگوی موجود در داده‌ها مشخص شود.