ترجمه مقاله تشخیص خطای گریزی از مرکز استاتیک، دینامیک و ترکیبی در موتورهای سنکرون مغناطیس دائم - نشریه IEEE

قیمت خرید این محصول

۴۱,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

تشخیص خطای گریزی از مرکز استاتیک، دینامیک و ترکیبی در موتورهای سنکرون مغناطیس دائم

عنوان انگلیسی

Static-, Dynamic-, and Mixed-Eccentricity Fault Diagnoses in Permanent-Magnet Synchronous Motors

صفحات مقاله فارسی

32

صفحات مقاله انگلیسی

13

سال انتشار

2009

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

pdf و ورد تایپ شده با قابلیت ویرایش

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع ارائه مقاله

ژورنال

پایگاه

اسکوپوس

ایمپکت فاکتور(IF) مجله

8.699 در سال 2019

شاخص H_index مجله

236 در سال 2020

شاخص SJR مجله

2.400 در سال 2019

شناسه ISSN مجله

0278-0046

شاخص Q یا Quartile (چارک)

Q1 در سال 2019

کد محصول

10270

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است ☓

وضعیت ترجمه منابع داخل متن

به صورت عدد درج شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

ضمیمه

ندارد

بیس

نیست ☓

مدل مفهومی

ندارد ☓

پرسشنامه

ندارد ☓

متغیر

ندارد ☓

رفرنس در ترجمه

در داخل متن و انتهای مقاله درج شده است

رشته و گرایش های مرتبط با این مقاله

مهندسی برق، مهندسی الکترونیک، سیستم های قدرت، برق قدرت

مجله

یافته های بدست آمده در حوزه الکترونیک صنعتی - Transactions on Industrial Electronics

دانشگاه

دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، ایران

کلمات کلیدی

دامنۀ مؤلفه های باند جانبی (ASBC)، شبکه عصبی مصنوعی (ANN)، گریز از مرکز پویا (DE) و گریز از مرکز ترکیبی (ME)، تشخیص خطا، نویز گاوسی، الگوی تشخیصی، موتور سنکرون (PMSM) مغناطیس دائم (PM)، استاتیک روش المان محدود time-stepping (FE) (FEM)

کلمات کلیدی انگلیسی

Amplitude of sideband components (ASBC) - artificial neural network (ANN) - dynamic eccentricity (DE) and mixed eccentricity (ME) - fault diagnosis - Gaussian noise - pattern recognition - permanent-magnet (PM) synchronous motor (PMSM) - static - time-stepping finite-element (FE) method (FEM)

doi یا شناسه دیجیتال

https://doi.org/10.1109/TIE.2009.2029577

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1- مقدمه
2- مدل سازی گام زمانی
3- محیط آزمایشی
4- تشخیص خطای SE، DE و ME
الف. شاخصی جدید برای تشخیص خطای DE
ب. تشخیص خطای SE
ج. تشخیص خطای ME
5- اثرات بار بر شاخص پیشنهادی
6- تحلیل نظری شاخص معرفی شده
الف. نفوذ شکاف فضایی
ب. عناصر میدان شکاف فضایی
ج. عناصر جریان استاتور
7- تحلیل شاخص های پیشنهادی برای برآورد نوع و درجۀ خطای گریز از مرکز
8- تخمین شدت خطای گریز از مرکز
الف. تعیین نوع خطای گریز از مرکز
ب. تخمین درجۀ خطای گریز از مرکز
ج. معماری شبکه ها
د. نتایج
9- تمایز میان خطای گریز از مرکز و سایر خطاها با استفاده از شاخص معرفی شده
10- نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

Mixed-eccentricity (ME) fault diagnosis has not been so far documented for permanent-magnet (PM) synchronous motors (PMSMs). This paper investigates how the static eccentricity (SE), dynamic eccentricity (DE), and ME in three-phase PMSMs can be detected. A novel index for noninvasive diagnosis of these eccentricities is introduced for a faulty PMSM. The nominated index is the amplitude of sideband components with a particular frequency pattern which is extracted from the spectrum of stator current. Using this index makes it possible to determine the occurrence, as well as the type and percentage, of eccentricity precisely. Meanwhile, the current spectrum of the faulty PMSM during a large span is inspected, and the ability of the proposed index is exhibited to detect eccentricity in faulty PMSMs with different loads. A novel theoretical scrutiny based on a magnetic field analysis is presented to prove the introduced index and generalize the illustrated fault recognition method. To show the merit of this index in the eccentricity detection and estimation of its severity, first, the correlation between the index and the SE and DE degrees is determined. Then, the type of the eccentricity is determined by a k-nearest neighbor classifier. At the next step, a three-layer artificial neural network is employed to estimate the eccentricity degree and its type. After all, a white Gaussian noise is added to the simulated current, and the robustness of the proposed index is analyzed with respect to the noise variance. In this paper, the PMSM under magnetic fault (demagnetization) and electrical faults (short and open circuits) is modeled, and the current spectrum of the faulty PMSM under demagnetization, short circuit, and open circuit faults is analyzed. It is demonstrated that the proposed index, due to eccentricity fault, is not generated in the current spectrum due to magnetic and electrical faults. Indeed, it is exposed that the introduced index is only created due to eccentricity fault and it is not sensitive to other faults. To model the PMSM eccentricities, a time-stepping finite-element method, which takes into account all geometrical and physical characteristics of the machine components, nonuniform permeance of the air gap, and nonuniform characteristics of the PM material, is employed. This model facilitates the access to the demanded signals in order to have accurate processing. A comparison of simulation and experimental results validate the proposed index.

نمونه چکیده ترجمه متن فارسی

چکیده
تشخیص خطای گریز از مرکز ترکیبی (ME) تا کنون برای موتورهای سنکرون مغناطیس دائم (PMSMs) ثبت نشده است. این مقاله نشان می دهد که چگونه گریز از مرکز استاتیک (SE)، گریز از مرکز دینامیک (DE) و ME در PMSMs سه فاز تشخیص داده می شوند. یک شاخص جدید برای تشخیص غیرهجومی این خطاهای گریز از مرکز برای PMSM خطایی معرفی شده است. این شاخص دامنۀ مؤلفه های باند جانبی با یک الگوی فرکانسی خاص است که از طیف جریان استاتور استخراج می شود. استفاده از این شاخص تعیین دقیق وقوع و همچنین نوع و درصد خطای گریز از مرکز را ممکن می سازد. ضمناً، طیف جریان PMSM خطایی در طول محدوده بزرگ بررسی می شود و توانایی این شاخص پیشنهادی برای تشخیص خطای گریز از مرکز PMSMs با بارهای مختلف نشان داده می شود. یک بررسی نظری جدید بر مبنای تحلیل میدان مغناطیسی برای تثبیت شاخص معرفی شده و تعمیم روش تشخیص خطا ارائه شده است. برای نشان داده شایستگی این شاخص در تشخیص گریز از مرکز و برآورد شدت آن، ابتدا، پیوستگی میان شاخص و درجات SE و DE تعیین می شود. سپس، نوع خطای گریز از مرکز با نزدیک ترین ممیز هم‌جوار یعنی k، تعیین می شود. در مرحلۀ بعد، یک شبکۀ عصبی مصنوعی سه لایه برای برآورد درجه و نوع خطای گریز از مرکز به کار گرفته می شود. پس از همۀ این ها، نویز سفید گاوسی به جریان شبیه سازی شده اضافه می شود، و قدرت شاخص پیشنهادی با توجه به واریانس نویز تحلیل می شود. در این مقاله، PMSM تحت شرایط خطای مغناطیسی (مغناطیس زدایی) و خطاهای الکتریکی (مدار اتصال کوتاه و قطع مدار) مدل بندی می شود، و طیف جریان در PMSM خطایی در خطاهای مغناطیس زدایی، مدار اتصال کوتاه و قطع مدار تحلیل می شود. نشان داده شده که این شاخص پیشنهادی، به خاطر خطای گریز از مرکز و خطاهای مغناطیسی و الکتریکی در طیف جریان ایجاد نمی شود. در واقع، انتظار می رود که این شاخص معرفی شده تنها به خاطر خطای گریز از مرکز ایجاد شود و به دیگر خطاها حساس نیست. برای مدل سازی خطاهای گریز از مرکز PMSM، یک روش اِلمان محدودtime-stepping به کار گرفته می-شود، که این روش همۀ ویژگی های هندسی و فیزیکی مؤلفه های ماشین، نفوذ غیر هم شکل شکاف فضایی و ویژگی های غیر هم شکل مواد PM را در نظر می گیرد. این مدل دسترسی به سیگنال های مورد تقاضا را برای پردازش دقیق آسان می کند. مقایسه نتایج شبیه سازی و آزمایشی این شاخص پیشنهادشده را تأیید می کند.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی برق