دانلود مقاله ترجمه شده کاربرد هوش مصنوعی به منظور کشف خطای بی درنگ در ماشین های سنکرون مغناطیس ثابت – ۲۰۱۳ IEEE

ieee2

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

کاربرد هوش مصنوعی به منظور کشف خطای بی درنگ در ماشین های سنکرون مغناطیس ثابت

عنوان انگلیسی مقاله:

Application of Artificial Intelligence to Real-Time Fault Detection in Permanent-Magnet Synchronous Machinesش

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۳
تعداد صفحات مقاله انگلیسی ۱۰ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی برق، مهندسی کامپیوتر
گرایش های مرتبط با این مقاله هوش مصنوعی، الکترونیک قدرت و ماشینهای الکتریکی، مهندسی الکترونیک
چاپ شده در مجله (ژورنال) نتایج بدست آمده در حوزه کاربردهای صنعت – Transactions on Industry Applications
کلمات کلیدی سیستم خبره، شبکه عصبی، بهینه سازی ازدحام ذرات (PSO)، ماشین سنکرون مغناطیس دائم (PMSM)
کلمات کلیدی انگلیسی (Expert system – neural network – particle swarm optimization (PSO) – permanent-magnet synchronous machine (PMSM
ارائه شده از دانشگاه مرکز سیستم های پیشرفته برق، دانشگاه ایالتی فلوریدا، ایالات متحده آمریکا
نمایه (index) Scopus – Master journals – JCR
نویسندگان Yaw Nyanteh، Chris Edrington، Sanjeev Srivastava، and David Cartes
شناسه شاپا یا ISSN ISSN ۰۰۹۳-۹۹۹۴
شناسه دیجیتال – doi https://doi.org/10.1109/TIA.2013.2253081
ایمپکت فاکتور(IF) مجله ۴٫۲۶۷ در سال ۲۰۱۸
شاخص H_index مجله ۱۷۵ در سال ۲۰۱۹
شاخص SJR مجله ۱٫۰۹۱ در سال ۲۰۱۸
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۱۸
بیس نیست 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۰۱۵۶
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود در فایل ورد و PDF
کیفیت ترجمه طلایی⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۷ صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه نشده است 
ترجمه متون داخل جداول ترجمه نشده است 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن درج نشده است 
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده

۱- مقدمه

۲- سیستم های عایق کاری سیم پیچ

الف- سازمان

ب- بررسی سیستم عایق کاری سیم پیچ

ج- انواع آزمایش

۳- فرایندهای شکست در ماشین های الکتریکی

الف- اضافه بار حرارتی

ب- چرخۀ حرارتی

ج- سرژهای ولتاژ تکراری

د- فرایندهای شکست قطب برجسته و گرد روتور

ه- فرآیند شکست سیم پیچ در روتور ماشین القایی سیم بندی شده و قفسه سنجابی

۴- شرایط آزمایشی و نظارتی

الف- نظارت آنلاین بر سیم پیچ های استاتور و روتور

۵- تشخیص خطا در PMSM

الف- توسعه مدل شبکه عصبی

ب- مدل آموزشی ANN

۶- توصیف محیط آزمایشی

الف- نتایج آموزش

ب- نتایج شبیه سازی خطا

۷- نتیجه گیری

منایع

 

بخشی از ترجمه

چکیده

این مقاله در مورد خطاهای موجود در ماشین های الکتریکی چرخشی بحث می کند و روش تشخیص خطا را با استفاده از شبکه عصبی مصنوعی (ANN) توصیف می کند، که سیستمی خبره برای تشخیص جریانات خطای مدار اتصال کوتاه در سیم پیچ های استاتور ماشین سنکرون مغناطیس دائم (PMSM) است. این محیط آزمایشی شامل PMSM می شود که به صورت مکانیکی به موتور dc متصل شده تا در حالت گشتاور راه اندازی شود. از بهینه سازی ازدحام ذرات برای تنظیم وزن های ANN استفاده می شود. همۀ شبیه سازی ها در محیط متلب/سیمولینک انجام می شود. این روش کارآمد است و می تواند برای تشخیص خطای بلادرنگ به کار برده شود.

 

۷- نتیجه گیری

نتایج نشان داده شده در این مقاله یک روش کاربردی نویدبخش را برای FDD بلادرنگ نشان می دهد. فرکانس کاربرد این درایو می تواند بر سایر فرکانس ها به جز ۱۰ Hz تنظیم شود که فرکانس کاربرد درایو در این مقاله است. در مورد کاربرد رد ۱۰ Hz، با بحث در مورد دست‌کاری داده ها، ANN برای تصمیم گیری به حدود ۰٫۰۵ s نیاز دارد. این وقفه های زمانی کوتاه از خسارت بیشتر به سیم پیچ ماشین جلوگیری می کند. این شبیه سازی ها برای مقادیر خروجی ANN در آستانۀ ۳ انحراف معیار در میانگین نمونه انجام می شود. این آستانه می تواند برای جلوگیری از هشدارهای کاذب افزایش یابد. این روش به صورتی صحیح خطاهای مدار اتصال کوتاه را از ناپایداری-های بارگذاری متمایز می کند.

 

بخشی از مقاله انگلیسی

Abstract

This paper discusses faults in rotating electrical machines in general and describes a fault detection technique using artificial neural network (ANN) which is an expert system to detect short-circuit fault currents in the stator windings of a permanent-magnet synchronous machine (PMSM). The experimental setup consists of PMSM coupled mechanically to a dc motor configured to run in torque mode. Particle swarm optimization is used to adjust the weights of the ANN. All simulations are carried out in MATLAB/SIMULINK environment. The technique is shown to be effective and can be applied to real-time fault detection.

 

VII- CONCLUSION

The results shown in this paper show a promising technique applicable to real-time FDD. The frequency of operation of the drive can be adjusted to other frequencies other than 10 Hz which was the frequency of operation of the drive in this paper. By the data manipulations discussed, the ANN requires about 0.05 s, in the case of operation at 10 Hz, to make a decision. If the frequency is increased to 60 Hz, the ANN requires 0.00833 s to make decisions. These short time intervals would prevent further damage to the winding of the machine. The simulations have been carried out for values of the ANN output within a threshold range of 3 standard deviations about the sample mean. The threshold can be increased to prevent false alarms. The technique also accurately distinguishes short-circuit faults from loading transients.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

کاربرد هوش مصنوعی به منظور کشف خطای بی درنگ در ماشین های سنکرون مغناطیس ثابت

عنوان انگلیسی مقاله:

Application of Artificial Intelligence to Real-Time Fault Detection in Permanent-Magnet Synchronous Machinesش

 

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *