الگوریتم بهینه سازی ترکیبی جهت تخمین پارامتر موتورهای القایی چند فازی با تایید آزمایشی

Hybrid optimization algorithm for parameter estimation of poly-phase induction motors with experimental verification

چکیده ترسیمی

نکات مهم

چکیده

1. مقدمه

فهرست اصطلاحات

2. خصوصیات حالت پایدار موتور القایی چند فازی

3. بیان ریاضی مسئله

4. الگوریتم‌های بهینه سازی توسعه یافته

4.1 تکامل تفاضلی DE

4.2 الگوریتم ژنتیک GA

4.3 الگوریتم PSO

4.4. الگوریتم بهینه سازی JAYA

5. الگوریتم بهینه سازی PSO -JAYA ترکیبی پیشنهادی

5.1 مراحل روند پیشنهادی

6. کاربردها

6.1 مجموعه آزمایشگاهی

6.2 تنظیمات پارامترهای الگوریتمهای بهینه سازی رقابتی

6.3 ارزیابی ابزارهای رقابتی

7. نتیجه گیری

منابع

چکیده

دقت پارامترهای برآورد شده از موتورهای القایی چند فازی برای پیش بینی عملکرد مؤثر و / یا کنترل در برنامه‌های مختلف تولید حائز اهمیت است. این مطالعه برای یافتن برآورد پارامترهای بهینه موتورهای القایی چند فازی، الگوریتم ترکیبی بین بهینه سازی ازدحام ذرات و الگوریتم‌های بهینه سازی Jayaرا بررسی می‌کند. این کار با استفاده از خصوصیات عملکرد سازنده بر روی دو موتور القایی چند فازی انجام شده است. الگوریتم پیشنهادی در مقایسه با الگوریتم‌های معمولی و همچنین الگوریتم‌های تکامل تفاضلی و ژنتیکی دارای عملکرد رقابتی است. اعتبارسنجی‌های تجربی بر روی موتورهای القایی سه فازی و شش فازی انجام شده است. همچنین، از نزدیکی بین پارامترهای آزمایشی و برآورد شده با همگرایی سریع در مقایسه با سایر الگوریتم‌های دیگر، تقلید می‌شود. علاوه براین، این نتایج توانمندی بالای الگوریتم پیشنهادی را در مقایسه با الگوریتم‌های دیگر از نظر اعداد تکراری متغیر، اندازه جمعیت و همگرایی نشان می‌دهد.

1. مقدمه

موتورهای القایی چند فازی (PIM) از پرکاربردترین ماشینهای الکتریکی هستند  (1). آن‌ها به تبدیل حدود 60٪ نیروی الکتریکی به انرژی مکانیکی کمک می‌کنند (2). PIM به دلیل ستبری و سادگی در بخش صنعت محبوب هستند، زیرا 90٪ موتورهای صنعتی IM هستند (3). نمونه‌هایی از کاربردهای موتورهای القایی، عبارتند از ابزارهای موتور مجهز به موتورهای القایی، موتورهای دارای دور متغیر و پمپ‌ها (4). برای دستیابی به عملکرد هدف ماشینهای القایی، مدل سازی دقیق برای PIM ها مسئله مهمی تلقی می‌شود (5). این مسائل شامل رفتار حالت گذرا و پایدار هستند. این مدل تعادل بین ولتاژ سیم پیچ استاتور و روتور، لینکاژها و جریانهای شار، توان عبوری از شکاف هوایی و گشتاورهای الکترومغناطیسی را بیان می‌کند. بنابراین ، پیدا کردن پارامترهای ناشناخته این ماشینها، یک مسئله بهینه سازی غیریکنواخت غیرخطی پیچیده است (6). هدف آن دستیابی به بالاترین درجه نزدیکی بین پارامترهای برآورد شده و پارامترهای واقعی است. بنابراین، تابع هدف مسئله برآورد پارامتر مورد نظر، حداقل انحراف بین پارامترهای برآورد شده و واقعی با حفظ این پارامترها در مرزهای عملیاتی مجاز آنها است. برای برآوردن فرآیند شناسایی پارامتر، چندین الگوریتم بهینه سازی برای تضمین مدلهای دقیق PIM ارائه شده است. در این راستا، این مقاله الگوریتم ترکیبی بین بهینه سازی ازدحام ذرات و الگوریتم‌های بهینه سازی جاوای  HPJOA را برای دست یابی به پارامترهای PIM ناشناخته مطلوب پیشنهاد می‌کند.

Abstract

The estimated parameters accuracy of poly-phase induction motors is crucial for effective performance prediction and/or control in various manufacturing applications. This study investigates hybrid algorithm between particle swarm optimization and Jaya optimization algorithms for finding the optimal parameters estimation of poly-phase induction motors. It is carried out using the manufacturer’s operation characteristics on two poly-phase induction motors. Numerical results show the capability of the proposed hybrid optimization algorithm. The proposed algorithm has competitive performance compared with conventional algorithms as well as with differential evolution and genetic algorithms. Experimental verifications are carried out on three-phase and six-phase induction motors. Also, it emulates the closeness between experimental and estimated parameters with fast convergence compared to other algorithms. Also, the results reflect the high robustness of the proposed algorithm compared with other algorithms for varied iteration numbers, population size and convergence.

1. Introduction

The Poly-phase Induction Motors (PIMs) are the most used electrical machines [1]. They contribute around 60% of electric power converted to mechanical energy [2]. PIM are favored due to their ruggedness and simplicity in the industry section as 90% of industrial motors are IMs [3]. Examples of induction motors applications involve motor tools equipped with induction motors, adjustable speed motors and pumps [4]. To achieve the target performance of induction machines, the accurate modelling is considered as crucial issue for PIMs [5]. These issues involve the transient and steady-state behavior. The model expresses the stator and rotor windings voltage balance, flux linkages and currents, the air-gap power, and the electromagnetic torques. Therefore, finding the unknown parameters of these machines is a complicated nonlinear non-smooth optimization problem [6]. It aims at achieving the highest closeness degree between the estimated parameters and those of the actual ones. Therefore, the objective function of the considered parameter estimation problem is the minimum deviation between estimated and actual parameters with preserving these parameters within their permissible operating boundaries. To satisfy the parameter identification process, several optimization algorithms have been developed to guarantee the accurate PIM models. In this regard, this paper proposes the hybrid algorithm between particle swarm optimization and Jaya optimization algorithms HPJOA form finding the optimal unknown PIM parameters.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

الگوریتم بهینه سازی ترکیبی جهت تخمین پارامتر موتورهای القایی چند فازی با تایید آزمایشی

Hybrid optimization algorithm for parameter estimation of poly-phase induction motors with experimental verification

کاهش ظرفیت موتورهای القایی به دلیل مسائل مربوط به کیفیت توان با توجه به کلاس بازده موتور

Derating of Induction Motors Due to Power Quality Issues Considering the Motor Efficiency Class

چکیده

1-مقدمه

2-جریان اولیه برای کلاس‌های بهره‌وری مختلف موتورالقایی

2-1-تعاریف

2-2-تحلیل جریان‌های آغازین

3-مدل و پارامترهای موتورالقایی برای نامتعادلی ولتاژ و اعوجاج هارمونیکی

3-1-مدل موتورالقایی برای نامتعادلی ولتاژ واعوجاج هارمونیکی

3-2-پارامترهای موتور تحت آزمایش

4-اعتبار و پارامترهای مدل تحت شرایط نامتعادلی ولتاژ

4-1-تست نیمکت

4-2-اعتبار و پارامترهای مدل تحت شرایط نامتعادلی ولتاژ

5-مقایسه فاکتورهای اصلاح ظرفیت

5-1-فاکتور اصلاح ظرفیت برای شرایط نامتعادلی ولتاژ

5-2-فاکتورهای اصلاح ظرفیت برای شرایط اعوجاج هامونیکی

6-نتیجه

چکیده

گرما وتلفات در موتورالقایی با نامتعادلی ولتاژ و اعوجاج هارمونیکی افزایش می‌یابد. برای جلوگیری از اضافه بار حرارتی استانداردهای 1993-141 IEEE، 3004.8 IEEE، 2014NEMA MGI و 26-60034IEC ، فاکتورهای اصلاح ظرفیت موتورالقایی تحت این شرایط را عنوان می‌کنند. در این مقاله ما نشان می‌دهیم که عوامل اصلاح ظرفیت ارایه شده توسط استانداردها از موتورالقایی با راندمان استاندارد محافظت می‌کنند اما تنها تا حدودی برای محافظت از موتورهای القایی مدرن با بازده بالاتر کارآمد هستند. برای این منظور فاکتورهای ارایه شده توسط استانداردها را با فاکتورهای موردنیاز برای حفظ تلفات در مقادیر مجاز برای کلاس‌های مختلف کارآیی مقایسه می‌کنیم. برای بدست آوردن نتایج از این موتورهای القایی ما داده‌های پلاک 548 موتورالقایی با کلاس‌های بهره‌وری مختلف را مقایسه کردیم و دریافتیم که موتورهای با کلاس بهره‌وری بالاتر جریان اولیه بزرگتر، امپدانس توالی منفی کوچکتر و ولتاژ هارمونیکی‌تری دارند. امپدانس پایین به نوبه خود منجر به تلفات بیشتر در شرایط نامتعادلی ولتاژ و هارمونیک می‌شود.

1-مقدمه

موتورهای الکتریکی بویژه موتورهای القایی مهمترین بار در سیستم قدرت هستند. مشارکت آن‌ها در تقاضای انرژی الکتریکی، نزدیک به نیمی از انرژی مصرفی در سطح جهان است. به همین دلیل حتی امروزه پیشنهادهایی برای افزایش راندمان موتورهای القایی برای صرفه‌جویی در مصرف انرژی وجود دارد.

برای توسعه موتورهای القایی کارآمدتر استاندارد30-60034IEC از سال 2008 سه کلاس کارآیی را مشخص کرد. رعایت این کلاس‌ها حداقل سطح کارآیی را برای هر نوع موتورالقایی تضمین می‌کند. این کلاس‌ها عبارتند از:راندمان استاندارد IE1، راندمان بالا IE2، راندمان برتر IE3. در تجدیدنظر بعدی درمورد این استاندارد دو کلاس کارآیی جدید، راندمان کلان  IE4 و راندمان افراطی IE5 اضافه شد.

6-نتیجه

در این مقاله ، اثر عدم تعادل ولتاژ و اعوجاج هارمونیک بر تلفات موتورالقایی در کلاس‌های مختلف راندمان را بررسی کردیم.

ما ابتدا داده‌های پلاک 548 موتورالقایی را مورد مطالعه قرار دادیم تا نشان دهیم که موتورهای باکلاس راندمان بالاتر با جریان‌های شروع بالاتر(pu) ارتباط دارند. سپس ، ما به کار ارائه شده در مقاله‌های گذشته توجه کردیم ، که در شرایط نامتعادلی و اعوجاجات ولتاژ جریان شروع بالاتر با امپدانس‌های توالی منفی پایین‌تر و تلفات بالاتر همراه است.

Abstract

Heating and losses of induction motor (IM) grow with the supply voltage unbalance and harmonic distortion. To avoid thermal overload, the IEEE 141-1993, the IEEE 3004.8, NEMA MG1-2014, and the IEC 60034-26 standards establish derating factors for IMs operating under those conditions. In this article, we show that while the derating factors proposed by these standards adequately protect standard-efficiency IMs, they are only marginally adequate to protect modern higher-efficiency IMs. To this end, we compare the derating factors provided by the standards with the derating factors required to maintain the losses at rated values in a standard-efficiency IM, in a premium-efficiency IM, and in a super-premium-efficiency IM. To extrapolate the results from these IM, we compared the nameplate data of 548 IMs of different efficiency classes and found that higher efficiency classes correlate to higher IM starting currents and lower impedances to the negative sequence and harmonic voltages. These lower impedances in turn may lead to higher losses for unbalanced and harmonic voltages conditions.

I. INTRODUCTION

ELECTRIC motors, and in particular induction motors (IMs), represent the most important load in the electric power system. Its participation in the demand for electric energy is close to half of the energy consumed globally [1], [2]. For this reason, even today, there are proposals to increase the electric motors efficiency to yield large energy savings [3].

To promote the development of more efficient IMs, the IEC 60034-30 standard from 2008 specified three efficiency classes. Compliance with these classes guarantees a minimum efficiency level for every type of IM and nominal power. These classes are: standard efficiency or IE1, high efficiency or IE2, and premium efficiency or IE3. A later revision of this standard includes two new efficiency classes, the super-premium or IE4 and ultra-premium or IE5 [4].

VI. CONCLUSION

In this article, we study the effect of voltage unbalance and harmonic distortion on the losses of IMs in different efficiency classes.

We first studied the nameplate data of 548 IMs to show that higher efficiency class IMs are correlated to higher starting currents in p.u. Then, we drew attention to the work presented in [24], where higher starting current are associated with lower negative-sequence impedances and to higher losses for unbalanced and distorted voltage conditions.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کاهش ظرفیت موتورهای القایی به دلیل مسائل مربوط به کیفیت توان با توجه به کلاس بازده موتور

Derating of Induction Motors Due to Power Quality Issues Considering the Motor Efficiency Class

ارزیابی پارامترهای موتور القایی سه فاز با تکامل دیفرانسیل

Parameters estimation of three-phase induction motors using differential evolution

Abstract

Three-phase induction motors are extensively used in the industry due to their robustness characteristics, low cost and easy maintenance. Usually, it is necessary to implement drive and control systems for such motors, which requires the knowledge of their mechanical and electrical parameters. However, in some cases, these data are not immediately available, or the values of the parameters may change due to the wear of motor components. Such problems can be circumvented if an efficient parameter estimation technique is available. In order to automatically estimate the parameters efficiently, the present work proposes a method, based on the differential evolution algorithm, aimed at the estimation of the electrical and mechanical parameters of three-phase induction motors. Such algorithm is capable of estimating the parameters of the equivalent electrical circuit, such as stator and rotor resistances and leakage inductances, the magnetizing inductance, and also mechanical parameters, such as moment of inertia and the friction coefficient. The performance of the proposed parameter estimation technique is evaluated for three different input signals: (i) current signal of a phase associated with the speed measured from a tachogenerator, (ii) current signal of a phase associated with the speed acquired from a torquemeter, and (iii) only the current signal of one phase. Finally, a series of simulated and experimental results are presented to validate the proposed technique, and the results show the good performance of the proposed strategies.

1 Introduction

Three-phase induction motors (TIM) are widely used in the industrial sector, mainly for the operation of pumps, compressors and fans, representing 68% of the Brazilian industrial energy consumption, which corresponds to 35% of the total consumed electrical energy [1]. In general, such motors operate under approximately 60% of their nominal load, consequently working with reduced efficiency, which results in energy waste [2,3]. The efficiency graph of a TIM, for the nominal frequency, can be found in its datasheet. However, these motors are often driven by frequency inverters, resulting in operating frequencies different from their nominal values. One way of analyzing TIM efficiency, and consequently of defining which operating region is more appropriate for a given situation, is to perform calculations that depend on the electrical and mechanical parameters of the motor, since such parameters, when applied to a mathematical model, may represent the operating dynamics of the TIM [4]. However, in several situations the parameters may not be informed by the manufacturer, or external and internal influences, such as electrical and mechanical wear or heating [5], may modify the values of the parameters. In addition to problems related to energetic efficiency, a proper estimation of the TIM parameters may influence the AC drives performance, since the values of the motor parameters are fundamental for controller tuning [6–8], especially the mechanical parameters, which are related to the dynamic response during the transient [9]. Even fault diagnosis methods can be accomplished by monitoring the parameters of a TIM [10]. In this context, the development of techniques for the estimation of the electrical and mechanical parameters of TIM has become an important topic of recent researches. The data for the symmetric equivalent electrical circuit are typically obtained through blocked and no-load rotor experiments, as stated in the IEEE norm [11], where the machine operates under steady state. Although such method is simple and commonly used, its approximation may not be precise. Additionally, the mechan ical parameters are not estimated in this approach. In this sense, computational methods rise as attractive alternatives, due to their capability of yielding more precise estimations of both electrical and mechanical parameters. In [12] two methods are proposed to calculate the equivalent electrical circuit parameters. The methods are respectively based on Artificial Neural Networks (ANN) and Adaptive Neuro-Fuzzy Inference Systems (ANFIS), and the input data are the torque, active and reactive power, starting current, maximum torque, full load speed and efficiency, given by the manufacturer. The technique proposed in [13] is based on the use ofthe Adaline network to identify the rotor time constant and the leakage factor of the TIM under steady state (highfrequencies), as well as the leakage resistance and inductance of the stator (low frequencies). In [14] the use of variable frequency tests on the computation ofthe equivalent electrical circuit parameters is also proposed. In the last years, estimation techniques for electrical and mechanical parameters of TIM, based on the use of computational methods, have been reported in the literature with interesting results. For instance, the work in [15] proposes the identification of the moment of inertia of the TIM using only a voltage sensor, which is modeled in terms of the parameters to be estimated, resulting in a simple and low cost technique. The use of online parameters estimation algorithms is also proposed in [16], which consists of a predictive control technique based on an Euler approximation to estimate the stator resistance from the induction motor linear model. In [17], a Particle Swarm Optimization (PSO) technique is applied to the estimation of the equivalent electrical circuit parameters of TIM, comparing the torque and the specifications provided by the manufacturer. Another class of heuristic computational methods is the class of evolutive algorithms, which are based on defining and changing populations of solutions to minimize an objective function. The application of evolutive algorithms in the TIM parameters estimation has also been reported on the recent literature. In [18], the use of genetic algorithms to simultaneously identify mechanical and electrical parameters is proposed, using as input only the corresponding starting current and voltage. The method proposed in [19] consists of using the Differential Evolution (DE) algorithm to estimate the rotor and stator resistances, as well as the rotor and stator leakage inductances, by comparing the nominal, starting and stop measured torques with the values resultant from the estimated parameters. In [20], the influence of the temperature variation of the electrical and mechanical parameters of TIM using only a current signal is analyzed. Additionally, in [21]the authors propose the analysis of five different DE approaches to verify which is the best parameter estimation technique for the equivalent electrical circuit of TIM, by using simulated signals of three-phase input and output voltages. Finally, in [22] the DE is used to estimate the parameters of the equivalent electrical circuit and of the moment of inertia, considering as input signal the simulated three-phase currents of two different motors. In a general analysis, the main difficulty reported on some of the proposed methods is the acquisition of the necessary information for the parameter identification, as speed and torque [12,17,19]. Such papers use more sophisticated sensors, implying higher costs of developing the project and consequently decreasing their attractiveness. Besides, the presented methods propose alternatives for the parameters estimation of either the TIM equivalent electrical circuit [12,14,17,21] or the mechanical parameters [15], instead of considering their combination. The works presented in [18,20,22] propose approaches for the estimation of both electrical and mechanical parameters. However, the method in [18] requires the three-phase voltage and current data, consequently demanding six sensors, and [20] uses only computational data. In the present paper, we propose a technique capable of estimating the values of the rotor and stator resistances and leakage inductances, the magnetizing inductances (parameters of the equivalent electrical circuit), moment of inertia and friction coefficient of the three-phase induction motor. Three distinct sets of input signals are applied to the proposed algorithm: (i) current signal of one phase along with the speed measured from a tachogenerator, (ii) current signal of one phase along with the speed measured from a torquemeter, and (iii) only the current signal of one phase. The method consists of a function approximator for parameter estimation using the Differential Evolution algorithm, combined with the TIM dynamical model, as described in [23,24]. In order to verify the efficiency and validate the proposed estimation method, tests based on computational models executed with experimental data were also performed.

به حداقل رساندن اتلاف گذرا در راه اندازی ماشین القایی با استفاده از تئوری کنترل بهینه سازی

Transient Loss Minimization in Induction Machine Drives using Optimal Control Theory

چکیده

1- مقدمه

2- اصل مینیمم سازی Pontryagin

الف) مدل IM جریانی غیر میدان گرا

ب) مدل IM مبتنی بر جریان میدان گرا (FO)

3- قانون کنترل بهینه با استفاده از PMP

الف) OC با مدل IM غیر میدان گرا (non-FO)

ب) OC با مدل IM میدان گرا (FO)

4 حل عددی

5. نتایج و تجزیه و تحلیل

الف) مقایسه گشتاور و سرعت

ب) مقایسه اتلاف انرژی و توان

ج) مشاهدات

د) امکان سنجی یک قانون کنترل حلقه باز

6- نتیجه گیری

چکیده

مینیمم کردن اتلاف در طول گذار کاری در کاربردهای ماشین های القایی نادیده گرفته می شود. با این حال مینیمم کردن اتلاف، می تواند تا حد زیادی باعث بهبود بهره وریِ تغییر سرعت گشتاور نیرو یا پروفایل های سرعت مرجع شود. تئوری کنترل بهینه قبلا به طور موفقیت آمیزی برای توسعه قوانین کنترل اعمال شد که اتلافات را در طول گذار به حداقل رساند. تمام کارهای قبلی بر مبنای مدل ماشین های القایی میدان گرا بوده است. اگرچه در این مقاله یک مساله کنترل بهینه بر مبنای مدل ماشین القایی غیر میدان گرا بسط داده شده و شبیه سازی شده است. علاوه بر این یک کار تابع هزینه به صورت جامع توسعه پیدا کرد و استفاده شد به طوریکه بتواندحالت کاری پایدار ماشین را تضمین کند. تاریخچه‌های بهینه‌ی کنترل آفلاین با استفاده از روش گرادیان مزدوج ایجاد شد. عملکرد قانون کنترل ارائه شده از طریق شبیه سازی تایید شده است و نتایج با نتایج حاصل از کنترل گر میدان گرای مستقیم مقایسه شده است. 

1- مقدمه

حضور همیشگی ماشین های القایی (IM) در صنعت به حجم عظیمی از تحقیقات به منظور بهبود بازدهی آن ها در نقاط کاری متفاوت، منجر شده است. اگرچه با بررسی مقالات نوشته شده در این موضوع، اکثریت کارها روی مینیمم کردن اتلاف حالت پایدار ، متمرکز بوده است. رایج ترین روش ها برای مینیمم کردن اتلاف IM بهینه سازی شار (جریان) روتور در طول حالت پایدار است. اما در طول گذارهای نقاط عملیاتی (تغییر در سرعت مرجع یا گشتاور چرخشی نیرو) الگوریتم مینیمم کردن اتلاف، از بین می رود و جریان در سطح ارزیابی شده نگه داشته می شود، بنابراین یک عملکرد دینامیکی سریع تر حاصل می شود. 

6- نتیجه گیری

تئوری کنترل بهینه هم برای مدل های FO و هم برای مدل های non-FO از یک IM به منظور تعیین شرایط لازم برای سوابق کنترلی که اتلاف توان گذار را مینیمم خواهد کرد و یک عملکرد دینامیک قابل قبول دارد، اعمال شده است. روش گرادیان مزدوج برای به دست آوردن راه حل های عددی قانون کنترل استفاده شده بود که شرایط لازم را برآورده می کند. نتایج شبیه سازی که عملکرد OC را با IFOC مقایسه می کند، ارئه شد. نشان داده شد که کاهش قابل توجه اتلاف انرژی در طول دوره گذار بدون از بین رفتن عملکرد دینامیک ممکن بود. بنابراین نشان داده شد که OC مبتنی بر مدل های non-FO می تواند در مقایسه با روش های OC موجود که منحصرا از مدل-های FO استفاده می کنند ، نتایج معادلی را بدهند. کار این مقاله با انجام آزمایش های سخت افزاری، قابل گسترش است.

Abstract

Loss minimization during transient operation is an often neglected in most induction machine applications. However, loss minimization can greatly improve efficiency in case of fast changing load torques or reference speed profiles. Optimal control theory has been successfully applied previously to develop control laws that minimize losses during transients. All previous works were based on the field oriented induction machine model. In this paper, however, an optimal control problem based on the non-field oriented induction machine model is developed and simulated. Additionally, a more comprehensive cost functional is developed and utilized that would guarantee a stable steady state operation of the machine. Offline optimal control histories are generated using the conjugate gradient method. The performance of the proposed control law is verified through simulation and the results are compared with those from an indirect field oriented controller.

I. INTRODUCTION

THE ubiquity of induction machines (IM) in industry has led to a large volume of research into improving their efficiency at various operating points. However, it becomes clear from the literature surveys on this topic that a majority of the work has focused on steady state loss minimization [1]. The most common approach to IM loss minimization is to optimize the rotor flux during steady state. But during operating point transitions (change in reference speed or load torque) the loss minimization algorithm is disabled and the flux is maintained at rated level so as to get a faster dynamic performance.

VII. CONCLUSION

Optimal control theory was applied to both non-FO and FO models of an IM to determine the necessary conditions for a control history that would minimize transient power losses and have an acceptable dynamic performance. Conjugate gradient method was used to obtain numerical solutions of the control law that satisfy the necessary conditions. Simulation results were presented that compared the performance of OC with that of IFOC. It was shown that a significant reduction of energy losses was possible during the transient period without undue sacrifice of the dynamic performance. Furthermore, it was show that OC based on non-FO models can give equivalent results compared to the existing OC approaches that exclusively use FO models. The work in this paper can be further extended by performing hardware experiments.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

به حداقل رساندن اتلاف گذرا در راه اندازی ماشین القایی با استفاده از تئوری کنترل بهینه سازی

Transient Loss Minimization in Induction Machine Drives using Optimal Control Theory

آنالیز خطای یاتاقان موتور القایی با روش Root-MUSIC

Induction motor bearing fault analysis using Root-MUSIC method

چکیده

1- مقدمه

2- محتوای طیف جریان استاتور

3- روش Root-MUSIC

الف- مدل داده

ب- اصول روش Root-MUSIC

4- نتایج آزمایشی

الف- تجهیزات آزمایشی و پارامترهای یادگیری

ب- عملکرد موتور با بلبرینگ های سالم

ج- عملکرد موتور با خطای قاب بیرونی

د- عملکرد موتور با خطای محفظه

ه- عملکرد موتور با خطاهای محفظه و ساچمه

5- نتیجه گیری

چکیده

این مقاله یک رویکرد تشخیصی جدید، روش Root-MUSIC (RM)، را برای کراکینگ فزاینده در بلبرینگ موتورهای القایی را توصیف می کند. این رویکرد در مقایسه با تحلیل طیف جریان استاتور که از روش دوره نگار معمول استفاده می کند، مزایای زیادی دارد. در واقع، مزیت اصلی این رویکرد رزولوشن فرکانس بسیار خوب آن برای یک دوره کوتاه یادگیری است، که گاهی دست یابی به آن با روش متعارف غیرممکن است. با این حال، برای کاهش زمان محاسبه که اصلی ترین نقص روش RM محسوب می شود، این روش تنها بر یک باند فرکانسی خاص اعمال می شود؛ این باند اطلاعت مربوط به خطای مورد بررسی را در خود دارد. نتایج آزمایشی اثربخش روش RM را بر پایایی تشخیص خطای بلبرینگ نشان می دهد.

نتیجه گیری

در این مقاله، ثابت می کنیم که روش PSD کلاسیک توسط دوره نگاری امکان تخمین سریع هارمونیک ها را فراهم می آورد؛ اما امکان تشخیص خطاهای دامنه پایین مانند خطاهای آغازین را ندارد. با این حال، مجموعه های به دست آمده از نتایج بر اساس داده های آزمایشی، نشان می دهند که روش Root-MUSIC قابلیت افتراق بهتری دارد و در مقایسه با روش PSD کلاسیک قوی تر است. راه حل پیشنهادی این مقاله، که برای آشکار کردن سیگنال خطای مورد نظر شامل باند فرکانسی می شود، روش Root-MUSIC را سریع تر و کارآمدتر ساخته است. این روش به صورتی مثبت در خوانایی طیف جریان استاتور و تسهیل تحلیل آن نقش دارد. همچنین، این روش باعث می شود که ما همبستگی میان سیگنال های فرکانسی خطاهای بلبرینگ حاصل از آزمایش و محاسبه شده به صورت نظری را تأیید کنیم. این نتایج همچنین ثابت می کنند که روش توسعه یافتۀ Root-MUSIC نه تنها برای تشخیص خطاهای آغازی، بلکه برای نظارت بر سیر تکاملی شدت خطاها بسیار مؤثر است.

Abstract

This paper describes a new diagnosis approach, the Root-Multiple Signal Classification (MUSIC) (RM) method, for identification of the progressive cracking in the bearing of induction motors. This approach has several advantages compared with the stator current spectral analysis using the conventional Periodogram method. Indeed, the main advantage of this approach is its very good frequency resolution for a very short acquisition time, something impossible to achieve with the conventional method. However, in order to reduce the computation time, which is the main drawback of the RM method, this method will be applied to only a specified frequency band; one that carries information about the sought fault. Experimental results show the effectiveness of the RM method on the reliability of the incipient bearing fault detection.

VI- CONCLUSION

In this paper, we prove that the classical PSD method by Periodogram allows a fast harmonics estimation; but it does not allow the detection of low magnitude faults such as incipient fault. However, the obtained sets of results based on experimental data, clearly indicate that the Root-MUSIC method has better discrimination capability and is more robust compared to the classical PSD method. The proposed solution in this paper, and which consists of treating only the frequency band likely to reveal the signature of the sought fault, has made the Root-MUSIC method faster and more efficient. This method has positively contributed in the readability of the stator current spectrum and significantly facilitated its analysis. Also, this method has enabled us to verify the correlation between the frequency signatures of the bearing faults obtained experimentally and those calculated theoretically. These results also prove that the improved RootMUSIC method is very effective not only to detect the incipient faults, but also to monitor the evolution of the faults severity.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

آنالیز خطای یاتاقان موتور القایی با روش Root-MUSIC

Induction motor bearing fault analysis using Root-MUSIC method

بررسی کارایی موتور القایی خطی HTS یک طرفه با سرعت کم جهت سیستم مترو

Performance Evaluation of a Low-Speed Single-Side HTS Linear Induction Motor Used for Subway System

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بررسی کارایی موتور القایی خطی HTS یک طرفه با سرعت کم جهت سیستم مترو

Performance Evaluation of a Low-Speed Single-Side HTS Linear Induction Motor Used for Subway System

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تشخیص خطاهای بلبرینگ به وسیله یک طرح نظارتی بر اساس ویژگی های زمانی – آماری و شبکه های عصبی

Bearing Faults Detection by a Novel Condition Monitoring Scheme based on Statistical-Time Features and Neural Networks

چکیده

1- مقدمه

2- اجرای CCA برای ساختارهای طبقه بندی خطا

3- روش شناسی تشخیصی

الف. محاسبه ویژگی ها

ب. انتخاب ویژگی

ج. استخراج ویژگی

د. طبقه بندی

4- نتایج آزمایشی

الف. معتبر سازی روش پیشنهادی با استفاده از آزمایش

ب. معتبر سازی روش پیشنهادی با استفاده از آزمایش که این روش در دامنه پایین تر شرایط عملیاتی به‌کاررفته

5- نتیجه گیری

چکیده

خراب شدن بلبرینگ رایج ترین منبع خطا در ماشین های الکتریکی است. این مقاله طرح نظارتی جدیدی را به کار می گیرد که برای تشخیص خطاهای بلبرینگ به کار می رود. جدای از شناسایی خطاهای محلی، یعنی خطای بلبرینگ هایی با یک نقطه تماس و خطای مسیر گردش، و همچنین شناسایی اثرات توزیع شده را نیز در نظر می-گیرد، مانند زبری. امروزه توسعه روش های تشخیصی با توجه به هر دو نوع خطای بلبرینگ موضوع مورد توجه در تشخیص خطای ماشین های الکتریکی است. ابتدا، این روش مهم ترین ویژگی های آماری-زمانی محاسبه شده از سیگنال ارتعاش را تحلیل می کند. سپس از تغییر تحلیل مؤلفه منحنی شکل، روش یادگیری چندمنظوره غیرخطی، برای فشرده سازی و تجسم سایر ویژگی های رفتاری استفاده می کند. این باعث تفسیر پدیده فیزیکی زیرساختی می شود. این روش ابزاری بسیار قوی و امیدبخش در تشخیص ناحیه خطایی است. در نهایت، ساختار شبکه عصبی سلسله مراتبی برای اجرای مرحله طبقه بندی استفاده می شود. اثربخشی شرایط این طرح نظارتی با نتایج آمایشی به دست آمده از شرایط عملیاتی مختلف تأیید می شود.

5- نتیجه گیری
این مقاله یک روش پیشنهادی جدید را معرفی می کند که با استفاده از اطلاعات زمانی در داده های ارتعاش بر خطاهای بلبرینگ ها اعمال می شود.
شش سناریوی مختلف در ارتباط با بلبرینگ ها در نظر گرفته شده که نقص های تک نقطه ای، نقص های تک نقطه ای مرکب و فرسایش کلی را شامل می شود. این سناریوها در 25 شرایط عملیاتی، یعنی سرعت و گشتاور تحلیل شده اند.
از سیگنال های به دست آمده از ارتعاش، فرایند محاسبه ویژگی انجام می شود. سپس فرایند انتخاب به کار گرفته می شود، که باعث مجموعه ای منتخب از مهم ترین ویژگی ها برای به حداکثر رساندن افتراق میان خطاهای مد نظر می شود.

Abstract

Bearing degradation is the most common source of faults in electrical machines. In this context, this work presents a novel monitoring scheme applied to diagnose bearing faults. Apart from detecting local defects, i.e., single-point ball and raceway faults, it takes also into account the detection of distributed defects, such as roughness. The development of diagnosis methodologies considering both kinds of bearing faults is, nowadays, subject of concern in fault diagnosis of electrical machines. First, the method analyzes the most significant statistical-time features calculated from vibration signal. Then, it uses a variant of the curvilinear component analysis, a nonlinear manifold learning technique, for compression and visualization of the feature behavior. It allows interpreting the underlying physical phenomenon. This technique has demonstrated to be a very powerful and promising tool in the diagnosis area. Finally, a hierarchical neural network structure is used to perform the classification stage. The effectiveness of this condition-monitoring scheme has been verified by experimental results obtained from different operating conditions.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص خطاهای بلبرینگ به وسیله یک طرح نظارتی بر اساس ویژگی های زمانی – آماری و شبکه های عصبی

Bearing Faults Detection by a Novel Condition Monitoring Scheme based on Statistical-Time Features and Neural Networks

تشخیص نقص سنسور سرعت در محرک موتور القایی

Diagnosis of Speed Sensor Failure in Induction Motor Drive

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

کنفرانس بین المللی ماشین آلات الکتریکی و درایوها

International Electric Machines & Drives Conference

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تشخیص نقص سنسور سرعت در محرک موتور القایی

Diagnosis of Speed Sensor Failure in Induction Motor Drive

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 FOC و DTC: دو طرح قابل اعتماد برای کنترل گشتاور موتورهای القایی

 FOC and DTC: Two Viable Schemes for Induction Motors Torque Control

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

دو طرح قابل اعتماد جهت کنترل گشتاور موتورهای القایی تحت عنوان FOC و  DTC

 FOC and DTC: Two Viable Schemes for Induction Motors Torque Control

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تحلیل مشخصه موتور القایی خطی برای یک قطار سبک وزن با توجه به طرح های ثانویه مختلف

Characteristic Analysis of a Linear Induction Motor for a Lightweight Train According to Various Secondary Schemes

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 آنالیز مشخصه موتور القایی خطی برای قطار سبک وزن

Characteristic Analysis of a Linear Induction Motor for a Lightweight Train According to Various Secondary Schemes

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.