skip to Main Content
تشخیص خطای ماشین القایی با استفاده از گوشی‌های هوشمند با نویز قابل شنیدن

تشخیص خطای ماشین القایی با استفاده از گوشی‌های هوشمند با نویز قابل شنیدن

عنوان انگلیسی: Induction machine fault detection using smartphone recorded audible noise
سال نشر: ۲۰۱۸
نویسنده: Toomas Vaimann,Jan Sobra,Anouar Belahcen,Anton Rassõlkin,Michal Rolak,Ants Kallaste
تعداد صفحه فارسی: ۶ – تعداد صفحه انگلیسی: ۷
دانشگاه: ۱Department of Electric Power Engineering and Mechatronics, Tallinn University of Technology, Tallinn, Estonia 2Department of Electromechanics and Power Electronics, University of West Bohemia, Plzen, Czech Republic 3Department of Electrical Engineering and Automation, Aalto University, Aalto, Finland 4 Institute of Control and Industrial Electronics, Warsaw University of Technology, Warsaw, Poland
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس

چکیده

این مطالعه احتمالات تشخیص خطای ماشین القایی با استفاده از گوشی‌های هوشمند برای نویز قابل شنیدن را ارایه می دهد. تحلیل نویز صوتی و قابل شنیدن برای تشخیص خطا یک تکنیک شناخته‌شده می‌باشد. با این حال، تجهیزات تخصصی برای اهداف تشخیصی اغلب بسیار پرهزینه اند و راه اندازی دشوار ی دارند. برای غلبه بر این مانع، یک روش ساده پیش از تشخیص، با استفاده از گوشی‌های هوشمند دستی پیشنهاد شده‌است. خطاهای مختلف ماشین القایی سه مرحله ای قفس سنجاب مانند شماره‌های مختلف میله‌های شکسته رتور(گردنده) و روتور حرکتی خارج از مرکز به دستگاه وارد می‌شوند و سیگنال‌های قابل شنیدن حاصل از آن در شرایط آزمایشگاهی با استفاده از دو گوشی هوشمند تجاری موجود ثبت می‌شوند. تحلیل بر روی نویز قابل شنیدن صورت می‌گیرد و با نتایج اندازه‌گیری ارتعاشات مکانیکی که توسط سنسورهای ارتعاشی ثبت می‌شوند، مقایسه می‌شود. فرکانس چرخشی و بسامد خط دوخطی به عنوان شاخص‌های تشخیصی گسل‌ها مورد استفاده قرار می‌گیرند. یک شبکه عصبی ساده تشکیل میشود و احتمالات تشخیص خطا با استفاده از چنین اقدامات تشخیصی ارایه میگردد. ضرورت مطالعه بیشتر و نیز اجرای بیشتر و

Abstract

This study presents induction machine fault detection possibilities using smartphone recorded audible noise. Acoustic and audible noise analysis for fault detection is a well-established technique; however, specialised equipment for diagnostic purposes is often very expensive and difficult to operate. To overcome this obstacle, a simple pre-diagnostic procedure, using hand-held smartphones is proposed. Different faults of the three-phase squirrel cage induction machine such as various numbers of broken rotor bars and dynamic rotor eccentricity are inflicted to the machine and the resulting audible signals are recorded in laboratory circumstances using two widely available commercial smartphones. The analysis is performed on audible noise and compared with the results of mechanical vibrations measurements, recorded by vibration sensors. Rotational speed frequency and twice-line frequency are used as diagnostic indicators of faults. A simple neural network is composed and probabilities o
۱۳۰,۰۰۰ ریال – خرید
امتیاز شما:
(No Ratings Yet)
Back To Top