علی ابراهیمی؛ احمد حاجی پور؛ رضا روشن فکر
چکیده
در این مقاله، یک مدل ترکیبی برای افزایـش دقت طبقهبند ماشیـن بردار پشتیبانی (SVM) برای تشخیـص خطای اتصال کوتاه داخلی سیمپیچهای استاتور موتور القایی پیشنهاد میشود. روش پیشنهادی متشکل از سه مرحله است؛ ...
بیشتر
در این مقاله، یک مدل ترکیبی برای افزایـش دقت طبقهبند ماشیـن بردار پشتیبانی (SVM) برای تشخیـص خطای اتصال کوتاه داخلی سیمپیچهای استاتور موتور القایی پیشنهاد میشود. روش پیشنهادی متشکل از سه مرحله است؛ ابتدا ویژگیهای آماری از مجموعه دادههای سالم و معیوب استخراج میشوند. دیتای بهدستآمده با روش تحلیل مؤلفۀ اصلی (PCA) کاهش بعد داده میشود و سپسSVM های مختلف براساس مجموعه دادههای آموزشی ساخته میشوند. برای تنظیم پارامترهای مدل SVM بهمنظور دستیابی به دقت تفکیک بالاتر، یک طرح بهینهسازی بر مبنای الگوریتم بهینهسازی ذرات (PSO) استفاده شده که با نظریۀ آشوب و مشتقات کسری بهبود داده شده است. درنهایت، یک مدل ترکیبی برای ترکیب SVMها به کمک سیستم منطق فازی نوع-2 پیادهسازی شده است. روش پیشنهادی بهمنظور تشخیص خطای سیمپیچی استاتور یک موتور القایی سه فاز kW 2/2، 2 قطبی و 50 هرتزی روی دادههای اندازهگیریشدۀ جریان استاتور اعمال شده است. میانگین دقت 4/98 درصدی تشخیص خطای سیمپیچی استاتور روی دادههای آزمایشگاهی در شرایط مختلف بار، نشان از قابلیت و اعتبار الگوریتم پیشنهادی است.