research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Detection and Diagnosis of Induction Motor Faults by Intelligent Techniques
كشف وتشخيص اعطال المحركات الحثية بواسطة التقنيات الذكية

Loading...
Loading...
Abstract

This paper presents a complete design and implementation of a monitoring system for the operation of the three-phase induction motors. This system is built using a personal computer and two types of sensors (current, vibration) to detect some of the mechanical faults that may occur in the motor. The study and examination of several types of faults including (ball bearing and shaft misalignment faults) have been done through the extraction of fault data by using fast Fourier transform (FFT) technique. Results showed that the motor current signature analysis (MCSA) technique, and measurement of vibration technique have high possibility in the detection and diagnosis of most mechanical faults with high accuracy. Subsequently, diagnosis system is developed to determine the status of the motor without the need for an expert. This system is based on artificial neural network (ANN) and it is characterized by speed and accuracy and the ability to detect more than one fault at the same time.

يقدم هذا البحث تصميما كاملا لمنظومة مراقبة حالة المحرك الحثي ثلاثي الطور، تم بناء هذه المنظومة باستخدام الحاسوب الشخصي و نوعين من المتحسسات (التيارو الاهتزاز) لكشف بعض الاعطال الميكانيكية التي قد تحدث للمحرك. تمت دراسة وفحص عدة انواع من الاعطال تتضمن (اعطال المحامل, عدم محاذات محور الدوران) وذلك عن طريق استخلاص بيانات العطل باستخدام تقنية تحويل فورير السريع وقياس الاهتزاز. بينت النتائج ان تقنيتي تحليل بصمة التيار وقياس الاهتزاز لها امكانية كبيرة في كشف معظم الاعطال الميكانيكية وتشخيصها بدقة عالية. بعد ذلك تم تطوير وربط منظومة ذكية للتشخيص قادرة على تحديد حالة الماكنة بدون الحاجة الى الشخص الخبير. هذه المنظومة تعتمد على الشبكة العصبية الاصطناعية و تتميز بالسرعة والدقة وقدرتها على كشف وتشخيص اكثر من عطل واحد في نفس الوقت.

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

English (1)


Year
From To Submit

2017 (1)