research centers


Search results: Found 4

Listing 1 - 4 of 4
Sort by

Article
Improved performance of Fluid Power System using Updating Knowledge-Based System
تحسين اداء منظومة نقل طاقة المائع بأستخدام نظام المعلومة المحدثة

Author: Rafa A. Al-Baldawi رافع عباس حسن
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2009 Volume: 13 Issue: 4 Pages: 1-9
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

Fluid power system plays major roles in modern industry. In much heavy industrial equipment and machine (stationary and Mobil), power transfer is mainly provided by a fluid power system. Reliable operation of hydraulic system can only be ensured through proper design, effective maintenance and continuous monitoring. The rapid growth in the development and application of Information technology and artificial intelligence technology hold great potential for enabling the distributed and intelligent fault diagnosis. A knowledge based expert system will employ situation-action rules (production rules) to diagnose a failure and subsequently identify specific component or units which caused the failure. Diagnosing problems with fluid power system usually requires personnel with extensive experience or education.. Diagnosis of problems with recommendations from a computerized assistant would be highly useful. The present work develop and implement an export system (Hdro- diagnosis) for this paper describes the development and implementation of Hydro-Diagnosis, an expert system for diagnosis of Hydraulic circuit and for recommendation of corrective action.

تلعب المنظومات الهيدروليكية على مختلف انواعها ودرجات تعقيدها دورا أساسيا في عملية نقل الطاقة في معظم المكائن والمعدات الصناعية الثابتة منها والمتحركة. ومع ازدياد الحاجة الى استخدام هذه المنظومات وازدياد درجة تعقيد المعدات المستخدمة لهذه المنظومات وتنوعها ، دفع بالحاجة الى ضرورة المحافظة على عمل هذه المنظومات بصورة مستمرة لضان استمارية الأنتاج والتقليل من احتمالية التوقفات التي قد تصيبها.أن التطور السريع الذي شهده كل من قطاع تكنولوجيا المعلومات وتكنولوجيا الذكاء الصناعي وفر امكانية عالية للتمكن من التشخيص الذكي للأعطال في الدوائر الهيدروليكية الشائعة وبالتالي سرعة تحديد الاعطال وايقاف الخلل في العنصر او الدائرة ومن ثم توفير الأسلوب الأمثل والأسرع لمعالجته. أن عملية تشخيص الأعطال في المنظومات الهيدروليكية يتطلب عادة الأستعانة بخبير متخصص بعمل الدوائر الهيدروليكية او الاستعانة بنظام برمجي يكون أكثر عونا في حالة غياب الخبير. يهدف البحث الى بناء نظام معلوماتي –محوسب يعتمد عل مبدأ تشخيص العطل في أجزاء وحدات الدائرة الهيدروليكية وتوفير الحلول اللازمة لمعالجته لأعادة المنظومات الى عملها موفرة بذلك عاملي الكلفة والوقت.


Article
On-Line Current-Based Condition Monitoring and Fault Diagnosis of Three-Phase Induction Motor

Authors: K. S. Krikor --- Ali H.Numan
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2007 Volume: 25 Issue: 3 Pages: 395-406
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

A stator current measurement has an important role in condition monitoringand fault diagnosis of induction motors. For instance, the eccentricity, rotorbars and end ring breaks, shorted stator windings can be detected by analysesbased on stator current measurement. This paper addresses the application ofstator current spectral analysis technique for the detection and localization ofabnormal electrical and mechanical conditions that indicate, or may lead to, afailure of the induction motors. The effects of stator current spectrum aredescribed and the related frequencies are determined. In the presentinvestigation, the frequency signatures of some asymmetrical motor faults arewell-identified using signal processing techniques, such as Welch method forspectral density estimation. In fact, experimental results clearly illustrate thatstator current spectral analysis using Welch method is a very good tool todetect faults in induction motors. These faults are shaft speed oscillation,eccentricity, broken rotor bar, and end ring cracked.

تعتبر طريقة فحص بصمة التيار من الطرق الدقيقة والتي لعبت دور كبيرفي تشخيصومراقبة الاعطال في المحركات الحثية ومن تلك الاعطال التي يمكن كشفها عن طريق فحصبصمة التيار هو عدم الانتظام سواء كان في الجزء الساكن او الدوار والدوائر المفتوحة فيقضبان الدوار وفي الحلقات الانهائية وكذلك الدوائر المقصورة في ملفات الجزء الساكن كل تلكالاعطال يمكن كشفها وتحديد موقعها بدقة من خلال فحص بصمة تيار الجزء الساكن .ان البحثالحالي يتناول موضوع تطبيق تحليل الطيف الترددي لبصمة التيار لكشف وتحديد بعضالاعطال الكهربائية و الميكانيكية والتي يمكن ان تؤدي الى احداث خلل في عمل المحركاتالحثية.لقد تم تحديد الترددات المرافقة لبعض الاعطال بشكل جيد من خلال تحليل الطيفالترددي للتيار عن طريق تقنيات معالجة الاشارة ومثال على احد تلك التقنيات طريقة ويلشلتخمين كثافة ومحتوى الطيف الترددي للتيار .لقد اثبت البحث الحالي ومن خلال التجاربالعملية التي اجريت ان تحليل الطيف الترددي لتيار الجزء الساكن باستخدام طريقة ويلش كاندقيقاً جداً وناجحاً في تحديد وكشف الاعطال الناجمة عن تذبذب سرعة دوران الجزء الدواروكذلك عدم الانتظام في الجزء الساكن او ا لدوار بالاضافة الى الدوائر المفتوحة في قضبانالجزء الدوار او في الحلقات الانهائية.


Article
NEURAL NETWORKS OF ENGINE FAULT DIAGNOSIS BASED ON EXHAUST GAS ANALYSIS

Authors: Rafil M. Laftah --- Qusai T. Abd-Alwahab --- qusaith@yahoo.com
Journal: Thi-Qar University Journal for Engineering Sciences مجلة جامعة ذي قار للعلوم الهندسية ISSN: 20759746 Year: 2013 Volume: 4 Issue: 1 Pages: 58-73
Publisher: Thi-Qar University جامعة ذي قار

Loading...
Loading...
Abstract

This work uses the Artificial Neural Networks (ANNs) for fault diagnosis of a single cylinder four stroke gasoline generator type (Astra Korea AST11700). One normal and fourteen faulty conditions are examined experimentally to produce a realistic data set, which is to be used for the training and validation of the ANNs. The resulted data was in the form of exhaust gases and engine speed records for each case separately under different loading conditions. After the learning process is completed, the ANN becomes able to make a diagnosis about the gasoline engine condition when new data is presented. The data presented to the ANN system include a subset of engine faults which were selected and executed experimentally for this topic. These include, faults in carburetor, air filter, spark plug, valves, piston rings, etc. The results showed that the multi layer training algorithm is sufficient enough in diagnose engine faults under different loading conditions. It was found that the correlation coefficient values are 0.999 and 1 for the testing and training data, respectively. The results obtained in this investigation showed that the ANN-based fault diagnosis system is capable of fault diagnosis with high reliability.

َستخدِم هذا العمل الشبكاتِ العصبيةِ الاصطناعية لِتشخيص أعطالِ مولدٍ كهربائي ذو محركٍ بأسطوانةٍ واحدةً ، رباعيُ الأشواط . لقد تم إختبار أربعة عشر نوعٍ مِنَ الأعطال بالإضافة إلى الحالةِ الطبيعيةِ عملياً لغرض إنتاج مجموعة من البياناتِ الشاملة والواقعية ، إستُعمِلت هذِهِ البيانات لِتدريبِ وتحقيقِ الشبكة . كانت البياناتُ الناتجةِ على شكلِ غازات العادم وسرعة المحرك المسجلة لكل حالة على حدة في ظل ظروف تحميل مختلفة . بعد انتهاء عملية التعلم، تكون الشبكة قادرة على التشخيص عند استخدام بيانات جديدة. البيانات المدخلة إلى الشبكة العصبية الصناعية تتضمّن مجموعة من أعطال المحرك التي نفذت بشكل تجريبي لهذا الغرض. ومن هذه الأعطال، خلل في نظام المكربنة، نظام ترشيح الهواء، شمعة القدح، الصمامات، وحلقات المكبس … الخ. أظهرت النتائج أن خوارزمية تدريب الرجوع العكسي هي كافية في تشخيص أعطال المحرك تحت ظروف التحميل المختلفة . وجد أن قيم معامل الارتباط هي 0.999 و 1 لبيانات الاختبار و التدريب ، على التوالي . وأظهرت النتائج في هذا التحقيق أن نظام تشخيص الأخطاء المستند على الشبكات العصبية قادر على اكتشاف الخطأ والتشخيص مع موثوقية عالية.


Article
ELECTRICAL SOURCES PERFORMANCE IMPROVEMENT OF UNMANNED AIRBORNE VEHILES USING ARTIFICIAL NEURAL NETWORKS BASED SFDIA
تحسين اداء المصادر الكهربائية للمركبات غير المأهولة المحمولة جوا باستخدام الشبكات العصبية الاصطناعية القائمة على.(SFDIA)

Author: Saadi Traid Kurdi سعدي طريد كردي
Journal: AL-TAQANI مجلة التقني ISSN: 1818653X Year: 2015 Volume: 28 Issue: 1 Pages: E14-E23
Publisher: Foundation of technical education هيئة التعليم التقني

Loading...
Loading...
Abstract

The occurrence of faults during the flight of unmanned air vehicle UAV is a very critical situation that affects the completion of the mission. It was found that these faults are mainly due to failure in the sender (sensor), it was also found that the rate of failure is high in electrical energy Sensors (ac, dc and battery).This research presents an effective technique to ensure that the electrical power system (.ac, dc, battery) or the sensors are faulting free. This technique using two different approaches. The first approach is Radial Basis Function RBF-NN trained with the Extended Minimal Resource Allocation Network - EMRAN algorithms. The second approach, which is presented in this Paper, is based on Knowledge based Neural Network NN based tool SFDIA (Sensor Failure, Detection, Identification and Accommodation problem). Neural Network ANN based tool SFDIA Sensor Failure, Detection, Identification and Accommodation problem, are used to provide analytical redundancy from which residuals are generated, enabling the detection of failures on sensor signals. Upon detection of failure, the faulty signal is replaced by the neural network based estimate. This technique allows the flight to continue within specified performance limitations. The results achieved from the modeling process showed that the neural network based tool SFDIA is able to show high-resolution results in the behavior of electrical energy Sensors (ac, dc and battery).

حدوث الاعطال أثناء طيران المركبة الجوية بدون طيار (UAV) هو وضع حرج للغاية حيث يؤثر على اكمال طيران المركبه الجوية. وقد وجد ان اغلبهذه الاعطال سببها اعطال في المرسلات (المتحسيسات)، وتبين أن نسبة العطل عالية في مرسلات الطاقة الكهربائية (AC، DC والبطارية).يقدم هذا البحث تقنية فعالة ذات نهجين مختلفين لضمان عمل المرسلات الخاصة بنظام الطاقة الكهربائية بكفاءة عالية.النهج الأول هواستخدام الشبكة العصبية (NN) على اساس الأداة (SFDIA) القائمة على النمذجة، والمحاكاة وتحليل مرسلات الطاقة للطائرة (الاستشعار، العطل، الكشف، تحديد أماكن العطل ومعالجه العطل).النهج الثاني تدريب الشبكة العصبية على الخوارزمية ((EMRAN) والتي هي مجموعة من القواعد تقرر كيف ينبغي تكييف هيكل RBF-NN لتتناسب مع البيانات من اجل تدريب أفضل.وأظهرت النتائج من عملية النمذجة أن الشبكة العصبية القائمة على الأداة (SFDIA) هي قادرة على أن تظهر نتائج عالية الدقة في سلوك مجسات الطاقة الكهربائية (AC، DC والبطارية).

Listing 1 - 4 of 4
Sort by
Narrow your search

Resource type

article (4)


Language

English (3)

Arabic and English (1)


Year
From To Submit

2015 (1)

2013 (1)

2009 (1)

2007 (1)