موضوع فارسی : طبقه بندی گسل خارجی با تجربه های سه فاز موتور القایی بر اساس چند کلاس ELM
موضوع انگلیسی : External Fault Classification Experienced by Three-Phase Induction Motor Based on Multi-Class ELM
تعداد صفحه : 7
فرمت فایل :pdf
سال انتشار : 2015
زبان مقاله : انگلیسی
چکیده
تشخیص عیب و شرایط ارزیابی (FDCA) ماشین آلات دوار می شود مهم به دلیل سن و ماشین آلات در خدمات.
مناسب FDCA بهبود زندگی عملیاتی، بازده دستگاه و کاهش شکست فاجعه بار. در این مقاله توصیف یک
روش واقعی FDCA سه فاز موتورهای القایی (IMS) با استفاده از داده به آسانی در دسترس است. گسل خارجی توسط IM تجربه
چند طبقه تحت نظارت شدید یادگیری ماشین (ELM) و عملکرد STI در مقایسه با پرسپترون چند لایه (MLP)
که شبکه های عصبی الگوریتم نشان داد ELM که کاملا سریع تر در تحقیقات منجر به کاهش بار محاسباتی.
مقدار RMS ولتاژ 3 فاز و جریان به عنوان ورودی های مختلف در مدل ELM برای شناسایی شش نوع از گسل های خارجی مورد استفاده
IM و تجربه شده توسط عامل معمولی (NF) وضعیت. تست تجزیه و تحلیل از 160 نمونه شما شده است به نمایندگی از انجام
بررسی کردم که هفت نیرومندی از وضعیت شرایط را برای تغییرات گسترده ای در IM عامل و شرایط بارگذاری اغتشاش
کلمات کلیدی: شناسایی گسل؛ افراطی یادگیری ماشین (ELM)؛ موتور القایی. MCSA. هوش مصنوعی؛ MLP؛
دانلود مقالات ISI طبقه بندی گسل خارجی با تجربه های سه فاز موتور القایی بر اساس چند کلاس ELM