تشخیص خطا در درایو موتورهای الکتریکی با استفاده از روشهای یادگیری ماشین
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - پژوهشکده برق و کامپیوتر
- نویسنده امیر شایگانی
- استاد راهنما محمد محمدی ابراهیم فرجاه مهدی ریوفت علیرضا سیفی
- سال انتشار 1391
چکیده
امروزه استفاده از موتورهای الکتریکی به طور گسترده در سرتاسر دنیا مورد توجه قرار گرفته است. این موتورها به طور ذاتی نیاز به تعمیر و نگهداری کمی دارند، اما همانند سایر موتورها، وقوع خطا در آنها اجتناب ناپذیر می باشد خطا در مجموعه این موتورها می تواند باعث خاموشی های غیر منتظره و افزایش تلفات و افزایش هزینه گردد که این امر در کاربردهای صنعتی قابل قبول نخواهد بود. در این پایان نامه به کمک روش های یاد گیری ماشین به تشخیص خطا در موتورهای القایی پرداخته شده است. روش بیان شده در این پایان نامه به تشخیص انواع خطا ها در قسمت درایو موتور، مانند وقوع اتصال کوتاه در سوئیچ، خطای اتصال باز در سوئیچ ها و . . . خواهد پرداخت. بر این اساس در این پایان نامه یک روش اندازه گیری جدید بر اساس استخراج سیگنال های مختلف همچون سرعت، ولتاژ و جریان موتور و همچنین اندازه-گیری ولتاژ ها و جریان های نشتی ما بین هر سوئیچ و یک زمین مجازی در نقاط کار متفاوت سیستم خواهد پرداخت و از آنها به عنوان ورودی روش معرفی شده برای تشخیص خطا استفاده خواهد کرد. در این روش پیشنهادی بعد از استخراج سیگنال های فوق برای پردازش این سیگنال ها، ابتدا ویژگی های مناسب از بین سیگنال های مختلف استخراج و سپس به کمک روش های انتخاب ویژگی مهمترین این ویژگی ها انتخاب می-گردد. در این پایان نامه از روش های مختلف یاد گیری ماشین استفاده کرده و به بررسی مزایا و معایب و مقایسه این روش ها می پردازیم.
منابع مشابه
اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملانتخاب ویژگیهای موثر در تشخیص سرطان پستان با استفاده از مدلهای پارامتریک یادگیری ماشین
چکیده مقدمه: آزمایش آسپیراسیون سوزنی روشی کم هزینه، آسان و سریع برای تشخیص دقیق و زود هنگام سرطان پستان است. با استفاده از خصوصیات استخراج شده از آزمایش آسپیراسیون سوزنی و با کمک تکنیکهای یادگیری ماشین میتوان سیستمی کارآمد را برای تشخیص سرطان پستان طراحی نمود که با دقت بالایی خوشخیم یا بدخیم بودن تومورهای پستان را تشخیص دهند. هدف از انجام این مطالعه، انتخاب ویژگیهای موثر در تشخیص سرطان پس...
متن کاملامکانسنجی استفاده از موتورهای الکتریکی در سامانة پیشرانش پهپادهای سبک
در این مقاله پهپادهای سبک با پیشران موتور الکتریکی بررسی شده است. برای این منظور، موتورهای رایج در این نوع پهپادها، بههمراه مشخصات فنی آنها از منابع معتبر استخراج و پارامترهای مهم مربوط به انتخاب و استفاده از این نوع موتورها به تفصیل بررسی شده است. بهعلت ویژگیهای خوب موتورهای الکتریکی از نوع بدون جاروبک، مقاله بیشتر روی این دسته از موتورها متمرکز شده و در نهایت روشهایی برای انتخاب موتور الک...
متن کاملتشخیص نفوذ شبکه با استفاده از رویکرد ترکیبی مدل مخفی مارکوف و یادگیری ماشین مفرط
با رشد فناوری اطلاعات، امنیت شبکه بهعنوان یکی از مباحث چالشبرانگیز مطرح است. تکنیکهای تشخیص نفوذ مبتنی بر ناهنجاری یک فناوری ارزشمند برای حفاظت از شبکهها در برابر فعالیتهای مخرب است. در این مقاله رویکردی جدید مبتنی بر مدل مخفی مارکوف (HMM) و ماشین یادگیری مفرط (ELM) جهت تشخیص نفوذ ارائه شده است. در مدل پیشنهادی، دادههایی که از ترافیک شبکه جمعآوری شدهاند، ابتدا پیشپردازش میشوند. سپس دن...
متن کاملانتخاب ویژگی های موثر در تشخیص سرطان پستان با استفاده از مدل های پارامتریک یادگیری ماشین
چکیده مقدمه: آزمایش آسپیراسیون سوزنی روشی کم هزینه، آسان و سریع برای تشخیص دقیق و زود هنگام سرطان پستان است. با استفاده از خصوصیات استخراج شده از آزمایش آسپیراسیون سوزنی و با کمک تکنیک های یادگیری ماشین می توان سیستمی کارآمد را برای تشخیص سرطان پستان طراحی نمود که با دقت بالایی خوش خیم یا بدخیم بودن تومورهای پستان را تشخیص دهند. هدف از انجام این مطالعه، انتخاب ویژگی های موثر در تشخیص سرطان پستا...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - پژوهشکده برق و کامپیوتر
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023