การจำแนกความผิดปกติของตัวนำโรเตอร์ในมอเตอร์เหนี่ยวนำโดยโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้าแบบหลายชั้น (Classification of Broken Rotor Bars in Induction Motor Faults Using Cascade-forward Artificial Neural Network)

Abstract

งานวิจัยนี้นาเสนอการจำแนกความผิดปกติของตัวนำโรเตอร์ต่างๆในมอเตอร์เหนี่ยวนำ และการวิเคราะห์สัญญาญกระแสถูกประยุกต์สาหรับการเปลี่ยนรูปของกระแสสเตเตอร์ของมอเตอร์เหนี่ยวนำจากรูปแบบโดเมนเวลาเป็นโดเมนความถี่ โดยคัดเลือกขนาดของขนาดขององค์ประกอบแบนด์ข้างต่าและองค์ประกอบแบนด์ข้างสูงสาหรับป้อนเป็นอินพุตโครงข่ายประสาทเทียมเพื่อวิเคราะห์สภาพของมอเตอร์เหนี่ยวนำ โครงข่ายประสาทเทียมแบบป้อนไปข้างหน้าแบบหลายชั้น ถูกเลือกศึกษาใน เนื่องจากผลกระทบของค่านำ้หนัก ในกระบวนการของโครงข่ายถูกให้ความสนใจในงานวิจัยนี้ จากงานวิจัยพบว่าโครงข่ายประสาทเทียมแบบป้อนไปข้างหน้าแบบหลายชั้นสามารถจำแนกปัญหาความเสียหายแท่งตัวนำของโรเตอร์ของมอเตอร์เหนี่ยวนำได้
This research presents diagnosis of broken rotor bars in induction motor. Also, the current signature analysis (MCSA) is applied for transferring inductions stator current that from its time domain to its frequency domain. Therefore, both amplitudes of lower side band and upper side band are selected for inputting to artificial neural network technique for analyzing condition of induction motor. In this research, a cascade-forward artificial neural network is preferred for because effect of weight in neural network process is focused. In results, it found that the cascade-forward artificial neural network can diagnose broken rotor bar problem of the induction motor.