Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Maszyny Elektryczne : zeszyty problemowe

1 2013

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: prognoza emisji wyładowań niezupełnych

Sortuj według:

Ogranicz wyniki do:

Prognozowanie procesu starzenia się izolacji maszyn elektrycznych na podstawie pomiaru WNZ

Plutecki Z., Lichota J.

Maszyny Elektryczne : zeszyty problemowe

2013

Nr 2(99)

185--190

W artykule pokazano sposób konstrukcji sztucznej sieci neuronowej służącej do prognozowania zachowania się obiektu. Obiektem badań był silnik elektryczny wysokiego napięcia; celem badań było określenie przydatności sztucznych sieci neuronowych do prognozowania emisji wyładowań niezupełnych pojawiających się w uzwojeniach izolacji silnika. Zmiennymi wejściowymi do modelu były wielkości pomiarowe: temperatura otoczenia silnika, wilgotność względna i bezwzględna powietrza, natężenie prądu i jego częstotliwość. Uzyskane wyniki badań wskazują, że zaproponowany model neuronowy wykazuje się odchyleniem standardowym wynoszącym ±5% lub ± 3% w zależności od wprowadzonych zmiennych. W artykule pokazano również wpływ jakości pomiarów na wynik uczenia sztucznej sieci neuronowej. Ponadto opisano możliwość implementacji zaproponowanego algorytmu w systemach eksperckich służących do monitorowania pracy maszyn elektrycznych krytycznych dla danego obiektu.

The article shows how to design artificial neural network for solving a task of prediction of the dynamic behaviour of the process. The process of the research was the high voltage electric motor; the purpose of the research was determination of the usefulness of artificial neural networks to the prediction of partial discharge emissions occurring between motor windings isolation. Input variables to the model were following measurements: an ambient temperature, relative and absolute air humidity, current and its frequency. The obtained results indicate that the proposed neural model has a standard deviation of ± 5% or ± 3% depending on input variables. The article also shows the influence of the quality of measurements on the result of learning of artificial neural network. The implementation of the proposed algorithm in expert systems serving for monitoring of the work of the critical drives were additionally described.