جستجو در مقالات منتشر شده
۳ نتیجه برای الکتروموتور
حسین غلامزاده‌ثانی، ابراهیم براتی، علیرضا رضائی، مهدی رفعتی‌زرکک،
دوره ۲۰، شماره ۱ - ( ۱۰-۱۳۹۸ )
چکیده
در این پژوهش، نمونه‌ای از نتایج بدست آمده از ترکیب برنامه پایش وضعیت مبتنی بر آنالیز ارتعاشات و رویکرد تحلیل علل ریشه‌ای خرابی در خصوص یاتاقان استوانه‌ای الکتروموتور آسیای مواد خام یک کارخانه سیمان، ارائه شده است. با ثبت گزارشات بازرسان مبنی بر انتشار صدای غیرعادی از یاتاقان اشاره شده، تحلیل داده‌های ارتعاشی ثبت شده در برنامه پایش وضعیت تجهیز نشان دهنده تغییر دامنه‌ی ارتعاشات و افزایش محسوس شاخص وضعیت یاتاقان مذکور بوده است. با تطابق فرکانس ارتعاشات با فرکانس خرابی اجزاءی یاتاقان غلتشی مذکور، خرابی قفسه یاتاقان پیش‌بینی شده که پس از بازدید از الکتروموتور و مشاهده وضعیت یاتاقان، کشف علت ریشه‌ای خرابی در دستور کار قرار می‌گیرد. لذا پس از بررسی علل ریشه‌ای خرابی در یاتاقان مشخص گردید، تیپ یاتاقان بکار رفته در الکتروموتور توسط سازنده الکتروموتور باتوجه به مشخصات بهره‌برداری آن انتخاب مناسبی نبوده و همچنین بازه‌ی زمانی روانکاری دورهای پیشنهاد شده ، با نوع قفسه یاتاقان مربوطه مغایرت داشته و منجر به خرابی زودرس آن شدهاست.
وفا صمدی، مصطفی مصطفایی، علی نجات لرستانی،
دوره ۲۱، شماره ۸ - ( ۵-۱۴۰۰ )
چکیده
یکی از روشهایی که امروزه برای به حداقل رساندن هزینه نگهداری و تعمیرات تجهیزات صنعتی دوار به کار میرود، پایش وضعیت به کمک تحلیل صدا میباشد. این تحقیق با هدف پایش وضعیت به کمک تحلیل صدا برای تشخیص عیب یک الکتروموتور تک فاز از طریق روش یادگیری ماشین انجام شد. شرایط آزمایش شامل حالت سالم، حالت خرابی بلبرینگ، نابالانسی محور و سایش در محور در دو حالت ۵۰۰ و۱۴۰۰ دور در دقیقه الکتروموتور بود. برای دادهبرداری یک دستگاه میکروفن روی الکتروموتور نصب شد. پس از دادهبرداری و پردازش سیگنال و تجزیه و تحلیل آماری نسبت به خوشهبندی دادهها به روش یادگیری ماشین و الگوریتم K mean و انتخاب ویژگیهای برتر به روش PCA اقدام شد. سپس برترین ویژگیها در فرآیند مدلسازی ANFIS استفاده شد. ویژگیهای انتخاب شده شامل ویژگیهای انتخاب شده مشترک در هر دو وضعیت دور الکتروموتور بود. پس از ارزیابی مدلها، نتایج بالاترین دقت تشخیص عیب در بهترین مدل خروجی مقدار ۸۲/۹۶ درصد بود. میانگین دقت طبقه‌بندی کلی تشخیص عیب ۷۱/۹۵ درصد بود. نتایج نشان داد که آنالیز سیگنالهای صوتی و مدلسازی با استفاده از روش یادگیری ماشین میتواند در تشخیص عیوب الکتروموتور استفاده شود. براساس نتایج پایش وضعیت الکتروموتور از طریق آنالیز صوتی موجب کاهش توقفات الکتروموتور و ادامه روند کار آن در صنعت شده و با پایش وضعیت مناسب آن هزینههای تعمیراتی الکتروموتور کاهش مییابد.
فرنود نوروزی نیایی، کامران طاهری سرتنگ، محمدماهان تقوی فرهی، رسول فشارکی فرد، سیدمهدی رضاعی،
دوره ۲۲، شماره ۱۰ - ( ۷-۱۴۰۱ )
چکیده
امروزه یکی از چالش‌های صنعت، بخصوص صنعت اتوماسیون انتخاب تجهیزات مناسب ازلحاظ قیمت، عملکرد و قابلیت اطمینان میباشد. ازجمله این تجهیزات می‌توان به الکتروموتورها که از مهم‌ترین و پرکاربردترین ارکان صنعتی به شمارمی‌آیند، اشاره نمود. انتخاب الکتروموتورها طبق قواعد و اصول خاصی صورت می‌پذیرد و شناخت شرایط حاکم بر مسئله بسیار مهم میباشد؛ چراکه استفاده از موتوری با توان کمتر از نیاز موجب آسیب دیدن موتور و عدم کارایی و استفاده از موتور با توان بالاتر از نیاز موجب افزایش هزینههای مجموعه می‌شود. هدف این مقاله انتخاب علمی یک الکتروموتور برای فرآیند خم‌کاری لوله‌ها در یک سیستم اتوماسیون است. لذا با استفاده از شرایط واقعی یک تولیدکننده و بهره‌گیری از داده‌های موجود در مقالات و کتاب‌ها، روابط لازم استخراج گشته که پس از انجام محاسبات ابتدایی و اعمال شرایط کاری موتور، ۲۸ موتور در مرحله اول پایش مقدماتی و انتخاب گردید. سپس با اعمال سایر شرایط و روابط حاکم، ۳ موتور با توان متفاوت برای بررسی نهایی درنظرگرفته شدند. درنهایت پس از شبیه‌سازی در متلب سیم‌اسکیپ و اعمال شرایط انرژی موردنیاز، موتور ۵RK۹۰GE-CW۲ML۲ ساخت شرکت Oriental Motor توانست با ارضا شرایط توانی، کیفی و ایمنی به‌عنوان گزینه نهایی انتخاب و تائید گردید.
