Document Type : Review Article

Authors

Department of Control and Systems, Azad University of Mashhad, Mashhad, Iran

Abstract

In this article the electrical parameters of the induction motor are estimated by measuring temperature of its components. This process consists of four sections: 1-Thermal resistance model 2- Electrical parameters 3- Electrical model and 4- Neural network which presents motor parameters and operational status compatible with corresponding learning data. In thermal resistance model, we use physical and geometrical properties of motor components to formulate thermal resistance of each component of the motor. In electrical model, electrical losses are calculated by electrical variables ,by relationship between electrical losses and thermal resistance ,these modeles gives us corresponding temperatures as output. These temperatures were used for training network (temperatures as input data, stator current and maximum torque as target data) in the neural network. After measuring temperatures of the components and using them as inputs to neural network, the corresponding stator current and maximum torque (target data) are estimated. All the stator currents referred to this paper were validated by experimental measurements.تقدیر المعلمات الکهربائیة المحرک التعریفی من خلال قیاس درجات الحرارة مکوناتفی هذه المقالة تقدر المعلمات الکهربائیة من المحرک التعریفی من خلال قیاس درجة حرارة مکوناته. وتتکون هذه العملیة من أربعة أقسام: نموذج المقاومة 1-الحراری 2- الکهربائیة المعلمات 3- الکهربائیة نموذج و4- الشبکة العصبیة التی تعرض المعلمات الحرکیة والوضع التشغیلی متوافقة مع البیانات التعلم المقابلة. فی نموذج المقاومة الحراریة، ونحن نستخدم الخصائص الفیزیائیة والهندسیة للمکونات السیارات لصیاغة المقاومة الحراریة من کل مکون من مکونات السیارات. فی نموذج الکهربائیة، وتحسب خسائر الکهربائیة عن طریق المتغیرات الکهربائیة، وذلک العلاقة بین خسائر الکهربائیة والمقاومة الحراریة، هذه MODELES یعطینا المقابلة درجات الحرارة کإخراج. واستخدمت هذه درجات الحرارة لشبکة التدریب (درجات الحرارة وإدخال البیانات، الموالی الحالیة وأقصى عزم دوران عن بیانات الهدف) فی الشبکة العصبیة. بعد قیاس درجة حرارة المکونات واستخدامها کمدخلات فی الشبکة العصبیة، ویقدر الجزء الثابت الحالیة المقابلة وأقصى عزم دوران (البیانات الهدف). تم التحقق من کافة التیارات الثابت المشار إلیها هذه الورقة القیاسات التجریبیة.

Keywords

[1] Laughman, C. et al. (2009). “A two-step method for estimating the parameters of induction machine models.” Energy Conversion Congress and Exposition, ECCE IEEE. 2009. 262-269.
[2] T. Phumiphak, and C. Chat-uthai (, 2002.)Estimation of Induction Motor Parameters Based onField Test Coupled with Genetic Algorithm. Power System Technology. Proceedings. International Conference on13-17 Oct. 2002
[3] Steven R. Shaw, and Steven B. Leeb, (1999) Identification of Induction Motor Parameters from Transient Stator Current Measurements. IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, VOL. 46, NO. 1, FEBRUARY
[4] Saadettin Aksoy1 , Aydın Mühürcü2, Hakan Kızmaz . (2010) State and Parameter Estimation in InductionMotor Using the Extended Kalman FilteringAlgorithm. Modern Electric Power Systems Wroclaw, Poland
[5] Lyudmila P (2011) Combined Electromagnetic and Thermal Design Platform for Totally Enclosed Induction Machine. Master Thesis
[6] Arabaci H, Bilgin O (2012) Squirrel cage of induction motors simulation viasimulink. Int J Model Opt 2:324-327
[7] Mi C, Slemon GR, Bonert R (2003) Modeling of iron losses of permanent-magnet synchronous motors. IEEE Trans Ind App 39:734-742
[8] Huai Y, Melnik RVN, Thogersen PB (2003) Computational analysis o temperature rise phenomena in electric induction motors. App Thermal Eng 23:779-795
[9] JuhaPyrh O, Tapani J, Val´eria H (2008) Design of Rotating Electrical Machines.John Wiley & Sons, UK
[10] Vokadinovic D, Basic M (2011) Artifical Neural Network Applications in Control of Induction Machines. Nova science publishers, New York
[11] Nelson DJ, Ellis MW, Ferris JB (2010) Evaluation and Application of Thermal Modeling for High Power Motor Improvements. Blacksburg VA
[12] Chow MY (1997) Methodologies of Using Neural Network and Fuzzy LogicTechnologies for Motor Incipient Fault Detection. World Scientific Library