การตรวจจับและป้องกันมอเตอร์เหนี่ยวนำโดยใช้โครงข่ายประสาทเทียม

บทคัดย่อ

บทคัดย่อ

งานวิจัยนี้นำเสนอการออกแบบและสร้างชุดตรวจจับฟอลต์และชุดป้องกันมอเตอร์ไฟฟ้าเหนี่ยวนำ 3 เฟสแบบกรงกระรอก โดยใช้โครงข่ายประสาทเทียมในการตัดสินใจแยกประเภทของฟอลต์ในรูปแบบต่างๆ โดยออกแบบอินพุต จำนวน 8 อินพุต คือตัวตรวจรู้แรงดันไฟฟ้า 3 ชุด กระแสไฟฟ้า 3 ชุด อุณหภูมิขดลวด 1 ชุด และความเร็วรอบของมอเตอร์ 1 ชุด โดยที่อินพุตเหล่านี้ถูกคำนวณเป็นค่า RMS และส่งเข้าตัวโครงข่ายประสาทเทียมที่มีการเรียนรู้แบบแพร่กลับ ส่วนภาคเอาต์พุตได้กำหนดแบ่งออกเป็น 10 เอาต์พุต ได้แก่ ปกติ เฟสหาย แรงดันไม่สมดุลแรงดันสูงเกิน แรงดันต่ำเกิน ล็อกโรเตอร์ ภาระเกิน อุณหภูมิสูงเกิน ความเร็วรอบเกินและลำดับเฟสผิด ส่วนภาคซอฟต์แวร์ได้ทำการออกแบบ GUI ด้วยโปรแกรม MATLAB ให้มีการต่อเชื่อมกับการ์ด DAQ แบบเวลาจริง เพื่อติดต่อกับชุดตรวจรู้ด้านอินพุตทั้ง 8 ช่องสัญญาณรวมถึงส่งสัญญาณเอาต์พุต 1 ช่องสัญญาณไปควบคุมการตัดต่อแหล่งจ่ายไฟฟ้าของมอเตอร์ ผลลัพธ์ของชุดแสดงผลและชุดป้องกันมอเตอร์สามารถตรวจจับและป้องกันฟอลต์ที่เกิดขึ้นกับมอเตอร์ไฟฟ้าเหนี่ยวนำได้อย่างน่าพึงพอใจ

คำสำคัญ: โครงข่ายประสาทเทียม ฟอลต์ การป้องกันมอเตอร์ไฟฟ้าเหนี่ยวนำ

Abstract

This paper presents the design and implementationof a system for detecting and protectingfaults of three-phase induction motor using ArtificialNeural Networks (ANNs). The developed 8 inputsare composed of 3 voltage signals, 3 current signals, awinding temperature signal and a speed signal. Theseinputs were calculated to determine the RMS value tobe sent to the back propagation neural network. The 10-output classification of the motor’s status includethe normal, single phasing, unbalanced voltage, overvoltage, under voltage, locked rotor, over load, overtemperature, over speed and phase sequence types.The software is designed and implemented withgraphical user interface (GUI) based technique inMATLAB program for interfacing with real-timeDAQ card. The DAQ card receives 8 input signalsfrom the sensor set and sends the output signal tocontrol the switch of motor supply. The experimentalresults show that the proposed system can detect andprotect the faults effectively.

Keyword: Artificial Neural Network, Fault,Protection, Induction Motor