Application of Neural Networks for the Detection of Rotor Faults in a Squirrel Cage Induction Machine / Moussaab YOUSFI

Public ISBD Titre : Application of Neural Networks for the Detection of Rotor Faults in a Squirrel Cage Induction Machine Type de document : document multimédia Auteurs : Moussaab YOUSFI, Auteur ; Heythem LOUCIF, Auteur ; Saddam Bensaoucha, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'électrotechnique Année de publication : 2024 Importance : 60p. Accompagnement : cd rom Note générale : Automatic and system Langues : Anglais Mots-clés : Neural networks (NN)  Broken Rotor Bars (BRBs)  Squirrel Cage Induction Machines (SCIMs)  fault detection  Hilbert envelop  Fast Fourier Transform (FFT) Résumé : This thesis explores the use of neural network (NN) algorithms for detecting broken rotor bar (BRB) faults in squirrel cage induction machines (SCIMs). BRB faults are common in industrial settings and often lead to significant downtime and maintenance costs. Traditional fault detection methods, such as signal processing and model-based techniques, typically have limitations in their effectiveness. Artificial intelligence techniques, such as NNs, offer a promising solution to improve the detection process. NN algorithms offer a promising alternative, leveraging their ability to learn complex patterns from data. In this study, a dataset of Hilbert envelope signal spectra, obtained using the Fast Fourier Transform (FFT), from SCIMs with various rotor faults was used to train and test the NN algorithm. This algorithm can accurately detect and classify different machine conditions, including the healthy state and BRBs faults. The results demonstrate the effectiveness of neural networks for detecting BRBs faults in SCIMs. The proposed approach provides a practical and efficient solution for early fault detection, enabling timely maintenance and minimizing downtime in industrial applications note de thèses : memoire de master en Electrotechnique Application of Neural Networks for the Detection of Rotor Faults in a Squirrel Cage Induction Machine [document multimédia] / Moussaab YOUSFI, Auteur ; Heythem LOUCIF, Auteur ; Saddam Bensaoucha, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'électrotechnique, 2024 . - 60p. + cd rom. Automatic and system Langues : Anglais Mots-clés : Neural networks (NN)  Broken Rotor Bars (BRBs)  Squirrel Cage Induction Machines (SCIMs)  fault detection  Hilbert envelop  Fast Fourier Transform (FFT) Résumé : This thesis explores the use of neural network (NN) algorithms for detecting broken rotor bar (BRB) faults in squirrel cage induction machines (SCIMs). BRB faults are common in industrial settings and often lead to significant downtime and maintenance costs. Traditional fault detection methods, such as signal processing and model-based techniques, typically have limitations in their effectiveness. Artificial intelligence techniques, such as NNs, offer a promising solution to improve the detection process. NN algorithms offer a promising alternative, leveraging their ability to learn complex patterns from data. In this study, a dataset of Hilbert envelope signal spectra, obtained using the Fast Fourier Transform (FFT), from SCIMs with various rotor faults was used to train and test the NN algorithm. This algorithm can accurately detect and classify different machine conditions, including the healthy state and BRBs faults. The results demonstrate the effectiveness of neural networks for detecting BRBs faults in SCIMs. The proposed approach provides a practical and efficient solution for early fault detection, enabling timely maintenance and minimizing downtime in industrial applications note de thèses : memoire de master en Electrotechnique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
thq 09-206	thq 09-206	CD	BIBLIOTHEQUE DE FACULTE DE TECHNOLOGIE	théses (tec)	Disponible

Contribution au diagnostic de défauts qtatoriques et rtoriques par l'utilisation des techniques de l'intelligence artificielle-Applicatin aux machines asynchrones à cage / Saddam Bensaoucha

Public ISBD Titre : Contribution au diagnostic de défauts qtatoriques et rtoriques par l'utilisation des techniques de l'intelligence artificielle-Applicatin aux machines asynchrones à cage Type de document : texte manuscrit Auteurs : Saddam Bensaoucha, Auteur ; Sid Ahmed Bessedik, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'électrotechnique Année de publication : 2021 Importance : 189p Format : 27cm Langues : Français Catégories : THESES :09 génie électrique note de thèses : Mémoire de doctorat en génie électrique Contribution au diagnostic de défauts qtatoriques et rtoriques par l'utilisation des techniques de l'intelligence artificielle-Applicatin aux machines asynchrones à cage [texte manuscrit] / Saddam Bensaoucha, Auteur ; Sid Ahmed Bessedik, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'électrotechnique, 2021 . - 189p ; 27cm. Langues : Français Catégories : THESES :09 génie électrique note de thèses : Mémoire de doctorat en génie électrique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
thed 09-74	thed 09-74	Thése	SALLE DES THESES bibliothèque centrale	théses en génie électrique	Disponible

Diagnostic des défauts statoriques d'une machine asynchrone à l'aide des techniques d'intelligence artificielle / Ibrahim Saci 

Public ISBD Titre : Diagnostic des défauts statoriques d'une machine asynchrone à l'aide des techniques d'intelligence artificielle Type de document : document multimédia Auteurs : Ibrahim Saci, Auteur ; Saddam Bensaoucha, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'électrotechnique Année de publication : 2022 Importance : 70p. Accompagnement : 1 CD ROM Optique Némérique Note générale : Option Electrotechnique industrielle Langues : Français Mots-clés : Machine asynchrone, Modélisation, Court-circuit entre spires, Détection des défauts, Intelligence artificielle. Résumé : Dans ce mémoire, un système de diagnostic automatique basé sur l’algorithme de réseau de neurones est présenté pour détecter et localiser automatiquement le défaut de court-circuit entre spires de l'un des trois enroulements du stator d'une machine asynchrone. Parmi les différents algorithmes de réseaux de neurones, nous utilisons dans ce mémoire de réseau neurone de type perceptron multicouche (MLPNN : Multi Layer Perceptron Neural Network). Le processus de détection est basé sur la surveillance des déphasages triphasés entre les courants statoriques (Isabc) et leurs tensions correspondantes (Vsabc). Après avoir terminé le processus de collecte de la base de données, celle-ci est divisée en deux parties, la première partie pour l'apprentissage et la deuxième partie pour le test. Afin de parvenir à une bonne classification basée sur l'algorithme des réseaux de neurones, nous essayons plusieurs modèles de réseaux de neurones en modifiant leurs architectures. Le résultat obtenu dans ce mémoire montré la haute performance de l'algorithme du réseau neurone pour la détection de défaut de court-circuit entre spires. Dans ce mémoire, un système de diagnostic automatique basé sur l’algorithme de réseau de neurones est présenté pour détecter et localiser automatiquement le défaut de court-circuit entre spires de l'un des trois enroulements du stator d'une machine asynchrone. Parmi les différents algorithmes de réseaux de neurones, nous utilisons dans ce mémoire de réseau neurone de type perceptron multicouche (MLPNN : Multi Layer Perceptron Neural Network). Le processus de détection est basé sur la surveillance des déphasages triphasés entre les courants statoriques (Isabc) et leurs tensions correspondantes (Vsabc). Après avoir terminé le processus de collecte de la base de données, celle-ci est divisée en deux parties, la première partie pour l'apprentissage et la deuxième partie pour le test. Afin de parvenir à une bonne classification basée sur l'algorithme des réseaux de neurones, nous essayons plusieurs modèles de réseaux de neurones en modifiant leurs architectures. Le résultat obtenu dans ce mémoire montré la haute performance de l'algorithme du réseau neurone pour la détection de défaut de court-circuit entre spires. note de thèses : Memoire de Master en Electrotechnique Diagnostic des défauts statoriques d'une machine asynchrone à l'aide des techniques d'intelligence artificielle [document multimédia] / Ibrahim Saci, Auteur ; Saddam Bensaoucha, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'électrotechnique, 2022 . - 70p. + 1 CD ROM Optique Némérique. Option Electrotechnique industrielle Langues : Français Mots-clés : Machine asynchrone, Modélisation, Court-circuit entre spires, Détection des défauts, Intelligence artificielle. Résumé : Dans ce mémoire, un système de diagnostic automatique basé sur l’algorithme de réseau de neurones est présenté pour détecter et localiser automatiquement le défaut de court-circuit entre spires de l'un des trois enroulements du stator d'une machine asynchrone. Parmi les différents algorithmes de réseaux de neurones, nous utilisons dans ce mémoire de réseau neurone de type perceptron multicouche (MLPNN : Multi Layer Perceptron Neural Network). Le processus de détection est basé sur la surveillance des déphasages triphasés entre les courants statoriques (Isabc) et leurs tensions correspondantes (Vsabc). Après avoir terminé le processus de collecte de la base de données, celle-ci est divisée en deux parties, la première partie pour l'apprentissage et la deuxième partie pour le test. Afin de parvenir à une bonne classification basée sur l'algorithme des réseaux de neurones, nous essayons plusieurs modèles de réseaux de neurones en modifiant leurs architectures. Le résultat obtenu dans ce mémoire montré la haute performance de l'algorithme du réseau neurone pour la détection de défaut de court-circuit entre spires. Dans ce mémoire, un système de diagnostic automatique basé sur l’algorithme de réseau de neurones est présenté pour détecter et localiser automatiquement le défaut de court-circuit entre spires de l'un des trois enroulements du stator d'une machine asynchrone. Parmi les différents algorithmes de réseaux de neurones, nous utilisons dans ce mémoire de réseau neurone de type perceptron multicouche (MLPNN : Multi Layer Perceptron Neural Network). Le processus de détection est basé sur la surveillance des déphasages triphasés entre les courants statoriques (Isabc) et leurs tensions correspondantes (Vsabc). Après avoir terminé le processus de collecte de la base de données, celle-ci est divisée en deux parties, la première partie pour l'apprentissage et la deuxième partie pour le test. Afin de parvenir à une bonne classification basée sur l'algorithme des réseaux de neurones, nous essayons plusieurs modèles de réseaux de neurones en modifiant leurs architectures. Le résultat obtenu dans ce mémoire montré la haute performance de l'algorithme du réseau neurone pour la détection de défaut de court-circuit entre spires. note de thèses : Memoire de Master en Electrotechnique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
thq 09-144	thq 09-144	CD	BIBLIOTHEQUE DE FACULTE DE TECHNOLOGIE	théses (tec)	Disponible

Documents numériques

http://dspace.lagh-univ.dz/items/049dbd97-ff58-405a-8a1b-9f81dd6161ca URL

---

page 1/1