Estimation of induction motor equivalent circuit parameters and losses from transient measurement
Notice bibliographique
Résumé
Due to robustness and low-cost, Induction motors are among the most commonly utilized types of motors in industrial applications. The operation and efficiency of any induction motor can be predicted with reasonable accuracy by solving its equivalent circuit. However, the equivalent circuit parameters may differ from the measured one with aging and when the operating conditions varies. So, it would be advantageous, if the motor parameters can be estimated by a simple and cost-effective method under running condition. Within this research, the circuit model parameters, motor losses, applied load torque and rotor inertia of a 3-phase induction motor at various loads have been estimated applying Particle Swarm Optimization (PSO) technique, from the measured transient current and supply voltage. Using the estimated quantities, various performance indicators were assessed. The predicted operational metrics were evaluated against the corresponding recorded experimental values. The comparison revealed negligible errors, establishing the reliability of the proposed method. In practical applications, the developed algorithm seems promising for predicting: (a) The control parameters associated with power electronic drives driving the induction motor. (b) The proposed parameter estimation technique, with appropriate modifications, could significantly contribute in the domain of fault classification for induction motors. (c) With the help of thermal models, this research work is capable of developing a temperature based predictive condition monitoring scheme for induction motors. (d) It has the potential to revolutionize the approach to motor monitoring, potentially enhancing operational efficiency, reliability, and lifespan.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».