Documents disponibles écrits par cet auteur

Adaptive Neural Fuzzy Inference System for the Detection of Inter-Turn Insulation and Bearing Wear Faults in Induction Motor / Makarand S. Ballal in IEEE transactions on industrial electronics, Vol. 54 N°1 (Fevrier 2007) 

Public ISBD [article]  in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 250-258 p. Titre : Adaptive Neural Fuzzy Inference System for the Detection of Inter-Turn Insulation and Bearing Wear Faults in Induction Motor Titre original : Système Brouillé Neural Adaptatif d'Inférence pour la Détection de Inter-Tournent des Défauts d'Isolation et d'Usage de Roulement dans le Moteur à Induction Type de document : texte imprimé Auteurs : Makarand S. Ballal, Auteur ; Zafar J. Khan, Auteur ; Hiralal M. Suryawanshi Article en page(s) : 250-258 p. Note générale : Génie Electrique Langues : Anglais (eng) Mots-clés : Adaptive  neural  fuzzy  inference  systems  (ANFISs)  Bearing  wear  Induction  motor  Winding  insulation.Systèmes  brouillés  neuraux  adaptatifs  d'inférence  Moteur  à  induction  Isolation  d'enroulement. Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : The positive features of neural networks and fuzzy logic are combined together for the detection of stator inter-turn insulation and bearing wear faults in single-phase induction motor. The adaptive neural fuzzy inference systems (ANFISs) are developed for the detection of these two faults. These faults are created experimentally on a single-phase induction motor in the laboratory. The experimental data is generated for the five measurable parameters, viz, motor intakes current, speed, winding temperature, bearing temperature, and the noise of the machine. Earlier, the ANFIS fault detectors are trained for the two input parameters, i.e., speed and current, and the performance is tested. Later, the three remaining parameters are added and the five input ANFIS fault detector is trained and tested. It observed from the simulation results that the five input parameter system predicts more accurate results. Les dispositifs positifs des réseaux neurologiques et de la logique floue sont combinés ensemble pour la détection du redresseur inter-tournent des défauts d'isolation et d'usage de roulement dans le moteur à induction monophasé. Les systèmes brouillés neuraux adaptatifs d'inférence (ANFISs) sont développés pour la détection de ces deux défauts. Ces défauts sont créés expérimentalement sur un moteur à induction monophasé dans le laboratoire. Les données expérimentales sont produites pour les cinq paramètres mesurables, à savoir, le courant de prises de moteur, vitesse, la température de enroulement, soutenant la température, et le bruit de la machine. Plus tôt, les détecteurs de défaut d'ANFIS sont formés pour les deux paramètres entrés, c.-à-d., expédier et courant, et l'exécution est examinée. Plus tard, les trois paramètres restants sont ajoutés et le détecteur entré de défaut de cinq ANFIS est formé et examiné. Il a observé des résultats de simulation que le système de paramètre entré par cinq prévoit des résultats plus précis. DEWEY : 621 ISSN : 0278-0046 En ligne : msb_njp@rediffmail.com, khanzj1@rediffmail.com, hms_1963@rediffmail.com, sonolik [...] [article] Adaptive Neural Fuzzy Inference System for the Detection of Inter-Turn Insulation and Bearing Wear Faults in Induction Motor = Système Brouillé Neural Adaptatif d'Inférence pour la Détection de Inter-Tournent des Défauts d'Isolation et d'Usage de Roulement dans le Moteur à Induction [texte imprimé] / Makarand S. Ballal, Auteur ; Zafar J. Khan, Auteur ; Hiralal M. Suryawanshi . - 250-258 p. Génie Electrique Langues : Anglais (eng) in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 250-258 p. Mots-clés : Adaptive  neural  fuzzy  inference  systems  (ANFISs)  Bearing  wear  Induction  motor  Winding  insulation.Systèmes  brouillés  neuraux  adaptatifs  d'inférence  Moteur  à  induction  Isolation  d'enroulement. Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : The positive features of neural networks and fuzzy logic are combined together for the detection of stator inter-turn insulation and bearing wear faults in single-phase induction motor. The adaptive neural fuzzy inference systems (ANFISs) are developed for the detection of these two faults. These faults are created experimentally on a single-phase induction motor in the laboratory. The experimental data is generated for the five measurable parameters, viz, motor intakes current, speed, winding temperature, bearing temperature, and the noise of the machine. Earlier, the ANFIS fault detectors are trained for the two input parameters, i.e., speed and current, and the performance is tested. Later, the three remaining parameters are added and the five input ANFIS fault detector is trained and tested. It observed from the simulation results that the five input parameter system predicts more accurate results. Les dispositifs positifs des réseaux neurologiques et de la logique floue sont combinés ensemble pour la détection du redresseur inter-tournent des défauts d'isolation et d'usage de roulement dans le moteur à induction monophasé. Les systèmes brouillés neuraux adaptatifs d'inférence (ANFISs) sont développés pour la détection de ces deux défauts. Ces défauts sont créés expérimentalement sur un moteur à induction monophasé dans le laboratoire. Les données expérimentales sont produites pour les cinq paramètres mesurables, à savoir, le courant de prises de moteur, vitesse, la température de enroulement, soutenant la température, et le bruit de la machine. Plus tôt, les détecteurs de défaut d'ANFIS sont formés pour les deux paramètres entrés, c.-à-d., expédier et courant, et l'exécution est examinée. Plus tard, les trois paramètres restants sont ajoutés et le détecteur entré de défaut de cinq ANFIS est formé et examiné. Il a observé des résultats de simulation que le système de paramètre entré par cinq prévoit des résultats plus précis. DEWEY : 621 ISSN : 0278-0046 En ligne : msb_njp@rediffmail.com, khanzj1@rediffmail.com, hms_1963@rediffmail.com, sonolik [...]

Three-dimensional space-vector modulation to reduce common-mode voltage for multilevel inverter / Renge, Mohan M. in IEEE transactions on industrial electronics, Vol. 57 N° 7 (Juillet 2010) 

Public ISBD [article]  in IEEE transactions on industrial electronics > Vol. 57 N° 7 (Juillet 2010) . - pp. 2324 - 2331 Titre : Three-dimensional space-vector modulation to reduce common-mode voltage for multilevel inverter Type de document : texte imprimé Auteurs : Renge, Mohan M., Auteur ; Hiralal M. Suryawanshi, Auteur Article en page(s) : pp. 2324 - 2331 Note générale : Génie électrique Langues : Anglais (eng) Mots-clés : Common-mode  voltage  (CMV)  Multilevel  inverter  Pulsewidth  modulation  (PWM)  Space-vector  modulation  (SVM) Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : In this paper, an approach to reduce common-mode voltage (CMV) at the output of multilevel inverter using 3-D space-vector modulation (SVM) is proposed. The 3-D SVM is superset of the traditional 2-D SVM, and thus, it inherits all the merits of traditional 2-D. A simple technique for the selection of switching states to constitute the reference vector is proposed here. The computational cost of the proposed technique is independent of voltage levels of inverter. This technique is easy to implement online in digital controller. The tradeoff between quality of output voltage and CMV is achieved in this paper. This paper realizes the implementation of 3-D SVM to reduce the CMV using a five-level diode-clamped inverter for a three-phase induction motor. Experimental and simulation results demonstrate the feasibility of the proposed technique. DEWEY : 621.38 ISSN : 0278-0046 En ligne : http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=5170083 [article] Three-dimensional space-vector modulation to reduce common-mode voltage for multilevel inverter [texte imprimé] / Renge, Mohan M., Auteur ; Hiralal M. Suryawanshi, Auteur . - pp. 2324 - 2331. Génie électrique Langues : Anglais (eng) in IEEE transactions on industrial electronics > Vol. 57 N° 7 (Juillet 2010) . - pp. 2324 - 2331 Mots-clés : Common-mode  voltage  (CMV)  Multilevel  inverter  Pulsewidth  modulation  (PWM)  Space-vector  modulation  (SVM) Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : In this paper, an approach to reduce common-mode voltage (CMV) at the output of multilevel inverter using 3-D space-vector modulation (SVM) is proposed. The 3-D SVM is superset of the traditional 2-D SVM, and thus, it inherits all the merits of traditional 2-D. A simple technique for the selection of switching states to constitute the reference vector is proposed here. The computational cost of the proposed technique is independent of voltage levels of inverter. This technique is easy to implement online in digital controller. The tradeoff between quality of output voltage and CMV is achieved in this paper. This paper realizes the implementation of 3-D SVM to reduce the CMV using a five-level diode-clamped inverter for a three-phase induction motor. Experimental and simulation results demonstrate the feasibility of the proposed technique. DEWEY : 621.38 ISSN : 0278-0046 En ligne : http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=5170083