ماشین‌های الکتریکی: مدل‌سازی، پایش وضعیت و تشخیص عیب ۲۰۱۷
Electric Machines: Modeling, Condition Monitoring, and Fault Diagnosis 2017

با توجه به استفاده‌ی روزافزون از موتورهای الکتریکی در زندگی روزمره، از حمل و نقل و درمان‌های پزشکی گرفته تا عملیات نظامی و ارتباطات، خرابی‌های غیرمنتظره می‌تواند منجر به از دست رفتن جان انسان‌ها یا توقف پرهزینه‌ی صنایع شود. برای جلوگیری از این امر، مهم است که وضعیت عملکرد موتور به طور دقیق تشخیص داده شود یا به طور مداوم نظارت شود. کتاب «ماشین‌های الکتریکی: مدل‌سازی، پایش وضعیت و تشخیص خطا» به بررسی فناوری‌های تشخیص خطا می‌پردازد و راهنمای کاربردی برای خوانندگانی ارائه می‌دهد که مایل به تحقیق، توسعه و پیاده‌سازی طرحی موثرتر برای تشخیص خطا و پایش وضعیت هستند—در نتیجه ایمنی و قابلیت اطمینان در عملکرد موتورهای الکتریکی را بهبود می‌بخشند. همچنین، این کتاب پایه‌ای قوی در مبانی علت و معلول خطا فراهم می‌کند.

ترکیب تحلیل نظری و کاربرد عملی

این کتاب که توسط متخصصان مهندسی برق نوشته شده است، به تشخیص خطای موتورهای الکتریکی از طریق فرآیند تحلیل نظری و کاربرد عملی می‌پردازد. ابتدا به توضیح چگونگی تجزیه و تحلیل مبانی خرابی ماشین با استفاده از روش توابع سیم‌پیچ، روش مدار معادل مغناطیسی و تحلیل المان محدود می‌پردازد. سپس به بررسی چگونگی پیاده‌سازی تشخیص خطا با استفاده از تکنیک‌هایی مانند روش تجزیه و تحلیل سیگنال جریان موتور (MCSA)، روش حوزه فرکانس، تکنیک‌های مبتنی بر مدل و طرح تشخیص الگو می‌پردازد. نویسندگان با تاکید بر روش پیاده‌سازی MCSA، به بحث در مورد تکنیک‌های پردازش سیگنال قوی و پیاده‌سازی تشخیص خطای مبتنی بر تئوری چارچوب مرجع برای وسایل نقلیه هیبریدی می‌پردازند.

مدل‌سازی، تشخیص و پیاده‌سازی خطا در یک مجلد

این کتاب که بر اساس سال‌ها تحقیق و توسعه در آزمایشگاه ماشین‌های الکتریکی و الکترونیک قدرت (EMPE) در دانشگاه تگزاس A&M تهیه شده است، استراتژی‌های عملی تحلیل و پیاده‌سازی را تشریح می‌کند که خوانندگان می‌توانند در کار خود از آنها استفاده کنند. این کتاب مبانی شرایط خطای موتور، تئوری پیشرفته مدل‌سازی خطا، تکنیک‌های تشخیص خطا و استراتژی‌های پیاده‌سازی تشخیص خطای کم‌هزینه مبتنی بر DSP را در یک مجلد گردآوری کرده است.

With countless electric motors being used in daily life, in everything from transportation and medical treatment to military operation and communication, unexpected failures can lead to the loss of valuable human life or a costly standstill in industry. To prevent this, it is important to precisely detect or continuously monitor the working condition of a motor. Electric Machines: Modeling, Condition Monitoring, and Fault Diagnosis reviews diagnosis technologies and provides an application guide for readers who want to research, develop, and implement a more effective fault diagnosis and condition monitoring scheme—thus improving safety and reliability in electric motor operation. It also supplies a solid foundation in the fundamentals of fault cause and effect.

Combines Theoretical Analysis and Practical Application

Written by experts in electrical engineering, the book approaches the fault diagnosis of electrical motors through the process of theoretical analysis and practical application. It begins by explaining how to analyze the fundamentals of machine failure using the winding functions method, the magnetic equivalent circuit method, and finite element analysis. It then examines how to implement fault diagnosis using techniques such as the motor current signature analysis (MCSA) method, frequency domain method, model-based techniques, and a pattern recognition scheme. Emphasizing the MCSA implementation method, the authors discuss robust signal processing techniques and the implementation of reference-frame-theory-based fault diagnosis for hybrid vehicles.

Fault Modeling, Diagnosis, and Implementation in One Volume

Based on years of research and development at the Electrical Machines & Power Electronics (EMPE) Laboratory at Texas A&M University, this book describes practical analysis and implementation strategies that readers can use in their work. It brings together, in one volume, the fundamentals of motor fault conditions, advanced fault modeling theory, fault diagnosis techniques, and low-cost DSP-based fault diagnosis implementation strategies.