رزومه


EN
مریم السادات اخوان حجازی

مریم السادات اخوان حجازی

دانشیار

دانشکده: دانشکده مهندسی برق و کامپیوتر

گروه: مهندسی برق - قدرت

مقطع تحصیلی: دکترای تخصصی

رزومه
EN
مریم السادات اخوان حجازی

دانشیار مریم السادات اخوان حجازی

دانشکده: دانشکده مهندسی برق و کامپیوتر - گروه: مهندسی برق - قدرت مقطع تحصیلی: دکترای تخصصی |

دانشجویانی که می خواهند با من پروژه کارشناسی بگیرند در ابتدای ترم 6 یا 7 خود مراجعه کنند تا در صورتی که پیشرفت مناسبی داشته باشند پروژه شان را در ترم 8 برایشان ثبت نمایم.

dr.m.a.hejazi@ اکانت اینستاگرام

------------------------------------------------------------------------------------------------------------------------------------------------------

 

 

نمایش بیشتر
آخرین ویرایش ۰۹ دی ۱۴۰۴

افزایش قابلیت اطمینان ترانسفورماتور قدرت با پایش لایه خارجی سیم‌پیچ فشارقوی با استفاده از دوربین اپتیکی و پردازش تصویر

نام نویسنده (دانشجو):
محل دفاع: دانشگاه کاشان

مقطع تحصیلی: کارشناسی ارشد
سمت استاد در پایان‌نامه/رساله: استاد راهنما
کلید واژه ها: : افزایش قابلیت اطمینان، ترانسفورماتور قدرت، پایش وضعیت، پردازش تصویر، شبکه عصبی، آنالیز بافت، عیب سیم‌پیچ ترانسفورماتور .

چکیده:

با توجه به اهمیت خاص ترانسفورماتورهای قدرت در انتقال انرژی الکتریکی، اطلاع از وضعیت سیم‌پیچ‌های ترانسفورماتور از اهمیت زیادی برخوردار است. این تجهیزات ممکن است دچار عیبهای مختلفی نظیر بیرون‌زدگی و فرورفتگی سیم‌پیچ شوند که در اثر نیروهای مکانیکی شعاعی در لحظه‌ی اتصال کوتاه ممکن است رخ‌داده و به‌مرورزمان باعث تضعیف قدرت عایقی بین سیم‌پیچ‌ها، ایجاد اتصال کوتاه و خسارت دیدن ترانسفورماتور گردد. با تشخیص به‌موقع می‌توان در زمان مناسب، ترانسفورماتور را جهت تعمیر از مدار خارج و از وارد آمدن خسارت بیشتر به ترانس جلوگیری کرد. در این پایان‌نامه برای تشخیص بر خط عیوب سطح خارجی سیم‌پیچ ترانسفورماتور‌ها استفاده از دوربین‌های اپتیکی که در ربات‌های تصویربرداری کوچک تعبیه شده جهت تشخیص خودکار عیب پیشنهاد می‌شود. دیتابیس شامل تصاویر سیم‌پیچ ترانس است که در سه زاویه از ترانس تصویربرداری شده است. در این تصاویر با ایجاد ضایعه که به‌صورت برآمدگی ایجاد شده است، انتظار می‌رود وجود این ضایعه در ویژگی آماری بافتی تصویر نمود داشته باشد. به عبارت دیگر با بررسی ویژگی‌های کلی تصویر، مواردی مانند ضایعه ایجاد شده به صورت یک بافت جداگانه از تصویر دیده می‌شود که شبکه عصبی با جمع‌بندی کلیه ویژگی‌های آماری و مقایسه این ویژگی احتمال ایجاد خطا را نمایش می‌دهد. ویژگی‌های استخراج شده  در این تحقیق با استفاده از روش PCA ویژگی‌های برتر را استخراج می‌کند و این ویژگی‌ها به یک شبکه عصبی پرسپترون چند لایه به منظور دسته‌بندی تصاویر وارد می‌شود. این روش برای بررسی شکل ترانسفورماتور یا بررسی خطاهای بزرگ‌تر مانند سیاه شدن ترانسفورماتور، داغی بیش از اندازه ترانسفورماتور و. . . که بر پایه ویژگی بافتی ترانسفورماتور در ارتباط است نیز مفید خواهد بود.