Arıza teşhisinde destek vektör makinelerinin kullanımı
The using of support vector machines in fault diagnosis
- Tez No: 185086
- Danışmanlar: DOÇ.DR. ERHAN AKIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Destek Vektör Makineleri, Arıza Teşhisi, Sınıflandırma, Kernel Fonksiyonları, Support Vector Machines, Fault Diagnosis, Classification, Kernel Functions
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
ÖZETYüksek Lisans TeziARIZA TEŞH S NDE DESTEK VEKTÖR MAK NELER N N KULLANIMISuna YILDIRIMFırat ÜniversitesiFen Bilimleri EnstitüsüBilgisayar Mühendisliği Anabilim Dalı2006, Sayfa:77Asenkron motorlar endüstride çok sık kullanılan motor türleridir. Motor içerisindeki bazıparçaların arızalanması bütün sistemi kötü etkileyebilir. Bu nedenle, herhangi bir parçada meydanagelen arızanın en kısa sürede tespit edilip, bütün sistemin etkilemeden onarılması çok önemlidir.Destek Vektör Makineleri, metin karakterizasyonu, imaj tanıma, biyoinformatik gibi birçokuygulamada iyi sonuçlar vermesine rağmen arıza teşhisinde yeni kullanılmaya başlanmıştır. Bu tezdeise asenkron motorların arıza teşhisinde Destek Vektör Makineleri yöntemi kullanılmıştır ve çok iyisonuç verdiği gözlemlenmiştir.Bu tezde, Destek Vektör Makineleri için asenkron motorlardan alınan veriler giriş olarakkullanılmıştır. Sağlıklı motor verileri ile kırık rotor çubuğu arızası olan motordan alınan verilersınıflandırılmıştır. kili sınıflandırma ve çoklu sınıflandırma işlemleri gerçekleştirilmiştir. Çoklusınıflandırma yöntemlerinden birine-karşı-biri metodu kullanılmıştır.
Özet (Çeviri)
ABSTRACTMaster ThesisTHE USING OF SUPPORT VECTOR MACHINES IN FAULT DIAGNOSISSuna YILDIRIMFirat UniversityGraduate School of Natural and Applied SciencesDepartment of Computer Engineering2006, Page: 77Induction motors have been commonly used in the industries.The fault diagnosis in someparts affects all of the system adversely. So, it is very important to determine the fault occured in anypart in a short time and to repaire the all of the system without affecting the all of the system.Although the Support Vector Machines give good results from most problems like textcategorization, image recognition, bioinformatics, it has not been used in fault diagnosis. In this thesis,Support Vector Machines used in fault diagnosis and it has beeen observed that it gave good results.In this thesis, the data received from induction motors used for the input of Support VectorMachines. The classification between healthy motor data and broken rotor bar faulty data has beenclassified. Binary classification and multi-class classification processes are realized. One-against-onemethod is used for multi-class classification.
Benzer Tezler
- Asenkron motorlarda çoklu hataların akım sıfır geçiş anı ile gerçek zamanlı tahmini
Real-time estimate of multiple faults in induction motors with current zero crossing instants
EYÜP ÇAKI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜLKADİR ÇAKIR
- Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques
Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması
RAGHAD MOHAMMED KHORSHEED
Doktora
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Makine öğrenmesi yöntemleri kullanılarak diyarbakır içme suyu şebekesindeki yatay milli su pompası sesinden arıza tahmini
Fault prediction from horizontal national water pump sound in dyarbakir drinking water network using machine learning methods
İDRİS SAÇAKLIDIR
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiBatman ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAVAŞ KOÇ
- Power system fault identification and classification in fuel cells via artificial neural network
Yakıt hücrelerinde yapay sinir ağı kullanılarak güç sistemi arıza tespiti ve sınıflandırması
RAFAH HUSSEIN ALZURFI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CİHAT ŞEKER
- Uçuş kontrol sistemlerinde sensör hatalarının tespiti ve teşhisi
Sensor fault detection and diagnosis in flight control systems
BEHNAM MAHMOUDI
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF SEVİM