Arıza teşhisinde veri madenciliği ve yumuşak hesaplama tekniklerinin kullanımı
The using of data mining and soft computing techniques in fault diagnosis
- Tez No: 185346
- 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: Arıza Teşhisi, Arıza Tespiti, Yumuşak Hesaplama Teknikleri, VeriMadenciliği, Zaman Serileri Veri Madenciliği, Asenkron Motorlar, Fault Diagnosis, Fault Detection, Soft Computing Techniques, Data Mining, TimeSeries Data Mining, Induction Motors
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 143
Özet
ÖZETYüksek Lisans TeziARIZA TEŞHİSİNDE VERİ MADENCİLİĞİ VE YUMUŞAK HESAPLAMATEKNİKLERİNİN KULLANIMIİlhan AYDINFırat ÜniversitesiFen Bilimleri EnstitüsüBilgisayar Mühendisliği Anabilim Dalı2006, Sayfa: 121Asenkron motorlar, endüstrideki elektromekaniksel enerji dönüşüm alanının büyük birkısmında kullanılır. Bu tip motorların maliyetlerinin ucuzluğu, sağlamlık ve güvenilirlikleribirçok uygulamada tercih edilmelerini sağlamıştır. Fakat çalışma ortamları ve nem gibi etkilerbu motorların farklı bölümlerinde arızalar oluşmasına sebep olmaktadır. Arıza teşhisinin amacıoluşan bu arızaları erken bir aşamada belirlemektir.Bu çalışmada asenkron motorların stator, rotor ve mil yatağı gibi bileşenlerinde oluşanarızalar yumuşak hesaplama ve veri madenciliği teknikleri ile teşhis edilmiştir. Bu tekniklerarıza teşhisi için motor akımı ve rotor hızı gibi kolayca elde edilebilir sinyalleri kullanırlar.Dolayısıyla motorun içyapısını ve matematiksel dinamiklerini bilmeye gerek yoktur. Yapaysinir ağları, bulanık mantık ve yapay bağışık sistemler gibi yumuşak hesaplama tekniklerikullanılarak kırık rotor, sarım, mil yatağı sürtünmesi ve eksantriklik arızaları başarılı bir şekildeteşhis edilmiştir. Yapay bağışık sistemler ve bulanık mantık birleştirilerek iki farklı motortipindeki arızalar belirlenmiştir. Zaman serileri veri madenciliği yöntemi ile sarım ve sürtünmearızalarını teşhis edecek özellikler motor hızı ve stator akımından çıkarılmıştır.Arıza teşhisi için iki tip asenkron motor kullanılmıştır. Simülasyon verileri tek fazlı birasenkron motordan elde edilmiştir. Deneysel veriler üç fazlı bir asenkron motordan veri toplamakartı aracılığıyla bilgisayara aktarılmıştır. Akım verilerini ölçmek için üç adet akım duyargasıkullanılmıştır.
Özet (Çeviri)
ABSTRACTMaster ThesisTHE USING OF DATA MINING AND SOFT COMPUTING TECHNIQUES IN FAULTDIAGNOSISİlhan AYDINFirat UniversityGraduate School of Natural and Applied SciencesDepartment of Computer Engineering2006, Page: 121Induction motors are used in a big part of the field of electromechanical energyconversion in industry. Reliability, robustness and cheap of the costs of these type motors hasbeen provided the preferring of them in many applications. But effects such as operationenvironment and humidity cause faults in different parts of these motors. The goal of faultdiagnosis is to detect these occurred faults at an early stage.In this study, faults occurred in stator, rotor and bearing of induction motors havebeen diagnosed via soft computing and data mining techniques. These techniques use easilyacquired signal such as rotor speed and motor?s current for fault diagnosis. Consequently,mathematical dynamics and internal construction of motors are needn?t known. Broken rotorbars, bearing friction, eccentricity and stator winding faults have been diagnosed via softcomputing techniques such as artificial neural networks, fuzzy logic and artificial immunesystems, successfully. Faults in two different type motors have been detected by combiningfuzzy logic and artificial immune systems. Features to diagnose the stator winding and bearingfriction faults have been extracted from stator current and rotor speed by time series data miningmethod.Two type induction motors have been used for fault diagnosis. Simulation data havebeen obtained from single phase induction motor. Experimental data has been transferred thecomputer by using data acquisition card. Three current sensors have been used for measuringthe current data.
Benzer Tezler
- Dizel makinanın makina öğrenmesi yöntemi kullanılarak modellenmesi ve karar-destek mekanizması oluşturulması
Machine learning method based marine diesel engine modelling and decision-support system setting
TOLGA ŞAHİN
Doktora
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Mekanik arızaların veri madenciliği Apriori algoritması ile analiz edilmesi
Analysis of mechanical breakdowns with Apriori algorithm in data mining
BETİM ÇELİK
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiKocaeli ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YILDIZ ŞAHİN
- Sıvı ve gaz iletim hatlarında basınç kayıpları ve arızaların makine öğrenmesi ile kestirimci bakımının yapılması
Predictive maintenance of pressure losses and failures in liquid and gas transmission lines with machine learning
KORAY ALIN
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiMarmara ÜniversitesiMekatronik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL TEMİZ
- Büyük güçlü asenkron motorlarda titreşim analizi ile arıza teşhisi
Fault diagnosis with vibration analysis of large asynchronous motors
ABDULLAH ŞAHİN
Yüksek Lisans
Türkçe
2018
Mühendislik BilimleriKocaeli ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN ÖZDEMİR
- Güç transformatörlerinde makine öğrenmesi ve sensör füzyonu yöntemleri ile arıza analizi
Power transformers fault analysis with machine learning and sensor fusion methods
MERVE DEMİRCİ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MÜSLÜM CENGİZ TAPLAMACIOĞLU
DOÇ. DR. HALUK GÖZDE