Geri Dön

Asenkron motorlarda veri madenciliği ile hata tespiti

Fault detection in induction motors using data mining

  1. Tez No: 200498
  2. Yazar: KIYAS KAYAALP
  3. Danışmanlar: Y.DOÇ.DR. HAKAN ÇALIŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Induction motor, data mining, fault detection, decision trees
  7. Yıl: 2007
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

Asenkron motorlar endüstride en yaygın kullanılan motor tipidir. Asenkron motorlarda olusan hataların erken safhada tespit edilmesi maliyet açısından önemli bir kazanç saglamaktadır. Bu tezde veri madenciligi teknigi ile üç fazlı asenkron motordaki sargı spirleri arasında olusabilecek kısa devre veya yalıtım bozuklukları ve motor milinde olusabilecek mekanik dengesizlik hatalarının tespiti amaçlanmıstır. Veri madenciligi büyük miktarlardaki verinin içinden anlamlı ve yararlı, iliski ve kuralların bilgisayar programları aracılıgıyla aranması ve analizidir. Bu amaçla WEKA veri madenciligi yazılımı kullanılmıstır. WEKA'ya 3 faz akım ve gerilim ile sol ve sag band için band geçiren filtre uygulanmıs akım degerleri giris parametresi olarak verilmistir. Bu giris parametrelerine WEKA'da sınıflandırma tekniklerinden karar agacı algoritmaları uygulanmıstır. Uygulama sonucunda RepTree karar agacının ürettigi kuralların geçerliligi ispatlanmıstır. Elde edilen bu kurallara göre asenkron motorlarda yukarıda adı geçen hataların bulunması için tek faz akımı yeterli olmaktadır. ANAHTAR KELMELER: Asenkron motor, veri madenciligi, hata tespiti, karar agaçları.

Özet (Çeviri)

Induction motors are the most common motor types used in industry. The detection of the induction motors in early stage provides an important outcome in terms of cost. In this thesis, detection of the short circuit or insulating faults in the turns of the stator winding and mechanical unbalances in the three phase induction motors are aimed by using data mining technique. Data mining is the analyzing and searching of the rules and obtaining of the useful and meaningful relationships in a great quantity of data by the help of computer programs. For this purpose, data mining software known as WEKA is used in this work. Three phase currents, voltages, and filtered side bands of the motor current signals around fundamental supply frequency are applied as input parameters for WEKA program. Decision tree algorithms from classification techniques in WEKA have been applied to these input parameters. In the test results, the effectiveness of the rules produced by RepTree decision tree algorithms is proved. According to those acquired rules, a single phase current signal is adequate for the detection of above mentioned faults in induction motors.

Benzer Tezler

  1. Arıza teşhisinde veri madenciliği ve yumuşak hesaplama tekniklerinin kullanımı

    The using of data mining and soft computing techniques in fault diagnosis

    İLHAN AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ERHAN AKIN

  2. Data-driven condition monitoring and fault diagnosis of VFD-FED induction motors

    Değişken frekanslı sürücü ile beslenen asenkron motorlarda veri odaklı durum izleme ve arıza tanılama

    ALPER SENEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞENİZ ERTUĞRUL

  3. Asenkron motorlarda çoklu rotor çubuğu arızalarının evrişimsel sinir ağları yaklaşımı ile teşhisi

    Diagnosis of multiple rotor bar faults in asynchronous motors using convolutional neural networks approach

    FIRAT DİŞLİ

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı

    PROF. DR. MEHMET GEDİKPINAR

  4. Asenkron motorlarda rotor arızalarının stator akımı verileri yardımıyla analizi ve tespiti

    Broken rotor bar detection using stator current data in induction machines

    AHMET KABUL

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Elektrik ve Elektronik MühendisliğiDumlupınar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ABDURRAHMAN ÜNSAL

  5. FPGA implementation of 1D convolutional neural network for early detection of bearing faults in induction motors

    Asenkron motorlarda rulman hatalarının erken tespiti için 1B-evrişimsel sinir ağının FPGA üzerinde uygulaması

    BARIŞ DAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT AŞKAR