Asenkron motorlarda veri madenciliği ile hata tespiti
Fault detection in induction motors using data mining
- Tez No: 200498
- Danışmanlar: Y.DOÇ.DR. HAKAN ÇALIŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Induction motor, data mining, fault detection, decision trees
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. ERHAN AKIN
- 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
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL
- 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
2023
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. MEHMET GEDİKPINAR
- 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
2013
Elektrik ve Elektronik MühendisliğiDumlupınar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDURRAHMAN ÜNSAL
- 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
2022
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT AŞKAR