Geri Dön

Novel data drıven-based fault detectıon for electromechanıcal and process control systems

Elektromekanik ve proses kontrol sistemleri için yeni veriye-dayalı hata tespiti

PDF İndir

  1. Tez No: 299432
  2. Yazar: ALKAN ALKAYA
  3. Danışmanlar: DOÇ. DR. İLYAS EKER
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, İstatistik, Electrical and Electronics Engineering, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Hata Algılama ve Teşhisi (HAT), modern mühendislik alanındaki sistemlerin verimi, güvenliği ve güvenilirliğinin geliştirilmesine gösterilen ilgilin artması ile birlikte çok önemli ve dikkat çekici bir konu haline gelmiştir. Hata algılamada kullanılan yöntem, süreç modeline ve mevcut bilgilerin elde edilmesine bağlıdır ve bu iki kategoriye ayrılır: model tabanlı teknikler ve veri tabanlı teknikler. Bu çalışmada, gözleyici tabanlı ve istatistiksel bilgiye dayalı Temel Bileşenler Analizi (TBA) metodu gerçekleştirilmiştir.TBA, endüstriyel uygulamalarda yaygın olarak kullanılan istatistiksel bir süreç takip tekniğidir. TBA metodu süreçlerin kararlı durumlarından toplanan verilerin T2 ve Q görüntülerinde sabit bir eşik değeri ile takip ederek hataları algılar. Sistemlerin geçiş süreçleri de hesaba katıldığı anda bu klasik TBA yöntemi hata algılama sistemlerinin güvenliğini riske atacak yanlış alarmlar ve eksik hata verileri ortaya çıkarmaktadır. Bu tez çalışmasında, geçiş sürecinde meydana gelen yanlış alarmları ve eksik hata verilerini giderecek TBA yöntemine dayalı iki yeni metot önerilmiştir. Önerilen metotlar deneysel olarak elektromekanik ve süreç kontrol sistemleri üzerinde test edilmiştir.

Özet (Çeviri)

Fault Detection and Diagnosis (FDD) has become an attractive topic with increasing attention to improve efficiency, reliability and safety of modern engineering. The methodology used in FDD is clearly dependent on process and sort of available information, divided in two categories: model-based methods and data-driven-based methods. In the present research, observer-based and statistical information based Principal Component Analysis (PCA) method have been performed.PCA is a statistical process monitoring technique that has been widely used in industrial applications. PCA methods for Fault Detection (FD) use data collected from a steady-state process to monitor T2- and Q- statistics with a fixed threshold. For the systems where transient values of the processes must be taken into account, the usage of fixed threshold in PCA method causes false alarms and missing data that significantly compromise the reliability of the monitoring systems. In this thesis, two new methods based on PCA are proposed to overcome false alarms which occur in the transient states according to changing process conditions and the missing data problem. The proposed methods are implemented and validated experimentally on an electromechanical and process control system.

Benzer Tezler

  1. Tez No

    765502

    Data-driven prediction and emergency control of transient stability in power systems towards a risk-based optimal power flow operation

    Güç sistemlerinde risk tabanlı optimal güç akışı işletimineyönelik geçici hal kararlılığın veri güdümlü tahmini veacil durum kontrolü

    SEVDA JAFARZADEH

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. VEYSEL MURAT İSTEMİHAN GENÇ

  2. Tez No

    770571

    Cloud-based diagnosis of refrigerant leakage fault of chiller using virtual sensor residuals assisted XGBoost algorithm

    Soğutma sistemlerinin soğutucu akışkan sızıntısı arızasının sanal sensör farkı destekli XGBoost algoritması ile bulut tabanlı tespiti

    BURKAY ANDUV

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Fizik ve Fizik MühendisliğiShanghaı Jlao Tong Unıversıty

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZHIMIN DU

  3. Tez No

    877848

    Enhancing DNN test data selection through uncertainty-based and data distribution-aware approaches

    Belirsizliğe dayalı ve veri dağılımına duyarlı yaklaşımlar yoluyla DNN testı veri seçiminin geliştirilmesi

    DEMET DEMİR

    Doktora

    İngilizce

    İngilizce

    2024

    Bilim ve TeknolojiOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. ELİF SÜRER

    DOÇ. DR. AYSU BETİN CAN

  4. Tez No

    1020048

    Elektrik motorlarında tekil ve çoklu arıza teşhisi için optimize edilmiş zaman–frekans temsillerine dayalı fiziksel olarak yönlendirilmiş derin öğrenme mimarisinin geliştirilmesi

    Development of a physics-guided deep learning architecture based on optimized time–frequency representations for the diagnosis of single and multiple faults in electric motors

    ROHULLAH RAHMATULLAH

    Doktora

    Türkçe

    Türkçe

    2026

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. NECİBE FÜSUN OYMAN SERTELLER

    DOÇ. DR. AYÇA AK

  5. Tez No

    1003070

    Designing a diagnosis system for electric vehicle subsystems by using artifical i̇ntelligence

    Yapay zeka kullanarak elektrıklı araç alt sıstemlerının teşhıs teknıklerı

    ABDULLAH AHMED HASAN AL-DULAIMI

    Doktora

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiKarabük Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    Assoc. Prof. Dr. MUHAMMET TAHİR GÜNEŞER

Geri Dön