Signal based data mining for feature extraction and fault detection
Özellik çıkarımı ve arıza tanısı için işaret tabanlı veri madenciliği
- Tez No: 323836
- Danışmanlar: PROF. DR. SERHAT ŞEKER
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 164
Özet
Bu çalışmada, işaret işleme teknikleri ve veri madenciliği yöntemleri kullanılarak özellik çıkarımı ve hata tespiti için yeni bir yöntem geliştirilmiştir. Uygulama ana olarak iki aşamadan oluşmaktadır. Bunlar sırasıyla veri ön-işleme ve yapay sinir ağı aşamalarıdır. Veri ön-işleme aşamasında asenkron bir elektrik motorunun sağlam durumundaki titreşim işareti ham veri olarak kullanılmıştır. Bu aşamada işarete ilk olarak sürekli dalgacık dönüşümü ve Fourier dönüşümü (Güç spektrumu yoğunluğu - GSY) teknikleri uygulanmıştır. Frekans domeninde temsil edilen bu yeni alt-işaret, yapay sinir ağı aşamasında bir öz-ilişkili yapay sinir ağının eğitimi için kullanılmıştır. Eğitim aşamasından sonra benzer veri kümesi ağın geri çağrılmasında kullanılmış ve bu sayede bir arıza eşik değeri belirlenmiştir. Bu yapay sinir ağı, sağlam durumdaki titreşim işaretinin güç spektrumu yoğunluğu ile test edilmiş ve eşik değerini aşan değerler arıza olarak değerlendirilmiştir. Bu model, yapay sinir ağı test aşamasında elde edilen sonuçlarla karşılaştırılıp özellik çıkarımı ve potansiyel hata tespiti açısından yorumlanmıştır. Buna ek olarak yöntem titreşim işaretinin haricinde iki adet simulasyon verisinde de uygulanmıştır. Sonuçlara bakıldığında yöntemin kullanılan tüm veriler için potansiyel arızaları belirlediği gözlenmiştir. Son olarak, çalışmada verilen işlem ve tekniklerin bir kullanıcı tarafından gerçekleştirilebilmesi amacıyla bir bilgisayar uygulaması oluşturulmuştur.
Özet (Çeviri)
In this study, a new method for fault detection and feature extaction is introduced by using signal processing and data mining techniques. The application is consisted of two main phases: data pre-processing and artificial neural network. Vibration signal measurements from the healthy state of an electric motor is used as the raw data for the application. At the data pre-processing phase, continuous wavelet transform and Fourier transform techniques are applied to the vibration signal. At the artificial neural network phase, this sub-signal is given as an input to an auto-associative neural network for training. After the training, the neural network is recalled by the same type of data for identifying a threshold value. At the test phase, the network is tested by the Fourier transform of the signal. According to the comparison with the threshold values, the faulty states are identified. The results are concluded in terms of feature extraction and fault detection of potential defects. In addition to this, the method is applied on two different types of simulation data. The method is capable of identifying the potential defects and faults for all the data provided. Finally, a computer application is developed in order to perform the method.
Benzer Tezler
- Data mining for emotion recognition in speech
Seste duygu tanıma için veri madenciliği
GAMZE AKKURT
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Ekonomi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DEVRİM ÜNAY
- Yinelemeli sinir ağları ile sermaye piyasası yön tahmini üzerine bir çalışma
A study on direction prediction of capital markets with recurrent neural networks
MUHİDDİN ÇAĞLAR EREN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Implementation of KNN, MLP, PCA algorithms on cortex-M4 based embedded system for enose application
Elektronik burun uygulaması için MLP, PCA ve KNN algoritmalarının cortex M4 tabanlı bir gömülü sistem üzerinde gerçeklemeleri
LEILA GHORBANI CHONGHORALOUY YEKAN
Yüksek Lisans
İngilizce
2014
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- Müzik üst-veri tahmini için türkçe şarkı sözü madenciliği
Turkish lyrics mining for music meta-data estimation
BAŞAR KIRMACI
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN OĞUL
- Computer network traffic classification using data mining
Veri madenciliği kullanarak bilgisayar ağ trafiğinin sınıflandırılması
AZAL MOHSIN JUBOORI AL BAYATI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU