Geri Dön

Sinyal işleme ve genetik-yapay sinir ağları ile rulman arızalarının teşhisi

Diagnosis of bearing faults by signal process and genetic-neural network

  1. Tez No: 343460
  2. Yazar: MUHAMMET ÜNAL
  3. Danışmanlar: DOÇ. DR. MUSTAFA ONAT, PROF. DR. HALUK KÜÇÜK
  4. Tez Türü: Doktora
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 120

Özet

Rulmanlar birçok mekanik sistemin önemli hareketli parçalarını oluşturmakta ve rulman arızalarının teşhisi kestirimci bakım sistemleri için önem arz etmektedir. Bu sebeple, rulman arızasının doğru teşhisi ve hassas ölçüm cihazları ile titreşimin oluştuğu noktalardan titreşim ve ses verilerinin elde edilebilmesi için genel amaçlı bir rulman arıza teşhis sistemi geliştirilmiştir. Otomotiv sektöründeki entegrasyon mühendislerinin, araç bakım ve arıza tespit uzmanlarının aracın çalışması sırasında etrafa yaydığı sesleri inceleyerek arıza hakkındaki yorum ve teşhisleri bu tez çalışmasının ilham kaynağı olmuştur. Rulman arıza teşhis sisteminde çeşitli rulman arızaları oluşturularak ortaya çıkan titreşim ve ses sinyallerinin (verilerinin) zaman ve frekans düzlemindeki analizlerinden elde edilen çeşitli verilerin özelliklerinin sınıflandırılması ile rulman arıza teşhisi gerçekleştirilmiştir. Rulmanın oluşturduğu titreşim ve sesler, ivmeölçer ve mikrofon kullanılarak arızasız (normal), iç ve dış bilezik arızaları için farklı yük ve hızlarda ölçülmüştür. Tel erozyon yöntemi ile rulman iç ve dış bileziklerinde oluşturulan farklı boyutlardaki rulman arızalarına bağlı olarak ortaya çıkan titreşim ve ses sinyallerinin analizi ile elde edilen genlik ve frekans değerleri, arıza sınıflandırmasının temelini teşkil etmektedir. Zaman düzleminde uygulanan istatistiksel kriterler ve frekans düzleminde gerçekleştirilen Hilbert Dönüşümlü zarf gösterimi ve Hızlı Fourier Dönüşümü gibi veri özelliklerini ortaya çıkaran etkin yöntemler MATLAB ile gerçekleştirilmiştir. Rulman arızalarının teşhisi için genetik algoritma (GA) tabanlı ileri beslemeli bir yapay sinir ağı (YSA) modeli kullanılmıştır. Hedef ve YSA çıkışı arasındaki ortalama kare hatasını minimize eden ve mimarisinde mümkün olduğunca az sayıda gizli katman ve nöron bulunduran YSA modeli elde edilmiştir. GA ve YSA yöntemlerinin birleştirilmesi ile yüksek doğrulukta ve maksimum hızla yakınsama sonucu hedeflenen modele ulaşmada deneme yanılma süresi önemli ölçüde azaltılmıştır. Önerilen GA-YSA tabanlı sınıflandırma algoritmasının performansı, yapay rulman arızaları oluşturularak değişik yüklerde ve farklı devir hızlarında çalıştırılan rulmanlarda test edilmiştir. Titreşim ve ses verilerinden elde edilen özelliklerin, GA-YSA algoritması kullanılarak döner makinelerde oluşabilecek rulman arızalarının tespitinde başarılı olduğu deneysel çalışmalarla gösterilmiştir.

Özet (Çeviri)

Bearing rolling elements constitute the major moving parts of many mechanical systems and bearing faults diagnosis is important for predictive maintenance systems. Therefore, a general purpose bearing failure diagnostic system has been developed for accurate diagnosis of bearing failure and obtaining vibration and sound data with precision measuring devices from vibration points where vibration occurs. Reviews and diagnostics of integration engineers, car maintenance and fault detection experts in automotive industry who examine the sounds emitted during operation of the car has been the source of inspiration for this thesis. In bearing fault diagnostic system the bearing diagnostics was carried out with the classification of extractions of various data obtained from the analysis in the time and frequency domain, resulting vibration and sound signals (data) by forming various bearing faults. The vibrations and sounds generated by the bearing for trouble-free (normal), inner and outer ring faults are measured using the accelerometer and microphone at different load and speeds. The amplitude and frequency values obtained by analysis of the vibration and sound signals resulting depending on bearing faults that are formed in different sizes on inner and outer rings of the bearing, using electrical discharge machining (EDM) method, constitutes the basis of fault classification. Effective methods extracting data features such as statistical criteria applied in the time domain and an envelope representation based Hilbert transform and Fast Fourier Transform in frequency domain are implemented by MATLAB. A feed-forward neural network model based Genetic Algorithm (GA) is used for fault diagnostic of rolling element bearing. An ANN model which minimizes the mean square error between the target and ANN output and keeps the number of hidden layer and neurons as low as possible is obtained. The trial and error time is significantly reduced by combining GA and ANN methods resulting with the high accuracy and maximum convergence rate in succeeding the target model. The proposed GA-ANN based classification algorithm performance is tested in the bearing rolling elements at different speeds and loads, forming artificial bearing faults. The features obtained from vibration and sound data in diagnosing bearing faults that may occur in rotary machines, by using the GA-ANN algorithm, is shown to be successful with experimental studies.

Benzer Tezler

  1. Genetik algoritma ile yapay sinir ağlarında yapı ve parametre optimizasyonu

    Structure and parameter optimization of neural networks using genetic algorithm

    AYŞEGÜL ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF. DR. MUAMMER GÖKBULUT

  2. Yapay zeka teknikleri ile dizel motor performansının modellenmesi ve yakıt optimizasyonu

    Modelling of diesel engine performance and fuel optimisation by artificial intelligence techniques

    KEMAL TÜTÜNCÜ

    Doktora

    Türkçe

    Türkçe

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. NOVRUZ ALLAHVERDİ

  3. EEG sinyallerindeki epileptiform aktivitenin veri madenciliği süreci ile tespiti

    The detection of an epileptiform activity on EEG signals by using data mining process

    MEHMET ALBAYRAK

    Doktora

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. ETEM KÖKLÜKAYA

  4. Zaman serisi verilerinin derin yapay sinir ağları ile analizi ve eniyilemesi: Finansal tahmin algoritmaları

    Analysis and optimization of the time series data with deep artificial neural networks: Financial estimation algorithms

    ÖMER BERAT SEZER

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET MURAT ÖZBAYOĞLU

  5. Aşırı öğrenme makineleri ile beta talasemi ve demir eksikliği anemisinin ayırt edilmesi

    Discrimination of β-thalassemia and iron deficiency anemia through extreme learning machine and regularized extreme learning machine based decision support system

    BETÜL SAYIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TANER TUNCER