Yapay sinir ağları kullanarak anahtarlamalı relüktans motorlarda hata tespit ve teşhisi
Fault detection and diagnosis of switched reluctance motors using artificial neural networks
- Tez No: 355469
- Danışmanlar: DOÇ. DR. RAİF BAYIR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 122
Özet
Bu çalışmada anahtarlamalı relüktans motoru (ARM) hatalarının yapay sinir ağları (YSA) ile gerçek zamanlı olarak tespit ve teşhisi gerçekleştirilmiştir. ARM'ler günümüzde birçok kritik uygulamada kullanılmaktadır. Örneğin kan karıştırma cihazı, hibrid araçlar vb. Bu motorların bozulması durumunda hem maddi kayıplar hem de istenilmeyen durumlar ortaya çıkmaktadır. Bu çalışmada ARM hatalarını tespit ve teşhis edebilmek ve arızalanmadan durumunu öğrenmek için bir test düzeneği hazırlanmıştır. Bu test düzeneğinde ARM'ye ait parametreler bir veri alış veriş kartı ile gerçek zamanlı olarak bilgisayar ortamına aktarılmaktadır. Hata tespit ve teşhisi için Matlab ortamında kullanıcı ara yüzü yazılım gerçekleştirilmiştir. Bu yazılım gerçek zamanlı olarak tercih edilen YSA ile ARM hatalarını tespit ve teşhis etmektedir. Hata tespit ve teşhisinde Kohonen sinir ağı, İleri beslemeli sinir ağı ve Elman sinir ağı kullanılmaktadır. ARM'lerde YSA'lar ile gerçek zamanlı hata tespit ve teşhisine en uygun sinir ağı, başarım performanslarına göre Elman sinir ağı olarak belirlenmiştir.
Özet (Çeviri)
In this study real time fault detection and diagnosis of Switched Reluctance Motors (SRM) via artificial neural networks (ANN) is realized. Nowadays, SRMs are used in many critical applications. For example, blood mixing device, hybrid vehicles, etc. The breakdown of this motor causes financial losses and undesirable situations. An experimental setup is established to detect and diagnosis of SRM faults and determined the status of motor before it breaks down. In this experimental setup, parameters of SRM are measured in real time and transferred to the computer environment via data acquisition card. A user interface software is developed in Matlab environment to detect and diagnose SRM faults. This software detects and diagnoses faults using one of the proposed ANN algorithms in real time. Self-organizing neural network, Feed forward neural network and Elman neural network algorithms are used in fault detection and diagnosis. The performances of ANNs are compared and the most compatible ANN to real time fault detection and diagnosis of SRM's is determined as Elman neural network.
Benzer Tezler
- Modelling longitudinal motion of an electric vehicle and wheel slip control through NN based uncertainty prediction
Elektrikli aracın boyuna hareketinin modellenmesi ve yapay sinir ağı tabanlı belirsizlik kestirimli tekerlek kayma kontrolü
DUYGU ÖZYILDIRIM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Anahtarlamalı relüktans motorlarında bulanık mantık ve yapay sinir ağları ile konum algılayıcısız denetim
Position sensorless control of switched reluctance motors by using fuzzy logic and artificial neural networks
TAŞDEMİR AŞAN
Doktora
Türkçe
2008
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. M. EMİN TACER
- Modelling and control of 6/8 external rotor switched reluctance motor
6/8 dıştan rotorlu anahtarlamalı relüktans motorun modellenmesi ve denetimi
MUSTAFA AYDEMİR
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HALİL İBRAHİM OKUMUŞ
- Anahtarlamalı relüktans motorun genetik bulanık mantık kullanılarak tork rıpıl minimizasyonu
Torque ripple minimization of a switched reluctance motor by using genetic fuzzy logic
MURAT ARSLAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ ÜSTÜN
- Yapay sinir ağları kullanılarak şifreleme yöntemlerinin performans analizlerinin gerçekleştirilmesi
Implementation of performance analysis of encryption methods using neural networks
SEVTAP TÜRK
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. RÜYA ŞAMLI