Konik dişlilerde Yapay Sinir Ağı yöntemiyle arıza teşhisi
Fault diagnosis on bevel gears with Artificial Neural Networks
- Tez No: 413432
- Danışmanlar: PROF. DR. HALUK KÜÇÜK, DOÇ. DR. MUSTAFA DEMETGÜL
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 66
Özet
Bir mekanik sistemden en yüksek verimi almak ve arızalardan kaynaklanan üretim kayıplarını en aza indirmek için bugüne kadar değişik yaklaşımlar benimsenmiştir. Bunlardan biri de kestirimci bakım olarak adlandırılan yaklaşımdır. Dişliler döner makine sistemlerinin güç ve hareket iletimi açısından önemli parçalarını oluşturmakta ve dişli arızalarının teşhisi kestirimci bakım çalışmalarında önem arz etmektedir. Bu tez çalışmasında, zamana bağlı konik dişli arızalarının doğru tespiti için titreşimin yoğun olduğu noktalardan titreşim ve ses verilerinin elde edilebildiği genel amaçlı bir konik dişli arıza teşhis sistemi geliştirilmiştir. Zamana bağlı ortaya çıkan frekans düzlemindeki titreşim ve ses verilerinin özellikleri çıkarılıp sınıflandırılması ile arıza teşhisi gerçekleştirilmiştir. İvmeölçer ve mikrofondan alınan titreşim ve ses verileri, deney süresince belirli zaman dilimlerinde dişli yağı içerisine aşındırıcı eklenerek farklı yük, hız ve yağ seviyelerinde elde edilmiştir. Dişli yağına belirli zaman dilimlerinde eklenen aşındırıcı sonucu oluşan dişli aşınmalarına bağlı olarak ortaya çıkan titreşim ve ses verilerinin analizi ile elde edilen genlik ve frekans değerleri, arızanın sınıflandırılmasına yardımcı olmuştur. Hızlı Fourier Dönüşümü ve Güç Spektrum Yoğunluğu gibi veri özelliklerini ortaya çıkaran etkin yöntemler MATLAB ortamında başarıyla kullanılmıştır. Konik dişli arızalarının teşhisi için geri beslemeli bir yapay sinir ağı modeli kullanılmıştır. Yapay sinir ağı sayesinde hızlı ve yüksek doğrulukta çalışan en uygun modeli bulmak için harcanan deneme-yanılma süresi önemli ölçüde azalmaktadır. Titreşim ve ses sinyallerinin frekans düzleminde işlenmesi ile elde edilen verilerin yapay sinir ağına uygulanarak konik dişlilerde oluşabilecek arızaların tespitinde başarılı olduğu deneysel çalışmalarla gösterilmiştir.
Özet (Çeviri)
To obtain the highest efficiency and to keep the loss of production caused by fault at minimum levels, many different approaches have been adopted. One of them is the approach named predictive maintenance. Gears are important components of the rotary machines due to their power and motion transmission, and diagnosis of gear fault has importance in predictive maintenance. In this thesis, for the accurate determination of the time-dependent bevel gear fault, a general purpose bevel gear fault diagnosis system was develop in which sound signals and vibration datas could be obtained from the intense vibration points. Fault diagnosis was perfomed by feature extraction of time-dependent vibration and sound data from frequency plane and classification of these data. Vibration and sound signal obtained from accelerometer and microphone were recorded for different levels of oil, speed and load by adding abrasive into gear oil throughout a deliberate experimantation process. The level of amplitude and frequency obtained through analysis of vibration and sound data recorded by periodic addition of abrasive into the gear oil, paved the way for classification of faults. Efficient techniques that bring out properties as Fast Fourier Transform and Power Spectral Density were successfully used in MATLAB platform. For diagnosis of bevel gear faults, artificial neural network model with a back propagation was used. With the assistance of artificial neural network, the trial-error period for finding the most suitable model functioning fast and highly accurate is considerably reduced. It was shown that using the data obtained by processing frequency domain vibration and sound signals in artificial neural network is successful in diagnosing bevel gear faults.
Benzer Tezler
- Süt dişlerinde çürük ve pulpa ilişkisinin derin öğrenme yöntemi ile değerlendirilmesi
Evaluation of the relationship between caries and pulp in primary teeth using deep learning method
SUNA DENİZ BOSTANCI
Doktora
Türkçe
2024
Diş HekimliğiGazi ÜniversitesiÇocuk Diş Hekimliği Ana Bilim Dalı
PROF. DR. MEHMET BANİ
- Gömülü mandibular 3. molar dişlerde panoramik radyografinin etkinliğinin konik ışınlı bilgisayarlı tomografiyle elde edilen bulgularla geliştirilmiş yapay zeka modeli üzerinde değerlendirilmesi
Evaluation of the efficiency of panoramic radiography in mandibular impacted third molar teeth on artificial intelligence model developed by findings obtained by cone beam computed tomography
MUSTAFA TAHA GÜLLER
Doktora
Türkçe
2023
Diş HekimliğiAtatürk ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. ÖZKAN MİLOĞLU
- Mekanik sistemler için bir kavramsal tasarım modelinin geliştirilmesinde yapay sinir ağlarının kullanılması
The Use of artificial neural networks in development a conceptual design system for mechanical systems
İHSAN TOKTAŞ
Doktora
Türkçe
2003
Makine MühendisliğiGazi ÜniversitesiMakine Eğitimi Ana Bilim Dalı
DOÇ. DR. NİZAMİ AKTÜRK
- Otonom mobil depo robotunun mekatronik sistem tasarımı
Mechatronic system design of the autonomous warehouse mobile robot
CAN ÖZBARAN
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Gedik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SAVAŞ DİLİBAL
- Maksiller 3.molar dişlerde panoramik radyografinin etkinliğinin konik ışınlı bilgisayarlı tomografiyle elde edilen bulgularla geliştirilmiş yapay zeka modeli üzerinde değerlendirilmesi
Evaluation of the efficiency of panoramic radiography in maxillary third molar teeth on artificial intelligence model developed by findings obtained by cone beam computed tomography
ESRA AYDEMİR KADAN
Doktora
Türkçe
2024
Diş HekimliğiAtatürk ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. SAADETTİN DAĞİSTAN
PROF. DR. ÖZKAN MİLOĞLU