Fault diagnosis on gears with neural network and ant colony algorithm combination
Kaınca kolonı ve yapay sınır ağı kullanarak dışlılarda arıza teşhisi
- Tez No: 432977
- Danışmanlar: DOÇ. DR. MUSTAFA DEMETGÜL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Mühendislik Bilimleri, Electrical and Electronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Günümüzde, arızaların erken tespit edilmesi ve dişli arızalarının teşhisi makinelerin durma sürelerinin azaltılmasında önemli hale gelmiştir. Bu amaçla bazı araştırmalar da dişli arızalarının tespiti, titreşim veya ses sinyalleri kullanarak yapılmıştır. Ancak, bu tekniklerin bazı dezavantajları vardır. Bu sebeple araştırmacılar, başarılı bir arıza teşhis tekniği için etkili bir yaklaşım bulmaya çalışmışlardır. Çalışma, arızayı teşhis edecek bir yol bulmak için bu iki sinyal kullanılarak yapılmıştır ancak hala gelişmesi için yapılacaklar vardır. Bu tezde, Karınca Kolonisi Optimizasyonu (KKO) ile optimize edilmiş Muli-Layer Perceptron pattern recognition Yapay Sinir Ağları (YSA) ile sonsuz dişlilerde oluşan farklı arızaların teşhis edilmesi için bir yaklaşım sunulmuştur. Yaklaşımın etkinliğini artırmak için titreşim, ses ve kızılötesi sıcaklık görüntüleri kullanılan durum izleme tekniği kullanılmıştır. Önerilen yöntemin etkinliğini ve doğruluğunu ispatlamak için deneysel veriler kullanılmıştır. Sonsuz dişli arızalarını sınıflandırmak için Hızlı Fourier Dönüşümü (Fast Fourier Transformation - FFT), özellik çıkarmak için kullanılmıştır. Yüksek performanslı makine durumu sınıflandırması için ANN'in gizli katmanındaki nöron sayısı ve eğitim parametreleri KKO ile optimize edilmiştir. Bu yaklaşıma göre, geliştirilen uygulama ile kırık diş, farklı yağ seviyesi, çalışma hızı ve sonsuz dişli çalışma saatleri tespit edebiliyor. Elde edilen sonuçlar, makine durumunun teşhisinde önerilen yöntemin etkinliğini göstermektedir.
Özet (Çeviri)
In present days, the importance of early fault detection and diagnosis of faults in gears have become very important as it can help in reducing the machine downtime. To achieve this, some researches have been done to detect the faults in gears by using their vibration and/or sound analysis techniques. However, both of those techniques have their drawbacks. Due to this reason, researchers have tried to find an efficient approach to a successful fault diagnosis technique. Work has been done to find a way to diagnose fault by combining those two signals but it still has room for improvement. In this thesis, an approach to diagnose different types of fault in worm gears based on Muli-Layer Perceptron pattern recognition Artificial Neural Network (ANN) optimized with Ant Colony Optimization (ACO) is presented by using the combination of vibration, sound and infrared thermography based condition monitoring techniques. An experimental set of data is used to verify the effectiveness and accuracy of the proposed method. Fast Fourier Transform (FFT) has been used to convert raw data from time domain to frequency domain. The selection of input features and the number of nodes in the hidden layers, as well as their neurons, sigma and lambda parameters of Muli-Layer Perceptron pattern recognition Artificial Neural Network (ANN) are then optimized by using Ant colony optimization technique. Based on this approach, it is possible to detect the degradation occurred in the worm gearbox, broken tooth, different level of oil, speed and the working hours of worm gearbox. The results obtained show the effectiveness of the proposed approach in diagnosis of the machine condition.
Benzer Tezler
- Konik dişlilerde Yapay Sinir Ağı yöntemiyle arıza teşhisi
Fault diagnosis on bevel gears with Artificial Neural Networks
CEMAL KELEŞOĞLU
Yüksek Lisans
Türkçe
2015
Mekatronik MühendisliğiMarmara ÜniversitesiMekatronik Ana Bilim Dalı
PROF. DR. HALUK KÜÇÜK
DOÇ. DR. MUSTAFA DEMETGÜL
- Fault diagnosis of a power transmission system using artificial neural networks
Yapay sinir ağı kullanarak bir güç aktarım sisteminin arıza teşhisi
RAFET CAN ÜMÜTLÜ
Yüksek Lisans
İngilizce
2016
Mekatronik MühendisliğiDokuz Eylül ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ÖZTÜRK
- Fault detection of a planetary gear system based on non-linear dynamic modeling and vibration signals via non-stationary time series models
Doğrusal olmayan dinamik modelleme ve titreşim sinyallerine dayalı bir planet dişli sisteminin durgun olmayan zaman serisi modelleri ile hata tespiti
BEHRANG HOSSEINIAGHDAM
Doktora
İngilizce
2023
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER CİĞEROĞLU
- Investigation of geartrain impact noise in diesel engines
Dizel motorlarda dişli darbe gürültüsünün incelenmesi
ALİ TATAR
Yüksek Lisans
Türkçe
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN YÜCE ŞANLITÜRK
- Dönen makinalardaki mekanik titreşimler ve bunların arıza parametresi olarak incelenmesi
Mechanical vibrations in rotating machines and investigate of them as damage parameters
ERHAN APAK
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Ana Bilim Dalı
PROF. DR. NURDAN GÜZELBEYOĞLU