Geri Dön

Motor hata tespit ve analizi için yapay sinir ağlarının tasarımı

Başlık çevirisi mevcut değil.

  1. Tez No: 46961
  2. Yazar: KAYHAN GÜLEZ
  3. Danışmanlar: DOÇ.DR. HACI BODUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1995
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 78

Özet

ÖZET Yapay sinir ağlan (YSA) günümüz teknolojisinde hata tespiti, kontrol, işaret işleme gibi farklı birçok alanlarda basan ile kullanılmaktadır. Mühendislik alam olarak ele alırsak, başta bilgisayar ve elektrik-elektronik mühendisliği olmak üzere, biyolojiksel ve fiziksel kapsam dahilinde çok çeşitli yerlerde pratik uygulama alam bulmuştur. Herşeyden önce matematiksel formüllerden bağımsızlığı ve sonuca etkili derecede kısa bir zaman dilimi içinde yaklaşması. YSA'yı diğer çözüm metodlarına göre tercih sebebi yapmıştır. Bu çalışmada da. motorlarda hata tespitini gerçekleştirmek için ileri-besleme ağı ve hatanın geriye-yayılımı öğretme algoritması kullanılmaktadır. Yine. konuya bağlı kalınarak diğer yaklaşım metodları (parametre tahmin yaklaşımı v.b.) ile arasında hangi açıdan fark bulunduğu incelenmektedir. Son olarak ise. alınan deneysel ölçümlere göre öğretilen sinir ağına. farklı bir model için verilen sayısal değerlerin iterasyonel sonuçlan yer almaktadır. Burada YSA'ya uygulanan değerler farklı tipte splitftek) fazlı sincap kafesli indüksiyon motorlarından alınmıştır. Motor hata tespiti için. YSA'ya I ve w değerlerini girerek 30000 iterasyon sonucunda %95'in üzerinde bir basan ile izolasyon hatası Ne ve yatak aşınma hatcsı Bc için elde edilmiştir. Özellikle Ne için elde edilen %99.2 "lik hata tanıma oldukça binlik bir basandır.

Özet (Çeviri)

SUMMARY Artificial Neural Networks (ANN) is succesfully used in a lot of areas such as fault detection, control and signal processing in our daily technology. If we pay attention for engineering areas to this subject like firstly computer engineering and electricai-elektronik engineering. ANN have found plenty of practical application areas, under biolojical and physical subjects. Before all of this things, ANN' s matematical indepedence and its effectivness in a very short time to approaching to the results, it was a very preference reason according to the other approaching metods. In this thesis, feedforward network and error backpropagation training algorithm is used to perform the motor fault detection. In addition, there is a comparispn between the fault detection and the other approach methods (i.e.. parameter estimation approach) in therms of the way which is better. Finally, accrding to the values which were taken from the experimental measurements, there are iterasyonel results of the numerical values which is given for a different paradigm to the trained neural network. In that place, the values which were used for ANN were taken from split-phase squirral-cage induction motors in different models. In this study, motor fault detection with ANN. as the inputs I and w. as the outputs Nc (insulation condition) and B. (hearing wear condition) are made and discriminated with success rate above 95% for 30000 iterations. It is considerably important success to access this fault detection being 99.2% for Nc. VI

Benzer Tezler

  1. Digital-twin flight modelling through machine learning for trajectory error estimation and recovery

    Rota hesaplamalarında makine öğrenmesi tabanlı dijital ikiz uçuş modeli

    MEVLÜT UZUN

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖKHAN İNALHAN

    DR. MUSTAFA UMUT DEMİREZEN

  2. Neuro classifiers for condition and bearing health assessment of an electric motor

    Elektrik makinasında durum ve rulman sağlığı değerlendirmesi için nöro sınıflandırıcılar

    MINA GHORBAN ZADEH BADELI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA

  3. Comparison of machine learning methods for fault analysis in induction motors

    İndüksiyon motorlarda hata analizi için kullanılan makine öğrenmesi yöntemlerinin karşılaştırılması

    MEHMET ÇETİNTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiEskişehir Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. EMİN GERMEN

  4. Tahmin yöntemleri ile uçak verilerinin işlenmesi

    Processing of aircraft data by estimation methods

    BÜLENT KURT

    Doktora

    Türkçe

    Türkçe

    2018

    Sivil HavacılıkErciyes Üniversitesi

    Sivil Havacılık Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAGİME TÜLİN YILDIRIM

  5. Dolaylı basınç ölçüm yöntemi kullanılarak performansa dayalı emisyon sistemi tasarımı ve gerçeklenmesi

    Design and implementation of a performance based emmision system using indirect pressure measurement

    BARIŞ BORU

    Doktora

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF. DR. ADNAN PARLAK

    YRD. DOÇ. DR. HALİL İBRAHİM ESKİKURT