Asenkron motorlardan elde edilen titreşim sinyalleri kullanılarak arıza tespiti
Fault detection using vibration signals obtained from induction motors
- Tez No: 522269
- Danışmanlar: PROF. DR. MEHMET BİLGİNER GÜLMEZOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Asenkron motorlar, verimlilikleri ve düşük maliyetleri sebebiyle endüstriyel uygulamalarda sıklıkla kullanılmaktadır. Ancak, bu motorlarda meydana gelebilecek arızalar, işletmedeki tüm süreci etkileyeceği için bu arızaların erken tespiti büyük önem taşımaktadır. Bu arızaların tespiti için genellikle akım, titreşim ve akustik sinyaller kullanılmaktadır. Bu tez çalışmasında, asenkron motorun rulmanlarından alınan titreşim sinyalleri kullanılarak arıza tespiti yapılmıştır. Hem literatürde sıklıkla kullanılan bir hazır veri seti kullanılarak, hem de laboratuvar ortamında bir veri seti oluşturularak titreşim sinyalleri elde edilmiştir. Elde edilen titreşim sinyallerine 4 farklı öznitelik çıkarma yöntemi uygulanarak öznitelik vektörleri oluşturulmuştur. Elde edilen bu öznitelik vektörlerinden en değerli öznitelikleri elde edebilmek ve boyut indirgemek için Temel Bileşen Analizi (TBA) ve Genetik Algoritma (GA) yöntemleri kullanılmıştır. Hem öznitelik seçimi yapılmadan, hem de öznitelik seçimi yapıldıktan sonra elde edilen öznitelik vektörleri 5 farklı sınıflandırıcıya (k-En Yakın Komşuluk (k-EYK), Ortak Vektör Yaklaşımı (OVY), Destek Vektör Makineleri (DVM), Yapay Sinir Ağları (YSA) ve Fisher'in Doğrusal Ayırtaç Analizi (FDAA)) uygulanmış ve sınıflandırıcıların tanıma performansları test edilmiştir.
Özet (Çeviri)
Induction motors are widely used in industrial applications by the reason of their efficiency and low cost. Since, faults on these motors may influence the whole process in operation, early detection of these faults has great importance. Current, vibration and acoustic signals are generally used for detection of these faults. In this thesis, fault detection is performed using vibration signals collected from ball bearings of induction motor. Vibration signals are obtained both using an open database which has been used in the literature enormously and constructing a database in the laboratory. Feature vectors are constructed by applying 4 different feature extraction method to obtained vibration signals. Principal Component Analysis (PCA) and Genetic Algorithm are used in order to obtain most valuable features and reduce dimension. Both with feature selection and without feature selection, feature vectors are applied to 5 different classifiers (k-Nearest Neighbor (k-NN), Common Vector Approach (CVA), Support Vector Machines (SVM), Artificial Neural Network (ANN) and Fisher's Linear Discriminant Analysis (FLDA)) and recognition performances of classifiers are tested.
Benzer Tezler
- Sabit mıknatıslı senkron motorda yapay zeka yöntemleri ile mekanik hataların teşhisi
Mechanical fault diagnosis in the permanent magnet synchronous motor with artifical intelligence techniques
MEHMET AKAR
Doktora
Türkçe
2009
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. İLYAS ÇANKAYA
- Asenkron motorlarda çoklu hataların akım sıfır geçiş anı ile gerçek zamanlı tahmini
Real-time estimate of multiple faults in induction motors with current zero crossing instants
EYÜP ÇAKI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜLKADİR ÇAKIR
- 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
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA
- An industrial internet of things application for real-time condition monitoring
Gerçek zamanlı durum izleme için endüstriyel nesnelerin internetiuygulaması
AYDIL JOMAA BAPIR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLHAN AYDIN
- Data-driven condition monitoring and fault diagnosis of VFD-FED induction motors
Değişken frekanslı sürücü ile beslenen asenkron motorlarda veri odaklı durum izleme ve arıza tanılama
ALPER SENEM
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL