Geri Dön

Asenkron motorlardan elde edilen titreşim sinyalleri kullanılarak arıza tespiti

Fault detection using vibration signals obtained from induction motors

  1. Tez No: 522269
  2. Yazar: SEFA BULUT
  3. Danışmanlar: PROF. DR. MEHMET BİLGİNER GÜLMEZOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2009

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. İLYAS ÇANKAYA

  2. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDÜLKADİR ÇAKIR

  3. 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

  4. 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

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLHAN AYDIN

  5. 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

    İngilizce

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞENİZ ERTUĞRUL