Geri Dön

Ağır vasıta hava kompresörü arızalarının makine öğrenmesi yöntemleri kullanılarak analizi

Analysis of heavy vehicle air compressor failures using machine learning methods

PDF İndir

  1. Tez No: 655011
  2. Yazar: EMRE GÜL
  3. Danışmanlar: PROF. DR. METE KALYONCU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Konya Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 123

Özet

Küçük bir bileşen olmasına rağmen hava kompresörleri, ağır vasıta aracın uzun yol sürüşlerinde emniyetli bir şekilde hareketini devam ettirmesine yardımcı olmaktadır. Çalışmada literatür ve teknik servis görüşmeleri neticesinde en sık rastlanan hava kompresörü arıza durumları belirlenmiştir. Belirlenen arıza türleri kendi içerisinde değerlendirilmiş ve arıza derecelerine göre deney hazırlıkları yapılmıştır. Deneyler için test düzeneği oluşturularak yazılım ve sensör donanımları ile 19 farklı çalışma durumuna ait veriler kayıt altına alınmıştır. Kayıt altına alınan 23.987 verinin %80'i ile PYTHON programında Destek Vektör Makineleri (DVM), K-En Yakın Komşu (K-nn), Naive Bayes Sınıflandırıcısı, Rastgele Orman Algoritması ve Yapay Sinir Ağları algoritma modelleri oluşturulmuş ve bu modeller kalan %20'lik veri ile test edilmiştir. Modeller 10 kat çapraz doğrulama işlemine tabi tutulmuştur. Ardından modellerin test verilerine göre doğruluk oranları belirlenmiştir. Destek Vektör Makineleri Radyal Tabanlı Fonksiyon Kerneli %100, K-En Yakın Komşu algoritması Manhattan Uzaklık Ölçütü %99.50, Gaussian Naive Bayes Sınıflandırıcısı %94.60, Rastgele Orman Algoritması %99.30, Yapay Sinir Ağları %99.80 doğruluk oranı sonuçlarını vermiştir. Modellerin Kappa ve F1 skor değerleri incelenmiş, eğitim ve test verileri için karmaşıklık matrisleri oluşturulmuştur. Modellerin hiç karşılaşmadığı verilerde tahmini sınıfı yüzdelik oranla belirlenmiş ve elde edilen sonuçlar değerlendirilmiştir. Bu çalışma makine öğrenmesi algoritma modellerinin, ağır vasıta hava kompresörü arızalarının tahmin edilmesinde etkili olabildiklerini göstermektedir.

Özet (Çeviri)

In spite of being a small component, air compressors help the heavy vehicle to keep its motion safely on long journeys. In the study, as a result of the literature and technical service interviews, the most common air compressor failure cases were determined. The determined failure types were evaluated within themselves and test preparations were made according to the failure degrees. For the experiments, the test setup was created, software and sensor hardware, and 19 different operating conditions data were recorded. With 80% of the recorded 23,987 data, Support Vector Machines (DVM), K-Nearest Neighbor (K-nn), Naive Bayes Classifier, Random Forest Algorithm and Artificial Neural Networks algorithm models were created in the PYTHON program and these models were tested with the remaining 20% of data. Models were subjected to 10-fold cross validation. Then, the accuracy rates of the models were determined according to the test data. Support Vector Machines Radial Based Function Kernel 100%, K-Nearest Neighbor algorithm Manhattan Distance Criteria 99.50%, Gaussian Naive Bayes Classifier 94.60%, Random Forest Algorithm 99.30%, Artificial Neural Networks gave 99.80% accuracy. Kappa and F1 score values of the models were examined, and complexity matrices were created for training and test data. In the data that the models never encountered, the estimated class was determined by percentage and the results obtained were evaluated. This study shows that machine learning algorithm models can be effective in predicting heavy vehicle air compressor failures.

Benzer Tezler

  1. Tez No

    371629

    Ağır vasıta havalı fren sistemleri, standard testleri ve güvenlik kriterleri yönünden değerlendirilmesi

    Air brake systems for heavy vehicles, standard tests and security criteria in terms of evaluation

    SERKAN KAPLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Teknik EğitimGazi Üniversitesi

    Makine Eğitimi Ana Bilim Dalı

    PROF. DR. SELİM ÇETİNKAYA

  2. Tez No

    639887

    Ağır hizmet tipi araçlardaki hava fren kompresörü ve hava hattının yeni teknolojiye entegresinin araştırılması

    Integrated investigation of air brake compressor and air line in new technology in heavy duty type vehicles

    GÖKSELHAN KULA

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mühendislik BilimleriSelçuk Üniversitesi

    Otomotiv Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT CİNİVİZ

  3. Tez No

    715588

    Bir ağır vasıta hava kompresörünün modellenmesi ve performans optimizasyonu

    Modeling and performance optimization of a heavy vehicle air compressor

    MURAT ŞÜKRÜ AYDINER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Makine MühendisliğiKonya Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. METE KALYONCU

  4. Tez No

    876521

    Intelligent control system design and deployment for fuel cell air supply systems

    Yakıt pili hava besleme sistemleri için akıllı kontrol sistemi tasarımı ve uygulamaya alınması

    FATİH KENDİR

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. TUFAN KUMBASAR

  5. Tez No

    683996

    Impact of electrification on diesel emissions for 13L long-haul trucks

    13L uzun yol tırlarında elektrifikasyonun dizel emisyonlar üzerine etkisi

    MUSTAFA CANER BULUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSMAİL BAYEZİT

Geri Dön