Ağır vasıta hava kompresörü arızalarının makine öğrenmesi yöntemleri kullanılarak analizi
Analysis of heavy vehicle air compressor failures using machine learning methods
- Tez No: 655011
- Danışmanlar: PROF. DR. METE KALYONCU
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2014
Teknik EğitimGazi ÜniversitesiMakine Eğitimi Ana Bilim Dalı
PROF. DR. SELİM ÇETİNKAYA
- 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
2020
Mühendislik BilimleriSelçuk ÜniversitesiOtomotiv Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CİNİVİZ
- 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
2022
Makine MühendisliğiKonya Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. METE KALYONCU
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR
- 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
2021
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BAYEZİT