Sonsuz vidalı redüktörlerde yapay zekâ teknikleri ile arızaların tespiti ve sınıflandırılması
Fault detection and classification with artificial intelligence techniques on worm gearboxes
- Tez No: 657669
- Danışmanlar: PROF. DR. LEVENT GÜMÜŞEL
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mekatronik Mühendisliği, Mechanical Engineering, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 247
Özet
Sonsuz vidalı redüktörler (SVR) endüstrinin birçok alanında kullanılmaktadır. SVR'ler çalışma prensipleri gereği diğer redüktörlerden farklıdır ve daha çok arızalanma riski altındadır. Bu nedenle SVR'lerde meydana gelebilecek arızaların tespiti ve buna göre önlem alınması kesintisiz çalışması istenen sistemler ve tesisler için özellikle önemlidir. Bu amaçla bu çalışmada SVR'lerin kestirimci bakımına yönelik dinamik çalışma koşullarını taklit eden bir deney düzeneği geliştirilmiştir. Deney düzeneği ile sağlam ve arızalı SVR'ler üzerinden toplanan titreşim, ses ve termal görüntü verilerinden öznitelikler çıkarılmış ve arıza tespiti ve sınıflandırılması amacıyla kullanılmıştır. Titreşim ve ses verilerine ait zaman ve frekans bölgesinden çıkarılan öznitelikler ve termal görüntülere ait öznitelikler tek tek, ikili ve üçlü kombinasyonlarda kullanılarak elde edilen sonuçlar karşılaştırılmıştır. Çalışmalarda, yapay sinir ağları (YSA), destek vektör makinesi (DVM), k en yakın komşu (k-NN), ANFIS (adaptif nöro-bulanık arayüz sistemi) ve derin öğrenme algoritmaları arıza tespiti ve arıza türünün sınıflandırılması amacıyla kullanılmıştır. Titreşim, ses ve termal görüntü verilerinden çıkarılan özniteliklerin tek tek ve ikili kombinasyonlarda kullanılmasının sınıflandırma başarısını düşürdüğü gözlemlenmiştir. En yüksek sınıflandırma başarıları ölçüm verilerine ait özniteliklerin tümünün beraber kullanılmasıyla elde edilmiştir. Sonuçlar öznitelik seçiminin sınıflandırıcı performansını en üst düzeye çıkarmak için önemli bir adım olduğunu göstermiştir.
Özet (Çeviri)
Worm gearboxes (WG) are frequently used in many areas of the industry. WG is different from other gearbox types and due to their working principles, they are under high risk of wear and fault. Therefore, detection of faults that may occur in WG and taking measures accordingly especially are important for systems and facilities that require uninterrupted operation. For this purpose, in this study an experimental setup which simulates different working conditions has been developed for condition monitoring studies of WG. Fault detection and classification were performed based on vibration, sound and thermal images data features which were acquired and processed from the healthy and faulty WG in the test rig. Apart from classical studies, time and frequency domain features vibration and sound signals and thermal images features were extracted and evaluated singularly, dual or triple forms. Commonly effective ANN (Artificial Neural Network), SVM (Support Vector Machines), k-NN (k-Nearest Neighbor), ANFIS (Adaptive Neuro Fuzzy Inference System) and deep learning classifiers were selected to detect fault and to classify types of faults. It has been determined that the fault detection and classification performances are low with the use of single feature sources. The highest classification performances for fault detection were observed when the features of all three sources used. The experimental results indicated that the selection of features is an important step to maximize the performances of classifiers.
Benzer Tezler
- Bilgisayar yardımı ile sonsuz vidalı redüktörlerin tasarımı
Başlık çevirisi yok
HAKAN MUMCU
Yüksek Lisans
Türkçe
1996
Makine MühendisliğiDumlupınar ÜniversitesiMakine Eğitimi Ana Bilim Dalı
DOÇ.DR. KÜRŞAD DÜNDAR
- Sonsuz vidalı redüktörlerin bilgisayar yardımıyla parametrik tasarımı
Computer aided parametric design of one state spur gear box
MÜMTAZ PAK
Yüksek Lisans
Türkçe
1998
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÜMİT KOCABIÇAK
- Preliminary design and construction of a prototype canola seed oil extraction machine
Kanola tohum yağı çıkarma makinasının prototipinin ön tasarımı ve üretimi
PELİN SARI
Yüksek Lisans
İngilizce
2006
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA İLHAN GÖKLER
- Elektronik kontrollü divizör imalatı
Electronic controlled of dividing head manufacturing
HALİL İBRAHİM KARALI
Yüksek Lisans
Türkçe
2008
Makine MühendisliğiSelçuk ÜniversitesiOtomotiv Ana Bilim Dalı
PROF. DR. FARUK ÜNSAÇAR
- Cisimleri renklerine göre seçen PLC kontrollü robot kol tasarımı ve uygulaması
Design and aplication of a PLC controlled robotic arm for distinguishing objects by color
OSMAN HIZ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiDumlupınar Üniversitesiİleri Teknolojiler Ana Bilim Dalı
PROF. DR. RÜŞTÜ GÜNTÜRKÜN