Makine öğrenmesi ile gemi makinelerinin hata analizi
Fault analysis of ship machines with machine learning
- Tez No: 676745
- Danışmanlar: DR. ÖĞR. ÜYESİ AYÇA AK, PROF. DR. VEDAT TOPUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 74
Özet
Gemi sistemlerinin bakım onarımının yapılması ve hata olasılıklarının tahmin edilmesi dinamik gemi sistemleri için önemli bir faktördür. Sistemlerin kapalı kalma süresini en aza indirmek ve maliyeti minimize etmek güncel çalışma alanlarından biridir. Son yıllarda bilgi teknolojilerinin hızlı gelişimi ve buna bağlı olarak gelişen makine öğrenimi yaklaşımları sistemlerin bakım onarımlarına makine öğrenimini entegre etmeyi mümkün kılmıştır. Yapılan çalışmalarda makine öğrenmesi kullanılması, bu yöntemin bakım onarım ve hata analizi alanlarında denenmesine olanak sağlamıştır. Sistemlerde oluşabilecek hatayı tahmin etmek ve buna bağlı olarak arızayı önlüyor olabilmek yeni tekniklerin ortaya çıkmasını sağlamıştır. Bu sistemlerin en önemlilerinden biri olan akıllı gemi makine sistemleri açık denizlerdeki gemilerin yaşam ömrünü artırmaktadır. Gerçekleştirilen bu çalışmada gemi makinelerinin makine öğrenmesi yöntemleri kullanılarak hata durumu araştırılmıştır. Geleneksel yöntemlerin dışında bu çalışmada iki farklı analiz yapılarak makine öğrenmesi yöntemleri kullanılmıştır. Yapılan ilk çalışmada LM-2500 tipi bir gemi makinesinden alınan; gemi hızı, gaz türbini (GT) şaft torku, gaz türbini devir hızı, gaz jeneratörü devir hızı, sancak pervane torku, iskele pervane toku, yüksek güçlü (YG) türbin çıkış sıcaklığı, GT kompresör giriş hava sıcaklığı, GT kompresör çıkış hava sıcaklığı, YG türbin çıkış basıncı, GT kompresör giriş hava basıncı, GT kompresör çıkış hava basıncı, gaz türbini egzoz gazı basıncı, türbin enjeksiyon kontrolü ve yakıt akışı verileri gemi makinelerinin hata durumunu tahmin etmek için regresyon ve yapay sinir ağları (YSA) algoritmaları ile analiz edilmiştir. Doğrusal Regresyon, Karar Ağacı Regresyon, K-En Yakın Komşu Regresyon (K-NN), Rastgele Orman Regresyon, Bayesian Ridge Regresyon, Ekstra Ağaç Regresyon, Doğrusal Destek Vektör Makineleri (DVM) Regresyonu ve YSA algoritmalarından elde edilen sonuçlar karşılaştırılmıştır. Analiz sonucunda YSA yönteminin makine hatası tahmininde regresyon yöntemlerine göre daha iyi sonuçlar verdiği ortaya çıkmıştır. Yapılan diğer çalışmada ise bir makineden alınan akustik sinyallerden normal ve anormal çalışma durumunu gösteren veri kümeleri oluşturulmuş ve spektrogram grafiklerine çevrilmiştir. Elde edilen bu görüntüler derin öğrenme yöntemi ile analiz edilmiştir. Bu analiz ile akustik veri kümeleri kullanılarak gemi motorlarının hata-arızalarının modellemesi ve sınıflandırılması sağlanmıştır.
Özet (Çeviri)
Maintenance and repair of ship systems and estimation of fault probabilities are important factors for dynamic ship systems. Minimizing the downtime of the systems and the cost is one of the current study areas. Recently, the rapid development of information technologies and machine learning approaches developed accordingly have made it possible to integrate machine learning into maintenance and repair of systems. The use of machine learning in the studies has enabled this method to be tested in the fields of maintenance, repair and fault analysis. To predict the fault that may occur in the systems and prevent the failure accordingly, has led to the emergence of new techniques. Smart ship machine systems, one of the most important of these, increase the lifespan of ships in open seas. In this study, fault prediction of ship machines was investigated by using machine learning methods. Apart from traditional methods, two different analyzes were made and machine learning methods were used in this study. Taken from a ship LM-2500 type machine; ship speed, gas turbine (GT) shaft torque, gas turbine rate of revolutions, gas generator rate of revolutions, starboard propeller torque, port propeller torque, HP Turbine outlet temperature, GT compressor inlet air temperature, GT compressor outlet air temperature, HP Turbine outlet pressure, GT compressor inlet air pressure, GT compressor outlet air pressure, gas turbine exhaust gas pressure, turbine injection control and fuel flow data were analyzed with regression and Artificial Neural Networks (ANN) algorithms to predict the fault prediction of ship machinery. The results obtained from linear regression, decision tree regression, nearest neighbor regression, random forest regression, Bayesian Ridge regression, extra-tree regression, linear SVM regression and ANN algorithms were compared. As a result of the analysis, it was revealed that the ANN method gave better results than the regression methods in estimating the machine fault. In another study, data sets showing normal and abnormal operating status were created from acoustic signals received from a machine and converted into spectrogram graphics. These images were analyzed by deep learning method. With this analysis, modeling and classification of ship engine faults-failures were provided by using acoustic data sets.
Benzer Tezler
- A prescriptive analytics approach towards critical ship machinery operations
Kritik gemi makine işlemlerine yönelik bir preskiriptif analitik yaklaşım
BARIŞ YİĞİN
Doktora
İngilizce
2024
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. METİN ÇELİK
- Dizel makinanın makina öğrenmesi yöntemi kullanılarak modellenmesi ve karar-destek mekanizması oluşturulması
Machine learning method based marine diesel engine modelling and decision-support system setting
TOLGA ŞAHİN
Doktora
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Gemi taşımacılığında veriye dayalı yakıt tüketimi optimizasyonu
Data driven fuel consumption optimization of vessels
TARIK TAŞPINAR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEYNEP ORMAN
- Türkiye denizcilik sektöründe çalışma şartları (monografik bir etüd)
Başlık çevirisi yok
A.MURAT ASLANER
Yüksek Lisans
Türkçe
1988
İşletmeİstanbul ÜniversitesiÇalışma Ekonomisi ve Endüstri İlişkileri Ana Bilim Dalı
PROF. DR. TURAN YAZGAN
- Gemiadamlarının emniyetli çalışma davranışlarının makine öğrenmesi ile tahminlenmesi
Prediction of seafarers' safe work behavior using machine learning algorithms
GİZEM ELİDOLU
Yüksek Lisans
Türkçe
2019
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASİN ARSLANOĞLU