Sürekli mıknatıslı senkron motorda demagnetizasyon arızasının evrişimsel sinir ağı ile tespiti
Detection of demagnetization fault in permanent magnet synchronous motor with convolutional neural network
- Tez No: 720185
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA EKER
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: SMSM, Demagnetizasyon Arızası, Derin Öğrenme, ESA, PMSM, Demagnetization Failure, Deep Learning, ESA
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Gelişen teknoloji ile birlikte elektrik motorları endüstride en yaygın kullanılan tahrik elemanı olarak karşımıza çıkmaktadır. Motorların yaygın kullanılması bu elemanlarda meydana gelen arıza sayısında/çeşitlerinde artışa neden olmaktadır. Motorda meydana gelen bu arızalar bakım maliyetlerini yükseltmekte ve üretim kapasitesini düşürmektedir. İlk başlarda arızalar periyodik bakımlarla en aza indirgenmeye çalışmış fakat meydana gelen arızalar sonucunda üretimde meydana gelen aksamaların engellenmesinde yeterli olamamıştır. Son zamanlarda elektrik motorlarında durum izleme yöntemleri periyodik bakımların yerini almıştır. Motor arıza tespitinde, durum izleme yöntemlerinde; makine öğrenmesinin bir alt dalı olan derin öğrenme yöntemi sıklıkla kullanılmaktadır. Derin öğrenmenin en yaygın kullanılan mimarisi Evrişimsel Sinir Ağı (ESA) motor arıza tespitinde ön plana çıkan bir konu haline gelmiştir. Sürekli Mıknatıslı Senkron Motorlar (SMSM); yüksek verim, yüksek güç-ağırlık oranı, gibi avantajlarından dolayı endüstride yaygın olarak kullanılmaktadır. Yapılan tez çalışmasında SMSM'de meydana gelen manyetiksel arıza türü olan demagnetizasyon arızasının tespiti için yeni bir yaklaşım sunulmuştur. Arıza tespiti için sunulan yaklaşım özgün tasarlanmış ESA mimarisidir. Bu yaklaşım ile motor arıza tespitinde oldukça başarılı sonuçlar elde edilmiştir. Bu çalışmada durağan koşullarda çalıştırılan sağlam ve arızalı motorlardan alınan akım verileri kullanılarak demagnetizasyon arızası tespit edilmiştir. Yapılan bu tez çalışması sonucunda önerilen yaklaşımın SMSM'de meydana gelen demagnetizasyon arızasını tespit etmede % 99.92 oranında bir başarı sağlamıştır.
Özet (Çeviri)
With the developing technology, electric motors are the most used drive element in the industry. The widespread use of motors causes an increase in the number/types of malfunctions occurring in these elements. These malfunctions in the motor increase the maintenance costs and decrease the production capacity. At first, the malfunctions were tried to be minimized with periodic maintenance, but it was not enough to prevent the disruptions in production as a result of the malfunctions that occurred. Recently, condition monitoring methods in electric motors have replaced periodic maintenance. In condition monitoring methods in motor fault diagnosis; Deep learning method, which is a sub-branch of machine learning, is frequently used. The most widely used architecture of deep learning, Convolutional Neural Network (ESA), has become a prominent topic in motor fault diagnosis. Permanent Magnet Synchronous Motors (PMSM); It is widely used in industry due to its advantages such as high efficiency, high power-to-weight ratio. In the thesis study, a new approach is presented for the detection of demagnetization failure, which is the type of magnetic failure that occurs in PMSM. The approach presented for fault detection is the ESA architecture of deep learning. With this approach, very successful results have been obtained in motor fault detection. In this study, demagnetization failure was determined by using current data obtained from strong and faulty motors operated in stationary conditions. As a result of this thesis study, the proposed approach has achieved a success rate of 99.92 % in detecting the demagnetization failure in the PMSM.
Benzer Tezler
- Mıknatıslı anahtarlamalı relüktans makinesinin kontrolü ve performans analizi
Control and performance analysis of permanent magnet switched reluctance machine
FARUK DURAK
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FUAT KÜÇÜK
- Elektrikli araçlar için sürekli mıknatıs destekli senkron relüktans motorun tasarımı, optimizasyonu ve uygulaması
Design, optimization and implementation of permanent magnet assisted synchronous reluctance motors for electric vehicles
BURAK YENİPINAR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ SAYGIN
PROF. DR. YUSUF SÖNMEZ
- Havacılık uygulamaları için emniyet kritik daimimıknatıslı alternatör tasarımı ve analizi
Design and analysis of safety critical permanent mangetalternator for aviation applications
HÜSEYİN ERSÖZ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA AHMET KOCABAŞ
- Sürekli mıknatıslı senkron motorda demagnetize ve stator sarımlar arası kısa devre arızalarının tespiti için yöntem geliştirilmesi
The development of method for detection of demagnetised and stator interturn short circuit faults in permanent magnet synchronous motor
TİMUR LALE
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BİLAL GÜMÜŞ
- Sürekli mıknatıslı senkron motorda algılayıcısız kontrol yöntemini geliştirmeye katkılar
Contributions to improve the method of sensorless control of PMSM
GÖKHAN ALTINTAŞ
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DERYA AHMET KOCABAŞ