Sürekli mıknatıslı senkron motorda akı sinyali kullanılarak stator sargı arızası teşhisi
Stator winding fault diagnosis using flux signal in permanent magnet synchronous motor
- Tez No: 733533
- Danışmanlar: DOÇ. DR. ZAFER DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 113
Özet
Elektrik motorları, elektrik enerjisini mekanik enerjiye dönüştüren ve elektrikli araçlar, havayolu ulaşımı, robotik gibi birçok uygulamada kullanılan cihazlardır. Elektrik motorlarının arızalanması, bakım maliyetlerinin artmasına, üretim bantlarının durmasına ve dolayısıyla işletme maliyetinin artmasına neden olabilir. Bu ve benzer sebeplerden dolayı arıza teşhisinin yapılması büyük önem arz etmektedir. Sürekli Mıknatıslı Senkron Motorlar (SMSM), basit yapıya sahip olmaları, yüksek verimlilikleri, kolay kontrol edilebilmeleri ve küçük yapıya sahip olmaları gibi avantajlarından dolayı yaygın olarak tercih edilmektedir. Dolayısıyla SMSM'nin arıza teşhisinin ve tespitinin yapılması önemlidir. Bu tez çalışmasında SMSM'de meydana gelen stator sargı arızasının tespiti için ayrıştırma ve makine öğrenmesi tabanlı arıza teşhis ve tespit yöntemi önerilmiştir. Kararlı ve dinamik çalışma koşulları için motor boşta ve tam yükte çalıştırılmıştır. Sağlam ve arızalı motora ait akım, hız ve akı sinyalleri kayıt altına alınmış, arıza teşhis ve tespiti için akı sinyali kullanılmıştır. Toplanan akı sinyalleri Komple Uyarlamalı Gürültülü Toplu Ampirik Kip Ayrışımı yöntemi kullanılarak İçkin Kip Fonksiyonlarına ayrıştırılmıştır. Permütasyon Entropisi ve Hausdorff Uzaklığı yöntemleri kullanılarak sinyalin yüksek frekanslı bileşenleri filtrelenmiştir ve arıza bilgisini taşıyan düşük frekanslı bileşenlerin kullanılması sağlanmıştır. Filtrelenmiş sinyale pencereleme işlemi uygulanarak sinyal pencerelere ayırılmıştır. Her bir sinyal penceresine zaman ve frekans boyutunda istatistiksel analiz yöntemleri uygulanarak sinyal özellikleri çıkarılmıştır ve özellik matrisi oluşturulmuştur. Bu özellik matrisi Destek Vektör Makinesine aktarılmıştır ve arıza sınıflandırılması gerçekleştirilmiştir. Önerilen yöntem ile arıza teşhisi ve tespiti için yüksek başarım elde edilmiştir.
Özet (Çeviri)
Electric motors are devices that convert electrical energy into mechanical energy and are used in many applications such as electric vehicles, airline transportation and robotics. Failure of electric motors can cause increased maintenance costs, breakdowns in production lines. For these and similar reasons, fault diagnosis is of great importance. Permanent Magnet Synchronous Motors (PMSM) are widely preferred due to their advantages such as simple structure, high efficiency and easy control. Therefore, fault diagnosis and detection of PMSM is important. In this thesis, a decomposition and machine learning based fault diagnosis and detection method is proposed for the detection of stator winding faults in PMSM. For stable and dynamic operating conditions, the motor has been operated at no load and at full load. The current, speed and flux signals of the healthy and faulty motor are recorded and the flux signal is used for fault diagnosis and detection. The collected flux signals are decomposed into Intrinsic Mode Functions using the Complete Ensemble Empirical Mode Decomposition with Adaptive Noise method. By using Permutation Entropy and Hausdorff Distance methods, high frequency components of the signal are filtered and low frequency components carrying fault information are used. The signal is divided into windows by applying windowing to the filtered signal. By applying statistical analysis methods in time and frequency dimension to each signal window, the signal features were extracted and the feature matrix was created. This feature matrix has been transferred to the Support Vector Machine and fault classification has been performed. With the results obtained, it has been proven that the proposed method gives successful results for fault diagnosis and detection.
Benzer Tezler
- Design and implementation of sensorless vector controlled drive for PMSMs
Sürekli mıknatıslı senkron motorlar için sensörsüz vektör kontrollü sürücü tasarımı ve gerçeklenmesi
BURAK GÖRDÜK
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT YILMAZ
- 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
- Sabit mıknatıslı senkron motorda moment dalgalanması ve gürültünün azaltılması
Torque ripples and noise reduction in permanent magnet synchronous motor
ALİ AHMED ADAM
Doktora
Türkçe
2007
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. HALİT PASTACI
YRD. DOÇ. DR. KAYHAN GÜLEZ
- Sürekli mıknatıslı senkron motorların mekanik algılayıcısız konum kontrolü
Mechanical sensorless position control of permanent magnet synchronous motors
BOĞAÇ HAN ER
Yüksek Lisans
Türkçe
2007
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ.DR. METİN GÖKAŞAN
- Sirkülasyon pompası uygulamalarında kalıcı mıknatıslı senkron motorun vektör kontrolü ve EEI optimizasyonu
Vector control of pmsm in circulation pump application and an adaptive approach for EEI optimization
MUTULLAH EŞER
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. COŞKU KASNAKOĞLU