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: Arıza tespiti, Destek vektör makineleri, Sürekli mıknatıslı senkron motorlar, Fault diagnosis, Support vector machines, Permanent magnet synchronous motors
- 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: Belirtilmemiş.
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
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ
- Adolesan intihar girişimlerinin psiko-sosyal nedenleriyle ilgili araştırma
Başlık çevirisi yok
NAZMİYE YÜKSEL
- Çocuklarda akut stres hiperglisemisinde hormonal değişikliklerin ve kısa süreli prognozun incelenmesi
Başlık çevirisi yok
AYGÜN DİNDAR
Tıpta Uzmanlık
Türkçe
1987
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Hemşireliği Ana Bilim Dalı
DOÇ. DR. HÜLYA GÜNÖZ
- Karıştırıcılar ve karıştırma kabındaki akım olaylarının incelenmesi
Başlık çevirisi yok
NADİR İLTEN
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ.DR. ÖMER SAMİH MERTBAŞ
- Regresyon analizi ve Türkiye üzerine bir deneme buğday üretiminin tahmini
Başlık çevirisi yok
MACİT MESUT ÖZMEN