Machine learning approach for predictive maintenance IoT based railway track fault detection using proposed hyper deep neural network
Öngörücü bakım için makine öğrenme yaklaşımı önerilen hiper derin sinir ağını kullanarak IoT tabanlı demiryolu hattı hata tespiti
- Tez No: 777464
- Danışmanlar: PROF. DR. MUSTAFA OZBAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Demiryolu taşımacılığı, fiyat ve güvenilirlik açısından önemli bir konuma sahiptir. Tren kazalarının ana nedeni demiryolu hattı kusurlarıdır. Geleneksel yaklaşımlarla karşılaştırıldığında, demiryolu hatlarındaki kusurları bulmak zorlu ve zaman alan bir iştir. Büyük boyutları nedeniyle manuel olarak değerlendirilmesi zor olan demiryollarının görüntülerinden oluşan verilerin analiz edilmesi gereken durumlarda. Demiryolunda kusur tespitini desteklemek için verimli bir derin öğrenme modeli öneriyoruz. üç algoritma doğrusal Diskriminant Analizi (LDA), temel bileşen analizi (PCA) ve gri seviye birlikte oluşum matrisi (GLCM) tarafından desteklenen evrişimli bir sinir ağına (CNN) dayanmaktadır. Etkinliği değerlendirmek için simülasyon tabanlı bir inceleme Simülasyon bulguları, önerilen algoritmanın %100, Geri Çağırma %50 ve F- ile elde edilebilecek en yüksek doğruluk değerine ulaşarak ray arızalarını tespit etmede ve hatalı ve arızasız demiryolu görüntülerinin başarılı bir şekilde sınıflandırılmasını sağlamada geliştiğini göstermektedir. %60 ölçün.
Özet (Çeviri)
Rail transportation holds a significant position regarding price and dependability. Railroad track flaws are the main reason for train accidents. Comparatively speaking to traditional approaches, finding flaws in railroad tracks is a challenging and time-consuming task. Where it is necessary to analyze the data consisting of images of railways, which are difficult to evaluate manually because of its huge size of. We propose an efficient deep learning model for supporting the defects detection in railroad. it is based on an convolutional neural network (CNN) supporting by three algorithms linear Discriminant Analysis (LDA) , principal component analysis (PCA), and gray _level co-.occurrence matrix (GLCM) .A simulation-based examination to evaluate the effectiveness of the proposed model .Simulation findings show that the suggested algorithm improves in detecting rail faults and providing successful classification of faulty and non-defective railroad images by achieved the highest accuracy value that could be obtained, at 100%, Recall 50% and F-measure 60%.
Benzer Tezler
- Kestirimci bakım sistemlerinde veri artırma yöntemlerinin geliştirilmesi ve bir uygulaması
Development of data augmentation methods for predictive maintenance systems and an application
SENA KALAY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EYÜP ÇİNAR
PROF. DR. İNCİ SARIÇİÇEK
- Rüzgar türbinlerinde kestirimci bakım stratejisi için arıza modları ve etkilerinin analizi
Analysis of failure modes and effects for predictive maintenance strategy in wind turbines
MERT ÖZHAN
Yüksek Lisans
Türkçe
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
PROF. DR. ÖNDER GÜLER
- Toplu taşıma araçlarında yapay zekâ tabanlı kestirimci bakım yaklaşımı
Artificial intelligence based predictive maintenance approach in public transport vehicles
ÖZLEM GÜVEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN ŞAHİN
- Elektrik pano yangınlarına karşı nesnelerin interneti destekli algılama sisteminin geliştirilmesi
Development of an internet of things supported detection system against electric panel fires
MUHAMMED FATİH PEKŞEN
Doktora
Türkçe
2024
Mühendislik BilimleriSakarya ÜniversitesiYangın ve Yangın Güvenliği Anabilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- Havacılık sektöründe istatistiksel proses kontrol: Uçak bakım süreçlerinin iyileştirilmesine yönelik bir uygulama
Statistical process control in the aviation sector: An implementation to improve aircraft maintenance processes
HAMİT HAMİDETTİN KUMURKAN
Yüksek Lisans
Türkçe
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM