Geri Dön

Fault diagnosis in refrigerators using fan-induced acoustic signals

Ses sinyali kullanılarak buzdolaplarında fan kaynaklı hata kaynağı tespiti

  1. Tez No: 784761
  2. Yazar: BÜŞRA ÖZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SİNAN YILDIRIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 88

Özet

Hata kaynağının tespiti endüstriyel ürünlerde önemli bir konudur. Buzdolapları ile ilgili olarak yapılan analizlere göre müşteri şikayetlerinin büyük çoğunluğunun gürültü tabanlı şikayetlerden kaynaklandığı belirlenmiştir. Bu nedenle, gürültü problemine neden olan kök kaynağın belirlenmesi ve hızlı bir şekilde düzeltilmesi çok önemlidir. Bu çalışmanın amacı, buzdolaplarında fan kaynaklı hataların ses sinyalleri kullanılarak tespit edilmesidir. Hataya neden olan kaynağın tespiti için uygulanan yöntemin veriye dayalı olması tercih edilmiş ve bu nedenle çalışmanın veriden öğrenen bir algoritma yardımıyla gerçekleştirilmesi hedeflenmiştir. Bu çalışma ve gelecek çalışmalarda kullanılmak üzere veri altyapısının güçlendirilmesi amacıyla kuvvetli ve detaylı veri seti oluşturulması da çalışmanın ikincil amacını oluşturmaktadır. Bu tezde, buzdolabına ait 3 fan kaynağından birinin hatalı olduğu ve hepsinin düzgün çalıştığı durumlarda, ISO 3745 uyumlu tam yansımasız ölçüm ortamında ses verileri toplanarak bir ses veri seti oluşturulmuştur. Ses sinyaline ait istatistiksel öznitelikler çıkarılarak eğitilen bir makine öğrenmesi modeli ile, ses sinyalinin görsel ifadesi olan mel spektrogramları kullanılarak eğitilen CNN (Evrişimsel Sinir Ağı) mimarisi bir arada kullanılarak bir topluluk sınıflandırma modeli önerilmiştir. Önerilen model, hatasız olma durumunu dahil etmediğimizde %93, hatasız olma durumunu da dahil ettiğimizde %89 oranında doğruluk değeri ile sınıflandırma yapar.

Özet (Çeviri)

Detection of the source of the fault is an important issue in industrial products. According to the analyses regarding refrigerators, it has been determined that the majority of customer complaints are caused by noise-based complaints. Therefore, it is very important to identify the main source causing the noise problem and correct it as fast as possible. The aim of this thesis is to classify fan-related faults in refrigerators using sound signals. The method applied to diagnose the source causing the fault was preferred to be data-based, and for this reason, it was aimed to carry out the study with the help of a suitable algorithm that learns from the dataset. Creating a reliable and detailed dataset in order to improve the data infrastructure for use in this thesis and future studies is the secondary aim of the study. In this thesis, in the case of only one of the 3 fan sources of the refrigerator is faulty and all of them are working properly, a sound dataset is created by acquiring sound data in ISO 3745 compliant full anechoic measurement environment. An ensemble classification model is proposed by using a machine learning model trained by extracting the statistical features of the sound signal and a CNN (Convolutional Neural Network) architecture trained using mel spectrograms, which are the visual representation of the sound signal. The proposed model classifies with an accuracy of 93% when the non-faulty class is not included and 89% when the non-faulty class is included.

Benzer Tezler

  1. Fault diagnosis in combinational logic circuits

    Başlık çevirisi yok

    SEMİR ŞİRAZİ

    Yüksek Lisans

    İngilizce

    İngilizce

    1976

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İ. CEM GÖKNAR

  2. Titreşim analizi ile makinelerde arıza teşhisi

    Fault diagnosis in machinery through vibration analysis

    MUSTAFA MEHMET FATİH KARAHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Makine MühendisliğiCelal Bayar Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ERDOĞAN ÖZKAYA

  3. Ayrıklaştırma yöntemleri ve yapay sinir ağı kullanarak asenkron motorlarda arıza teşhisi

    Fault diagnosis in induction motors using discretization methods and artificial neural network

    ZAFER DOĞAN

    Doktora

    Türkçe

    Türkçe

    2012

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. İSMAİL TEMİZ

  4. Rulmanlı yataklarda hata analizi

    Fault diagnosis in roller bearings

    BARIŞ UYGUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ATA MUĞAN

  5. Üçlü tank sisteminde yapay sinir ağları ile hata teşhisi

    Fault diagnosis of three tank system by using artificial neural networks

    EVREN ÇİFÇİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET EMİN KUZUCUOĞLU