Using deep learning based classification algorithm to detect faults in turbine engines
Türbin motorlarındaki hataları tespit etmek için derin öğrenme tabanlı sınıflandırma algoritması kullanımı
- Tez No: 799863
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: 70
Özet
Makine öğreniminin popülaritesindeki son artışa rağmen, araştırmacılar, yapay sinir ağlarından yararlanan hata tanımlama ve teşhis için hibrit bir modelin potansiyelini zar zor ortaya çıkardılar. Hibrit YSA'lara dayalı yaklaşımlar, endüstriyel bağlamlarda teşhis becerilerini önemli ölçüde geliştirebilir. Bunun nedeni, süreçler hakkında giderek daha fazla bilginin erişilebilir hale gelmesidir. Bu tez, bu araştırma alanını ilerletmek amacıyla denetimli sinir ağlarını kullanarak hata tespiti ve sınıflandırması için iki hibrit strateji sunmaktadır. Bu yöntemler hem denetimsiz hem de denetimli öğrenmeyi kullanır. Bu tezin birincil amacı, kimya endüstrisinde problem tespiti için geleneksel teknikleri makine öğrenimi ile birleştiren hibrit bir strateji geliştirmektir. Bu strateji hem geleneksel teknikleri hem de makine öğrenimini kullanacaktır. Teşhis süreçlerinin kesinliği, bu araştırmanın birincil odak noktalarından biri olacaktır.
Özet (Çeviri)
Despite the recent rise in the popularity of machine learning, researchers have barely scratched the surface of the potential of a hybrid model for defect identification and diagnosis leveraging artificial neural networks. Approaches based on hybrid ANNs may be able to significantly improve diagnostic skills in industrial contexts. This is because more and more information about processes is becoming accessible. This thesis offers two hybrid strategies for fault detection and classification using supervised neural networks in an effort to further this area of inquiry. These methods use both unsupervised and supervised learning. The primary purpose of this thesis is to develop a hybrid strategy for problem detection in the chemical industry that combines traditional techniques with machine learning. This strategy will use both conventional techniques and machine learning. The precision of diagnostic processes will be one of the primary focuses of this investigation.
Benzer Tezler
- Dizel makinanın makina öğrenmesi yöntemi kullanılarak modellenmesi ve karar-destek mekanizması oluşturulması
Machine learning method based marine diesel engine modelling and decision-support system setting
TOLGA ŞAHİN
Doktora
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Sabit mıknatıslı senkron relüktans motorlarda makine öğrenmesi tabanlı arıza teşhisi
Machine learning based fault diagnosis in permanent magnet synchronous reluctance motors
AYŞE BAYRAK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN AKIN
- Wide-area measurement-based early prediction and corrective control for transient stability in power systems
Güç sistemlerinde geçici hal kararlılığı için geniş alan ölçümlerine dayalı erken kestirim ve düzeltici kontrol
MOHAMMED S.M. MAHDI
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Lityum iyon bataryalarda parça ömür kestirimi
Calculating remaining useful life of lithium-ion batteries
FERHAT MAÇİN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. SALMAN KURTULAN
- Güç sistemlerinde geçici hal kararsızlığının ve gelişiminin derin öğrenme ve karar ağacı tabanlı yöntemler ile geniş alan ölçümlerine dayalı olarak erken kestirimi
Wide area measurement based early prediction of power system transient instability and its evolution using deep learning and decision tree based algorithms
MERT KESİCİ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ