Sincap kafesli asenkron motorların rotor çubuk kırıklarının akustik ölçümlerle tespiti
Detection of broken rotor bar of squirrel-cage induction motors by acoustic measurements
- Tez No: 823438
- Danışmanlar: DOÇ. DR. İBRAHİM ALIŞKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
Üretim hatlarında yaygın olarak kullanılan asenkron motorların arızaları, firmaların üretim hedeflerine ulaşmasını engellemektedir. Proaktif davranmak ve bakım planlaması yapılmasının önemli olduğu endüstriyel sistemlerde bu durum hem şirketin kazancını hem de sektördeki güvenilirliğini olumsuz etkilemektedir. Proaktif bakım çalışmaları ile elektrikli ekipman arızalarının ortaya çıkmasını önlemek mümkün olmaktadır. Bu tez çalışmasında, yapay arı koloni (YAK) algoritması ile optimize edilen doğrusal olarak artan atalet ağırlığına sahip bir ileri beslemeli geri yayılım (IBGY) sinir ağına dayalı motor arıza tespit yöntemi önerilmiştir. YAK- IBGY yaklaşımının geçerliliğini test etmek için yapay karınca koloni (YKK) algoritması ile optimize edilen IBGY sinir ağı yaklaşımı kullanılmıştır. Çalışmamızda rotor çubuk kırığı tespit için akustik veriden faydanılmıştır. Bu çalışmada, akustik ölçümler ile asenkron motorun rotor çubuk kırığı arızası tespiti incelenmektedir. Ölçümler için test devresinde sincap kafesli 250 W üç fazlı asenkron motor, 370 W AA sürücü, 500 W toz fren ünitesi ve kondansatör mikrofon kullanılmıştır. Sağlam ve rotor çubuk arızası olan motorlar, farklı hız ve tork değerlerinde çalıştırılarak ses dosyaları kaydedilmiştir. Ses verisi pencereleme yöntemi ile gürültüden arındırılmıştır. Daha sonra motorlara ait ses verileri hızlı fourier transform kullanılarak frekans bölgesine taşınmıştır. Elde edilen her bir spektral değişim giriş verisi olarak en yakın komşu algoritması ve yapay sinir ağları (YSA) algoritmasının eğitiminde kullanılmış, test verilerinde rotor kırığı arıza tahmini incelenmiştir. YSA ağırlıklandırma katsayılarınının optimizasyon problemi çok sayıda yerel optimuma sahip olması ve doğru bir şekilde çözülmesi gerektiğinden, yapay karınca koloni (YKK) algoritması ve yapay arı koloni (YAK) algoritması optimizasyon sürecine dahil edilmiştir. YKK algoritmasının maliyet fonksiyonu gözönüne alınarak en düşük değeri sunacak olan veri seti sıralaması elde edilmiştir. Veri seti sıralaması ile YSA'ya eğitim sırasında veri setlerinin sunulma sırası kastedilmektedir. Son aşamada ise YAK algoritması ile YSA'nın ağırlık ve eşik değerlerinin başlangıç değerleri ayarlanarak sezgisel destekli YSA eğitilmiştir. Önerilen deneysel yaklaşımın geçerliliği MATLAB/Simulink ortamında yapılan benzetim sonuçları ve deneysel çalışmalar ile doğrulanmıştır. Yaklaşımların performansını test etmek için ölçülen değişken ile deneysel veri arasındaki hataların etkisini temsil eden ortalama karesel hata (MSE) indisi tercih edilmiştir. Eğitim seti için, ağırlıklandırma katsayılarının rastlantısal olarak seçildiği durumda MSE değeri 0.0098 bulunurken önerilen YKK algoritması ile performans 14% ve YAK algoritması ile performans 28% iyileştirilmiştir. Bununla birlikte, test seti için, ağırlıklandırma katsayılarının rastlantısal olarak seçildiği durumda MSE değeri 0.0118 bulunurken önerilen YKK algoritması ile performans 13,2% ve YAK algoritması ile performans 16% iyileştirilmiştir.
Özet (Çeviri)
Failures of asynchronous motors, which are widely used in production lines, prevent companies from reaching their production targets. In industrial systems where it is important to act proactively and to make maintenance planning, this situation negatively affects both the company's earnings and its reliability in the sector. With proactive maintenance work, it is possible to prevent the occurrence of electrical equipment failures. In this thesis, a motor fault detection method based on a feedforward backpropagation (IBGY) neural network with linearly increasing inertia weight optimized with artificial bee colony (ABC) algorithm is proposed. The IBGY neural network approach, which was optimized by the artificial ant colony (YKK) algorithm, was used to test the validity of the YAK-IBGY approach. In this study, the detection of rotor bar fracture failure of an induction motor with acoustic measurements is examined. For the measurements, 250 W three-phase asynchronous motor with squirrel cage, 370 W AA driver, 500 W powder brake unit and condenser microphone were used in the test circuit. Sound files were recorded by running the motors with sound and rotor bar failure at different speeds and torques. The audio data is noise-free by the windowing method. Then, the sound data of the motors are transferred to the frequency domain by using fast fourier transform. Each spectral change obtained was used as input data in the training of the nearest neighbor algorithm and artificial neural networks (ANN) algorithm, and rotor fracture failure prediction was examined in the test data. Since the optimization problem of ANN weighting coefficients has many local optima and needs to be solved correctly, artificial ant colony (YKK) algorithm and artificial bee colony (AR) algorithm are preferred. Considering the cost function of the YKK algorithm, the data set ranking that will present the lowest value has been obtained. The order of datasets refers to the order in which the datasets are presented to the ANN during training. In the last stage, heuristic supported ANN was trained by adjusting the initial values of the weight and threshold values of the ANN with the ANN algorithm. The validity of the proposed experimental approach has been verified by simulation results and experimental studies in MATLAB/Simulink environment. To test the performance of the approaches, the mean square error (MSE) index, which represents the effect of errors between the measured variable and the experimental data, was preferred. For the training set, when the weighting coefficients are chosen randomly, the MSE value is found to be 0.0098, while the performance has been improved by 14% with the proposed YKK algorithm and 28% with the YAK algorithm. However, for the test set, when the weighting coefficients are chosen randomly, the MSE value is 0.0118, while the performance is improved by 13.2% with the proposed YKK algorithm and by 16% with the YAK algorithm.
Benzer Tezler
- Sürücüyle beslenen sincap kafesli asenkron motorlarda rotor çubuk arızalarının eşzamanlı tanısı
Online rotor bar fault diagnosis of driver fed squirrel cage asynchronous motors
EMRE SAYMAN
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. TAMER KUTMAN
- Investigation of deep bar effect arisen by space harmonics at the start-up stage of squirrel-cage induction motor for different bar cross-sections
Sincap kafesli asenkron motorda yol verme aşamasında uzay harmoniklerinin oluşturduğu derin oluk etkisinin değişik oluk profillerinde incelenmesi
AHMET YASİN YEKSAN
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. AHMET FAİK MERGEN
- Asenkron motorlarda kırık rotor çubuğu arızalarının yapay sinir ağları ile teşhisi
Detection of squirrel cage faults of asynchronous motors via stator current analysis
HAYRİ ARABACI
Yüksek Lisans
Türkçe
2005
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. OSMAN BİLGİN
- Evirici ile sürülen asenkron motorlarda rotor çubuğu kırık arızasının tespiti
The detection of rotor bar broken fault in asynchronous motor drived by inverter
TUFAN DOĞRUER
Yüksek Lisans
Türkçe
2012
Makine MühendisliğiGaziosmanpaşa ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET AKAR
- 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
2012
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. İSMAİL TEMİZ