Power system fault identification and classification in fuel cells via artificial neural network
Yakıt hücrelerinde yapay sinir ağı kullanılarak güç sistemi arıza tespiti ve sınıflandırması
- Tez No: 848957
- Danışmanlar: DR. ÖĞR. ÜYESİ CİHAT ŞEKER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Bu tezde anlatılan araştırma, rulman analizi için gelişmiş işleme ve model tanıma metodolojilerinin kullanılmasına özel bir vurgu yaparak, endüstriyel proseslerdeki arıza teşhisi alanına önemli ölçüde katkıda bulunmaya hazırdır. Araştırmanın temel amacı, rulmanlardaki sorunları ayırt etmek ve teşhis etmek için titreşim analizinin uygulanmasına odaklanıyor. Bu amaçla, Matlab-Simulink tabanlı Proton Değişim Membranlı Yakıt Hücresi (PEMFC) modelinden, özellikle de 6kw-45Vdc modelinden elde edilen giriş-çıkış veri setlerinin analizi için bir Yapay Sinir Ağı (YSA) kullanıldı. Eklemli YSA, sağlanan girdiye dayalı kararlı durum tahminleri sağlamak üzere tasarlanmıştır. Daha sonra, PEMFC'nin çıkışı, özellikle tesisin çıkış voltajında veya akımında değişikliklere neden olan acil olaylara yanıt olarak, modelin çıkışına göre incelenir. Artık sinyal sistematik olarak izlenir ve sistemdeki kusurları tanımlamak ve karakterize etmek için bir teşhis aracı olarak kullanılır. Veri toplamanın ampirik aşaması, Ani, Başlangıç ve Aralıklı arızaları kapsayan çeşitli arıza tipolojilerine uygun olarak bir sistemden veya test donanımından titiz bir şekilde edinilmesini gerektirir. Kararlı durum simülasyonu üç girdi etrafında inşa edilmiştir: ısı, yakıt basıncı, ek olarak hava basıncı ve ayrıca iki çıktı: voltaj ve akım. Matlab'ın Simulink platformu, kapsamlı sistem modellemesi için araçsal bir ortam olarak hizmet vermektedir. Sonraki araştırma aşaması, durum sınıflandırması için Yapay Sinir Ağının kullanımına doğru dönmektedir. Rulman arızası sınıflandırmasını etkilemek için en uygun yöntemi belirlemek amacıyla, destek vektör makineleri, rastgele ormanlar ve ekstrem öğrenme makineleri de dahil olmak üzere çeşitli denetimli öğrenme algoritmalarının incelikli bir şekilde araştırılması ve yan yana getirilmesi gerçekleştirilir. Özetle, bu araştırma, titiz veri toplamayı, Simulink aracılığıyla titiz sistem modellemeyi ve Yapay Sinir Ağı aracılığıyla gelişmiş makine öğrenimi paradigmalarının akıllıca uygulanmasını kapsayan, hata teşhisine yönelik yöntemsel olarak kapsamlı bir yaklaşımı düzenlemektedir. Kapsamlı amaç, endüstriyel prosesler bağlamında rulman arızalarının tespiti ve teşhisidir.
Özet (Çeviri)
The research delineated in this thesis is poised to contribute significantly to the Domain of fault diagnosis in industrial processes, with a specific emphasis on employing sophisticated processing and pattern recognition methodologies for bearing analysis. The primary thrust of the investigation is centered on the application of vibration analysis to discern and diagnose issues in bearings. To this end, an Artificial Neural Network (ANN) is deployed for the analysis of input-output datasets extracted from a Matlab-Simulink-based Proton Exchange Membrane Fuel Cell (PEMFC) model, specifically the 6kw-45Vdc model. The articulated ANN is designed to furnish steady-state predictions predicated on the provided input. Subsequently, the output of the PEMFC is scrutinized vis-a-vis The model's output, particularly in response to emergent events inducing alterations in the plant's output voltage or current. A residual signal is systematically monitored and employed as a diagnostic tool to identify and characterize defects within the system. The empirical phase of data collection entails meticulous acquisition from a system or test rig, with due consideration accorded to diverse fault typologies, encompassing Abrupt, Incipient, and Intermittent faults. The steady-state simulation is built around three inputs: heat, fuel pressure, in addition air pressure, as well as two outputs: voltage and current. Matlab's Simulink platform serves as the instrumental medium for comprehensive system modeling. The subsequent research phase pivots towards the utilization of an Artificial Neural Network for condition categorization. A nuanced exploration and juxtaposition of various supervised learning algorithms, inclusive of support vector machines, random forests, and extreme learning machines, is undertaken to discern the optimal method for effecting bearing fault classification. In summation, this research orchestrates a methodically comprehensive approach to fault diagnosis, encompassing meticulous data collection, exacting system modeling via Simulink, and the judicious application of advanced machine learning paradigms through an Artificial Neural Network. The overarching objective is the discernment and diagnosis of bearing faults within the context of industrial processes.
Benzer Tezler
- Dizel araçlarda ses analiz yöntemleri ve sürücü bilgi sistemi tasarımı ile motor arızası tespiti
Engine fault detection of diesel vehicles by sound analysis methods and driver information system design
ALI MARDAN HAMEED QUTUB
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ
- Elektrik güç sistemlerindeki geçici olayların dalgacık analizi ve olasılıksal sinir ağları yöntemiyle sınıflandırılması
The classification of transient phenomena in the electrical power systems by using wavelet analysis and probabilistic neural networks
TEVFİK DENİZ OKTAY
Yüksek Lisans
Türkçe
2007
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. ASLAN İNAN
- Condition monitoring and fault detection for electrical power systems using signal processing and machine learning techniques
Sı̇nyal ı̇şleme ve makı̇ne öğrenme teknı̇klerı̇ kullanılarak elektrı̇k güç sı̇stemleri ı̇çı̇n durum ı̇zleme ve arıza belirleme
YASMIN NASSER MOHAMED
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Yapay sinir ağları ile optik karakter tanıma
Optical character recognition with artificial neural network
MURATCAN UZTEMUR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. AFİFE LEYLA GÖREN SÜMER
- Dağıtım sistemlerinde güç kalitesi sorunları üzerine melez bir yaklaşım
A hybrid approach to power quality problems in distribution systems
KÜBRA NUR AKPINAR
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik Tesisleri Ana Bilim Dalı
PROF. DR. OKAN ÖZGÖNENEL