Geri Dön

FPGA tabanlı hata tespit ve sınıflandırma sistemi tasarımı

Design of an FPGA based fault detection and classificationsystem

PDF İndir

  1. Tez No: 866587
  2. Yazar: İSMAİL PALIT
  3. Danışmanlar: PROF. DR. ALİ ZİYA ALKAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 138

Özet

Veriye dayalı bakım, durum izleme teknolojisini kullanarak elektromekanik sistemlerin sağlık durumlarına ilişkin çıkarımlar yapmak ve bakım planları üretmek olarak nitelendirilir. Durum izleme elektromekanik sistemler üzerinden toplanan fiziksel verileri, yerine göre regresyon ve sınıflandırma modelleri ile kullanarak, sistemlerin hata tespiti, hata sınıflandırması ve kalan faydalı ömür analizini gerçekleştirme işlemidir. Bu doğrultuda literatürdeki veri edinimi, sinyal işleme, makine öğrenmesi konularından yararlanılır. Veriye dayalı bakım üretim, otomotiv, demiryolu taşımacılığı, büyük iş makineleri, inşaat, tüketici elektroniği endüstrilerinde yaygın olarak kullanılmaktadır. Ancak veriye dayalı bakım yaklaşımının Savunma Sanayii alanındaki kullanımı kısıtlıdır. Bu tez çalışması kapsamında gerçek bir Savunma Sanayii ürününden, farklı sağlık durumlarında titreşim ve akım verileri toplanmıştır. Toplanan veriler öznitelik çıkarımında ve farklı makine öğrenmesi modelleri geliştirmede kullanılmıştır. Destek Vektör Makinesi (İng. SVM), Karar Ağaçları (İng. DT), K-En Yakın Komşu (İng. KNN), Rastgele Orman (İng. RF) ve Doğrusal Regresyon (İng. LR) modellerinin farklı özniteliklerle başarımları incelenmiştir. En başarılı sonucu veren SVM modeli FPGA içerisinde gerçekleştirilmiş ve FPGA tasarımının başarımı test edilmiştir. Tez çalışması sonucunda, bir veriye dayalı bakım çalışması gerçekleştirilmiş ve gerçek bir askeri mekanik sistem üzerinde uygulanmıştır.

Özet (Çeviri)

Data-driven maintenance is defined as making inferences about the health status of electromechanical systems and producing maintenance plans using condition monitoring technology. Condition monitoring is the process of performing fault detection, fault classification and remaining useful life analysis of systems by using physical data, that is collected from electromechanical systems, with regression and classification models. In this regard, data acquisition, signal processing and machine learning subjects in the literature are utilized. Data-driven maintenance is widely used in the manufacturing, automotive, railway transportation, large construction equipment, construction and consumer electronics industries. However, the use of the data-driven maintenance approach in the Defense Industry is limited. Within the scope of this thesis study, vibration and current data were collected from a real Defense Industry product in different health conditions. The collected data was used in feature extraction and developing different machine learning models. The performance of Support Vector Machine (SVM), Decision Trees (DT), K-Nearest Neighbor (KNN), Random Forest (RF) and Linear Regression (LR) models with different features was examined. The SVM model that gave the most successful results was implemented in the FPGA and the performance of the FPGA design was tested. As a result of the thesis study, a data-driven maintenance study was carried out and applied on a real military mechanical system.

Benzer Tezler

  1. Tez No

    542728

    Silah seslerinin konvolüsyonel yapay sinir ağları ile sınıflandırılması ve atıcı konum tespitinin yapılması

    Classification of weapon sounds with convolutional neural networks and detection of shooter location

    İLYAS ÖZER

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OĞUZ FINDIK

  2. Tez No

    677638

    FPGA tabanlı IQ-math sayı standardında YSA aktivasyon fonksiyonlarının tasarımı ve gerçeklenmesi

    Design and implementation of FPGA-based ANN activation functions in IQ-math number standard

    MEHMET ŞAMİL AKÇAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiAfyon Kocatepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSMAİL KOYUNCU

  3. Tez No

    901599

    FPGA tabanlı PCB hata tespitinde derin öğrenme uygulaması

    FPGA based deep learning implementation for PCB fault detection

    İZEMNUR BUDAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiMarmara Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAYRİYE KORKMAZ

    DR. ÖĞR. ÜYESİ SEZEN BAL

  4. Tez No

    334388

    SRAM tabanlı cihazlarda 2-boyutlu EG-LDPC kodlarından yararlanılarak uzay'ın radyasyon ortamından kaynaklanan geçici hatalara karşı koruma sağlanması

    2-dimensional EG-LDPC codes for achieving fault tolerance in SRAM based devices

    MUSTAFA DEMİRCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BÜLENT TAVLI

  5. Tez No

    881404

    Design of a microprocessor-based embedded fault diagnostic system and an FPGA-based improvement proposal

    Mikroişlemci tabanlı bir gömülü tanı sistemi tasarımı ve FPGA tabanlı bir optimizasyon önerisi

    ONUR BEKAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

Geri Dön