FPGA tabanlı hata tespit ve sınıflandırma sistemi tasarımı
Design of an FPGA based fault detection and classificationsystem
- Tez No: 866587
- Danışmanlar: PROF. DR. ALİ ZİYA ALKAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. OĞUZ FINDIK
- 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
2021
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL KOYUNCU
- FPGA tabanlı PCB hata tespitinde derin öğrenme uygulaması
FPGA based deep learning implementation for PCB fault detection
İZEMNUR BUDAK
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRİYE KORKMAZ
DR. ÖĞR. ÜYESİ SEZEN BAL
- 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
2013
Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT TAVLI
- 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
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ