Wavelet based anomalous sound detection
Dalgacık tabanlı anormal ses tespiti
- Tez No: 878122
- Danışmanlar: PROF. DR. İSMAİL AVCIBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: OSTİM TEKNİK ÜNİVERSİTESİ
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Teknolojileri Bilim Dalı
- Sayfa Sayısı: 79
Özet
Bu tezde, değişen çevresel koşullar arasında anormal makine seslerini ayırt edebilen sistemler geliştirmek amacıyla makine öğrenmesi yöntemleri kullanılmıştır. Makine öğrenmesi algoritmalarından yararlanılarak tasarlanan Anormal Ses Tespiti (AST) sistemleri, anomalileri belirlemede yüksek başarı göstermekte olup, endüstriyel makine izlemeyi ve operasyonel güvenliği artırmaktadır. Dalgacık tabanlı öznitelikler kullanılarak farklı sınıflandırma modelleri eğitilmiş ve test edilmiştir. Önerilen yöntemin ses anomali tespitindeki etkinliği, çeşitli makine türlerinde %81.71 ile %95.04 arasında değişen doğruluk oranlarıyla deneysel bulgular tarafından doğrulanmıştır. Titizlikle yürütülen deneyler sonucunda elde edilen veriler, önerilen yöntemlerin etkinliğini ve çok yönlülüğünü göstermektedir. Bu çalışma, daha akıllı, güvenli ve dirençli endüstriyel sistemlerin geliştirilmesine katkı sağlamaktadır. Elde edilen sonuçlar, endüstriyel operasyonların verimliliğini ve güvenliğini artırma potansiyeli taşımaktadır.
Özet (Çeviri)
This thesis delves into the intricate intersection of ASD and artificial intelligence (AI) to develop robust systems capable of discerning abnormal machine sounds a midst varying environmental conditions. Leveraging machine learning algorithms, the ASD framework presented herein demonstrates remarkable efficacy in identifying anomalies, thereby bolstering industrial machinery monitoring and operational safety. Wavelet-based features are used for training and testing a classification algorithm. The efficiency of the suggested method for sound anomaly identification is confirmed by the experimental findings, which demonstrate promising accuracy rates across a range of machine kinds, with the best values being between 81.71% and 95.04%. The results are backed up by thorough methodologies and assessments that guarantee their robustness and comprehensiveness. Through meticulous experimentation and analysis, These results illustrate the efficacy and adaptability of the suggested approaches. Smarter, safer, and more resilient industrial systems are made possible by our study. In the end, these developments have the potential to improve operational effectiveness and safety worldwide.
Benzer Tezler
- A remedy for major cosmological tensions: Dark energy with an oscillating inertial mass density
Başlıca kozmolojik gerilimler için tek bir reçete: Salınımlı eylemsizlik kütle yoğunluğuna sahip karanlık enerji
CİHAD KIBRIS
Yüksek Lisans
İngilizce
2022
Astronomi ve Uzay Bilimleriİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR AKARSU
- Wavelet based detection of network traffic anomalies
Dalgacık tabanlı ağ anormalliklerinin tespit edilmesi
DAĞHAN HASAN
Yüksek Lisans
İngilizce
2007
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. EMİN ANARIM
- Wavelet methods for solving nonlinear fractional order partial differential equations
Doğrusal olmayan kesirli mertebeli kısmi diferansiyel denklemlerin dalgacık yöntemleriyle çözümü
MELİH ÇINAR
Doktora
İngilizce
2022
MatematikYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN SEÇER
- A wavelet-based intrusion detection system for controller areanetwork (Can)
Başlık çevirisi yok
MEHMET BOZDAL
Doktora
İngilizce
2021
Astronomi ve Uzay BilimleriCranfield UniversityPROF. IAN JENNİONS
DR. MOHAMMAD SAMİE
- İzmit Körfezi kuzeyindeki manyetik anomali verilerinden tilt açısı ve ayrık dalgacık dönüşümü kullanılarak çizgiselliklerin belirlenmesi
Detection of lineaments from magnetic anomaly data in the north of Izmit Bay using tilt angle and discrete wavelet transform
RAFİA ENSARİ
Yüksek Lisans
Türkçe
2012
Jeofizik MühendisliğiKocaeli ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT ORUÇ