Derin meta-öğrenme tabanlı bir akıllı arıza teşhis yaklaşımı
A deep meta-learning based intelligent fault diagnosis approach
- Tez No: 941386
- Danışmanlar: DOÇ. DR. EYÜP ÇİNAR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda, özellikle endüstriyel ortamlarda makine ve teçhizat durumlarının izlenmesi ve arızalarının teşhisi konusunda veri odaklı çözümler yaygınlaşmaktadır. Bu alanda yapılan mevcut çalışmalarda genellikle derin öğrenme yöntem ve tekniklerinden faydalanılsa da çoğu yaklaşım, büyük miktarda etiketlenmiş ve zaman damgalarıyla işaretlenmiş arıza verisine ihtiyaç duymaktadır. Fakat gerçek endüstriyel ortamlarda uzun süreli ve kapsamlı olarak arıza verisinin toplanması çoğu zaman zor ya da imkânsızdır. Bahsedilen sorunlara çözüm olarak, tez kapsamında sınırlı miktardaki verilerden arıza teşhisi yapabilen çoklu sensör füzyonuyla güçlendirilmiş derin meta-öğrenme tabanlı bir arıza teşhis yaklaşımı geliştirilmiştir. Derin meta-öğrenme teknikleri, az örnekli öğrenme stratejilerini kullanarak özellikle kritik alanlarda ortaya çıkan veri kıtlığı gibi zorlukların üstesinden gelebilecek potansiyele sahiptir. Tez çalışmasında önerilen yaklaşım, eş zamanlı olarak çoklu sensörler yardımıyla toplanan zaman serisi sinyallerini zaman-frekans düzlemine aktararak metrik tabanlı bir meta-öğrenme yöntemi olan İlişki Ağları'nı içeren çok dallı bir özgün arıza teşhis yöntemiyle sınıflandırmaktadır. Üç farklı kullanım senaryosu için üç farklı endüstriyel veri seti üzerinde yapılan deneyler, yaklaşımın tekli sinyallere kıyasla üstün performans gösterdiğini ve sinyal sayısı arttıkça başarımın yükseldiğini ortaya koymaktadır. Önerilen yaklaşım literatürdeki mevcut yöntemlere kıyasla test doğruluğunda önemli kazanımlar sunmuş olup; benzer arızaların farklı seviyelerinin teşhisinde 3 sınıflı 1 örnekli ve 10 örnekli deneylerde sırasıyla %5,83 ve %6,07, aynı arızaların farklı çalışma koşullarında teşhisinde 5 sınıflı 1 örnekli ve 10 örnekli deneylerde sırasıyla %11,69 ve %10,26 ve farklı arıza türlerinin teşhisinde ise 3 sınıflı 1 örnekli, 3 sınıflı 10 örnekli, 5 sınıflı 1 örnekli ve 5 sınıflı 10 örnekli deneylerde de sırasıyla %5,88, %6,07, %6,55 ve %2,95 oranlarında iyileşme sağlamıştır.
Özet (Çeviri)
In recent years, data-driven solutions have been widely utilized for monitoring the conditions and fault diagnosis of machinery and equipment, particularly in industrial settings. Although current studies in this field commonly utilize deep learning methods and techniques, most approaches require large amounts of labeled and time-stamped fault data. However, collecting such extensive and long-term fault data in real industrial environments is often difficult or even impossible. To address these challenges, this thesis proposes a multisensory data fusion enhanced deep meta-learning approach, that is capable of diagnosing faults using limited data. Deep meta-learning techniques, by employing few-shot learning strategies, hold significant potential in overcoming data scarcity issues, particularly in critical domains. The proposed approach transforms time domain signals collected simultaneously from multiple sensors into the time-frequency domain and classifies them using a novel multi-branch fault diagnosis approach incorporating Relation Networks, a metric-based meta-learning method. Experiments conducted on three different industrial datasets under three distinct use cases demonstrate that the proposed method outperforms single-signal techniques and its performance improves as the number of signal types increases. Compared to existing methods in the literature, the proposed approach has achieved significant gains in test accuracy, including 5.83% and 6.07% for 3-way 1-shot and 3-way 10-shot tasks across different fault severities of similar fault types; 11.69% and 10.26% for 5-way 1-shot and 5-way 10-shot tasks for the same faults under varying operating conditions; and 5.88%, 6.07%, 6.55%, and 2.95% for 3-way 1-shot, 3-way 10-shot, 5-way 1-shot, and 5-way 10-shot tasks, respectively, across various fault types.
Benzer Tezler
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Ön işlemenin ve askorbik asitin dondurularak depolanan yılan balıklarının (Anguilla anguilla) kalitesine etkileri
Başlık çevirisi yok
H.VOLKAN GÖKSEL
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSu Ürünleri Ana Bilim Dalı
DOÇ. DR. AYDIN URAL
- Antakya tarihi ticaret merkezi mekansal yapı değişim ve gelişim sürecinin kent ticaret merkezi planlamasına etkinliği
The Effectiveness of spatial structural chance and development period of the historical trade center of Antakya in the urban trade planning
NEVİN TURGUT
Yüksek Lisans
Türkçe
1986
Şehircilik ve Bölge PlanlamaGazi ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
YRD. DOÇ. DR. NURCAN UYDAŞ