Yapay sinir ağları ile fırçasız doğru akım motorlarının performans parametrelerinin belirlenmesi
Determination of performance parameters of brushless direct current motors with artificial neural networks
- Tez No: 942548
- Danışmanlar: DOÇ. DR. BARIŞ BORU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 154
Özet
Günümüzde çevreci ulaşım çözümleriyle birlikte elektrikli araçlar, fosil yakıtlı araçların yerini almaya başlamış ve bu dönüşüm artan ivme ile devam etmektedir. Özellikle kısa mesafeli ulaşım, mobilite ve bireysel taşıma alanlarında hafif elektrikli araçlar giderek daha fazla tercih edilmekte; düşük enerji tüketimi, sıfır emisyon salınımları, kompakt yapıları ve sürdürülebilirlikleri ile ön plana çıkmaktadır. Hafif elektrikli araçların güç ve enerji tüketim dengesinin en önemli unsuru motorlarıdır. Hafif elektrikli araçlarda en yaygın şekilde kullanılan dıştan rotorlu fırçasız doğru akım motorlarının (FDAM) hem tasarımı hem de performans analizine yönelik akademik çalışmalar büyük önem taşımaktadır. Dıştan rotorlu FDAM'ler, yüksek tork yoğunluğu ve kompakt yapılarıyla büyük avantaj sunsalar da, tasarım ve analiz süreçleri oldukça karmaşık, zaman alıcı ve çok parametreli hesaplamalar gerektiren mühendislik problemleri içermektedir. Bu noktada, yapay zeka ve özellikle yapay sinir ağları (YSA), motor tasarım süreçlerine önemli bir katkı sağlayarak, karmaşık analizlerin yerine hızlı, doğru ve veri temelli tahmin potansiyeli sunmaktadır. Bu tezde, hafif elektrikli araçlar için dıştan rotorlu FDAM performans değerlerinin tahmini için YSA modeli geliştirilmesi hedeflenmiştir. Çalışmanın ilk aşamasında, FDAM'lerin yapısı, çalışma prensipleri ve tasarım parametreleri detaylı bir şekilde incelenmiştir. Motor performansını etkileyen temel unsurlar analiz edilerek alt bileşenlerinin etkileri, hedef aracın özellikleri ve teknik isterler ile birlikte motorun tasarım süreci oluşturulmuştur. İlerleyen bölümlerde, motorların matematiksel hesaplamaları gerçekleştirilek ,Ansys Maxwell yazılımı kullanılarak, üç adet farklı motor tasarımlarına ait simülasyonlar yapılmış ve motorların performans değerleri elde edilmiştir.ANSYS Maxwell yazılımından elde edilen simülasyon verileri ile oluşturulan 10000 farklı motor değerleri içeren veri seti, MATLAB ortamında eğitilen yapay sinir ağı modeli ile analiz edilmiştir. Modelin doğruluğu, farklı tasarım parametrelerine sahip motorlar üzerinde test edilerek doğrulanmış ve en az %96,14 başarı oranı ile sonuç ürettiği görülmüştür. Geliştirilen Yapay Sinir Ağı modeli tarafından yüksek doğrulukla tahmin edilen motor performans değerleri , bu tahminler doğrultusunda gerçekleştirilen motor tasarımı ile doğrulanarak tez çalışması ile elde edilen YSA modelinin, motor tasarım süreçlerini önemli ölçüde hızlandırabilecek bir yöntem olduğu ortaya konmuştur.
Özet (Çeviri)
In today's world, electric vehicles due to their environmentally friendly transportation solutions have started to supplant fossil fuel vehicles and this transformation continues in an increasing momentum. Especially in the fields of short-distance transportation, mobility and individual transportation, light electric vehicles are increasingly preferred; they stand out with their low energy consumption, zero emission emissions, compact structure and sustainability. The most important element of the power and energy consumption balance of light electric vehicles is their motors. Academic studies on both the design and performance analysis of external rotor brushless direct current motors (FDAM), which are the most widely used in light electric vehicles, are of great importance. Although external rotor FDAMs offer great advantages with their high torque density and compact structure, their design and analysis processes involve complex, time-consuming engineering problems that require multi-parameter calculations. Herein, artificial intelligence and especially artificial neural networks (ANNs) provides an important contribution to motor design processes, offering the potential for fast, accurate and data-driven prediction rather than complex analysis. In this thesis, it is aimed to develop an ANN model for the prediction of external rotor FDAM performance values for light electric vehicles. In the first part of the study, the structure, operating principles and design parameters of FDAMs are analyzed in detail. The main factors affecting the engine performance are analyzed and the design process of the engine is established together with the effects of its subcomponents, target vehicle characteristics and technical requirements. In the following sections, the mathematical calculations of the engines are performed, simulations of three different engine designs are performed using ANSYS Maxwell software and the performance values of the engines are obtained. The data set containing 10000 different engine values created with the simulation data obtained from ANSYS Maxwell software is analyzed with an artificial neural network model trained in MATLAB environment. The accuracy of the model was verified by testing on motors with different design parameters and it was seen that it produced results with at least 96.14% success rate. The engine performance values predicted with high accuracy by the developed Artificial Neural Network model were verified with the engine design realized in line with these predictions and it has been found out that the ANN model obtained in this thesis is a method that can significantly accelerate the engine design processes.
Benzer Tezler
- Fırçasız doğru akım motorlarının yapay sinir ağları ile uyarlamalı denetimi
Adaptive control of brushless DC motors by using artificial neural networks
MUAMMER GÖKBULUT
Doktora
Türkçe
1998
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYHAN ALBOSTAN
- Yabancı uyartımlı ile fırçasız DC motorların hız ve tork karakteristiklerinin karşılaştırılması
Comparison of speed and torque characteristics of separately excited DC motors and brushless DC motors
HÜSEYİN CEM BAYRAKTAR
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN BALIK
- Tekerlek içi elektrik motorlarında yapay zeka tabanlı arıza teşhisi
Fault diagnosis of hub motors based on artificial intelligence techniques
MEHMET ŞİMŞİR
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YILMAZ UYAROĞLU
PROF. DR. RAİF BAYIR
- Pekiştirmeli öğrenme yöntemi ile fırçasız doğru akım motor kontrolü ve yüksek çözünürlüklü enkoder gerçekleştirilmesi
Brushless dc motor control using reinforcement learning method and implementation of high-resolution encoder
EMRE ÇELİK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ATİYE HÜLYA OBDAN
- Fırçasız doğru akım motorunun yapay sinir ağı kullanılarak sensörsüz hız kontrolü
Brushless direct current (BLDC) motor sensorless speed control using artificial neural networks
ALİ TAŞKIRAN
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiKTO Karatay ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ALP