A predictive maintenance framework for rolling bearings using mems-based vibration monitoring
Mems tabanlı titreşim izleme ile rulmanlar için kestirimci bakım yaklaşımı
- Tez No: 996545
- Danışmanlar: PROF. DR. HAKAN YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, düşük maliyetli bir MEMS ivmeölçeri olan ADXL320 sensörünün değişken devirli bir şaft–rulman sisteminde titreşim temelli durum izleme amacıyla kullanılabilirliği incelenmiş ve kestirimci bakım uygulamaları için sağlıklı çalışma koşullarına ait bir referans titreşim imzası oluşturulmuştur. Deneysel düzenekte 12 kW gücünde bir elektrik motoru ile tahrik edilen 25 mm çapında çelik bir şaft, biri motor tarafında diğeri serbest uçta konumlanan iki adet SKF 6305-2Z rulman tarafından desteklenmiş; şaft devri 900–12.000 d/d aralığında sekiz basamakta artırılarak her bir devirde 30 saniyelik sabit hız koşulları sağlanmıştır. Her iki rulmandan eksenel ve çevresel yönlerde eş zamanlı olarak ADXL320 sensörleriyle 5000 Hz örnekleme frekansında titreşim verileri toplanmış, ham sinyaller MATLAB ortamına aktarılarak Hanning pencereli, 0,5 saniyelik segmentlere dayalı ve yüzde 50 bindirmeli FFT analizleri uygulanmış, ayrıca devir–frekans gelişimlerini incelemek üzere Siemens Testlab yazılımı ile renk haritaları oluşturulmuştur. Analizler sonucunda, sensörün sınırlı bant genişliğine rağmen teorik olarak hesaplanan rulman karakteristik frekanslarına (BPFI, BSF, FTF) yakın bölgelerde düşük genlikli ancak tekrarlanabilir spektral bileşenleri yakalayabildiği görülmüştür. Çevresel titreşim ölçümlerinin eksenel ölçümlere kıyasla daha yüksek genlik ve daha zengin harmonik yapı sergilemesi, sistemin dinamik özellikleri ile uyumludur ve tanılama açısından bu yönün daha duyarlı olduğunu göstermektedir. Hiçbir hız basamağında belirgin bir arıza imzası, yüksek enerjili bir harmonik dizisi veya modülasyon yan bandı gözlenmemiş; bu sonuç, rulmanların test süresince sağlıklı durumda olduğunu doğrulamıştır. Elde edilen spektral ve zaman–frekans temsilleri, sistemin nominal çalışma davranışını tanımlayan güvenilir bir titreşim tabanı oluşturmuş ve gelecekte meydana gelebilecek arızaların erken tespiti için referans niteliği kazanmıştır. Çalışma genel olarak, düşük maliyetli bir MEMS ivmeölçer ile dahi rulman titreşimlerinin güvenilir şekilde izlenebileceğini, karakteristik frekans bölgelerindeki küçük değişimlerin bile algılanabileceğini ve böylece maliyet etkin kestirimci bakım çözümlerinin uygulanabilir olduğunu ortaya koymuştur.
Özet (Çeviri)
This thesis examines the viability of employing a low-cost MEMS accelerometer, the ADXL320, for vibration-based condition monitoring of rolling-element bearings functioning under variable-speed conditions and establishes a benchmark vibration signature indicative of optimal performance for predictive maintenance purposes. In the experiment, a 12 kW electric motor powers a 25 mm steel shaft which is held up by two SKF 6305-2Z bearings, one on the motor side and the other on the free end. The shaft speed goes up from 900 to 12,000 rpm in eight steps, each lasted 30 seconds to make sure the entire system runs smoothly. ADXL320 sensors acquire both axial and tangential vibration data from both bearings at the same time, at a rate of 5000 Hz. The raw time-domain signals are sent to MATLAB, in which FFT analysis are done with Hanning windows, 0.5 second sections and with 50% overlap. Siemens Testlab is only utilized to make time-frequency colormaps. The results show that even though the ADXL320 has a small bandwidth, it can nonetheless find low-amplitude yet repeatable spectral components close to the theoretical bearing characteristic frequencies (BPFI, BSF, FTF). Tangential measurements show higher amplitudes and more harmonic content than axial measures. This is in line with how the system acts dynamically and shows that it is better at diagnosing problems. Vibration amplitudes rise in a predictable way with rotational speed at all speed plateaus. However, none of the FFT spectra show any clear signs of defects, such as strong harmonics, high-energy peaks, or modulation sidebands. This shows that both bearings stay in good shape during testing. So, the spectral and time-frequency representations that came out of this are a good foundation for how the system should work, which may be used for future defect detection and trend analysis. The study shows that even a cheap MEMS accelerometer can accurately record the important vibration patterns of rolling bearings, find tiny changes in typical frequency ranges, and help with cost-effective predictive maintenance plans.
Benzer Tezler
- Multi-channel, multi-level framework for bearing fault diagnosis in electrical machines
Elektrik makinelerinde rulman arıza teşhisi için çok kanallı, çok seviyeli çerçeve
İBRAHİM HALİL ÖZCAN
Doktora
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TÜRKER İNCE
PROF. DR. LEVENT EREN
- AI-based forecasting and optimization framework for automotive after-sales systems
Otomotiv satış sonrası sistemler için entegre yapay zeka tabanlı tahmin ve optimizasyon çerçevesi
ŞENDA YILDIRIM ÇELİK
Doktora
İngilizce
2026
Endüstri ve Endüstri MühendisliğiKadir Has ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET DENİZ YÜCEKAYA
DOÇ. DR. MUSTAFA HEKİMOĞLU
- A digital twin framework for predictive maintenance
Öngörücü bakım için dijital ikiz çerçevesi
MUSTAFA FURKAN SÜVE
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN İNCE
- Development of a tinyml (tiny machine learning) model for predictive maintenance of industrial assets in an IIOT (industrial internet of things)
IIOT (endüstriyel nesnelerin interneti)' de endüstriyel varlıkların kestirimci bakımı için tinyml (lokal gömülü sistem makine öğrenmesi) modelinin geliştirilmesi
BITA GHASEMKHANI
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP ALP KUT
- Statistical report generation for predictive maintenance: A benchmark of large language models
Öngörülebilir bakım analitiklerinin raporlanması: Büyük dil modelleri için bir benchmark çalışması
HÜSEYİN HALİD ÖZKILIÇ
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÜMİT DENİZ ULUŞAR