Browsing by Author "Özcan, İbrahim Halil"

Now showing 1 - 1 of 1

Multi-Channel, Multi-Level Framework for Bearing Fault Diagnosis in Electrical Machines
(İzmir Ekonomi Üniversitesi, 2021) Özcan, İbrahim Halil; Eren, Levent; İnce, Türker
Elektrik motorları kararlılık, sağlamlık ve kullanım kolaylığı avantajları ile birlikte gelmektedirler. Ayrıca kullanıcılara düşük işletme ve bakım maliyetleri sağlarlar. Bu önemli özelliklerinden dolayı çok çeşitli endüstriyel uygulamalarda yaygın olarak tercih edilmektedirler. Asenkron motorların arızalanması, endüstriyel üretim üzerindeki etkisi nedeniyle büyük bir endişe kaynağıdır. Asenkron makinelerde yaygın olarak bilyalı veya rulmanlı yataklar kullanılmaktadır ve en yaygın motor arızaları bu bileşenlerden kaynaklanmaktadır. Bu olası rulman arızalarının en erken aşamada doğru bir şekilde tespit edilmesi, kaçınılmaz tehlikelerle karşı karşıya kalmak yerine ilgili parçaları onararak ve/veya değiştirerek sorunu daha düşük maliyetle çözmek için kritik öneme sahiptir. Literatürde yer alan arıza tespiti ile ilgili pek çok araştırma, tek bir girişe dayalı ikili {sağlıklı, arızalı} motor arıza durumlarını tespit etmeye odaklanmıştır. Bu doktora tezinde, çok kanallı, çok seviyeli 1B-Evrişimli Sinir Ağ (CNN) yapısı, ham zaman alanlı titreşim sinyallerini işleyerek, rulman arızalarını daha erken seviyelerde geliştirilmiş bir performansla sınıflandırmak için tasarlanmış ve kullanılmıştır, ve dolayısıyla yapı kestirimci bakım amacıyla kullanılabilmektedir. Önerilen sistem, her biri farklı hata türleri için uzmanlaşmış kompakt 1B CNN'ler grubunu eş zamanlı olarak farklı hata türlerini ({iç bilezik arızası, dış bilezik arızası, yuvarlanan eleman arızası}, gibi) tanımlamak için kullanmakta ve tanımlanan arıza tipine ait iki seviyeli ({erken seviye arıza, gelişmiş seviye arıza}, gibi) arıza tespiti başarmaktadır. Ek olarak, gerçek zamanlı uygulamalar gerçekleştirebilmek için veri ön işleme olarak kayan pencere tekniği uygulanmaktadır. Rulman hataları için en zengin bilgi kaynağı olan titreşim sinyalleri, özellikle hataların erken tespiti için seçilmiştir ve Ulusal Havacılık ve Uzay Dairesi (NASA) ile işbirliği içindeki Cincinnati Üniversitesi, Akıllı Bakım Sistemleri Merkezi (IMS) tarafından sağlanan referans titreşim veri seti, önerilen yaklaşımın performansını doğrulamak ve sonuçları geleneksel tek eksenli veri tabanlı hata algılama yöntemleriyle karşılaştırmak için bu tezdeki deneylerde kullanılmaktadır.