ASENKRON MOTORDA YAPAY SİNİR AĞLARI İLE DURUM KESTİRİMİ

Öz

Asenkron motorun çalışması esnasında oluşabilecek arızaların anlık olarak tespit edilebilmesi, motorun görev yaptığı sistemin kusursuz çalışması açısından son derece önem arz etmektedir. Bu çalışmada, üç fazlı kafesli bir asenkron motorda arızaların tespit edilebilmesi için yapay sinir ağları (YSA) modeli kullanılmıştır. Belirli bir zaman aralığı için asenkron motorun titreşim verileri alınarak veri seti oluşturulmuştur. Oluşturulan veri setinin % 80 i ile model eğitilmiş, %10 u ile model test edilmiştir. Yapay sinir ağı modelinin test edilmesi sonucunda % 98,8 oranında bir tahmin oranı elde edilmiş ve ANN modelinin çıkışı ile hedefin birbirleri ile örtüştüğü görülmüştür.

Anahtar Kelimeler

• Yapay Sinir Ağları (YSA),Arıza,Asenkron Motor,Titreşim

PREDICTION OF STUATION IN AN INDUCTION MOTOR WITH ARTIFICIAL NEURAL NETWORK

Öz

Instantly detection of faults that may occur during the operation of induction motors is extremely important for the flawless operation of the system in that the motor running. In this study, artificial neural network (ANN) model was used in order to detect the faults of a three-phase squirrel cage induction motor. Data set has been created with vibration data on the induction motor for a specific time interval. The model trained with 80% of the generated data set and tested with 10% of the data set. As a result of testing the artificial neural network model; an estimated rate of 98.8% was obtained and in addition, the target and output of the ANN model found to be very close to each other.

Anahtar Kelimeler

• Artificial Neural Network (ANN),Fault,Induction Motor,Vibration

Kaynakça

1. Aktas, M., H. Okumus, I. (2010). Stator resistance estimation using ANN in DTC IM drives. Turk J Elec Eng & Comp Sci, Vol.18, No.2.
2. Ashwani, K., Amar, P. (2016). Transistor level fault diagnosis in digital circuits using artificial neural network. Measurement, 82, 384–390.
3. Bimal, K. (2002). Modern power electronics and AC drives, Prentice –Hall, USA Hakan, Ç., Kıyas K.(2007). Asenkron motor hata teşhisinde modern metodlar, Makine Teknolojileri Elektronik Dergisi. (4) 2, 49-57.
4. Cemalettin, K. (2012). Matlab 7.11, Yapay zeka ve mühendislik uygulamaları, Sakarya Gelişim Ofset, Birinci Baskı, Sakarya.
5. Chine, W., Mellit, A., Lughi, V., Malek, A., Sulligoi G., Massi P. (2016). A novel fault diagnosis technique for photovoltaic systems based on artificial neural Networks” Renewable Energy, 90, 501-512,
6. Çetin, E. (2003). Yapay Sinir Ağları, Birinci Baskı, Seçkin, Ankara.
7. Demetgül, M. (2008). Pömatik sistemde gerçek zamanlı LVQ yapay sinir ağı algoritması ile arıza tespiti. Pamukkale Üniversity Engineering Faculty Journal of Engineering Sciences, 14 , 1, 83-90.
8. Ercan, Ö. (2006). Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul.

9. Sina T. S., Bathaie, Khorasani, K. (2015). Fault detection and isolation of gas turbine engines using a bank of neural Networks” Journal of Process Control 36, 22–41.
10. Vasif, V. N. (2005). Yapay Zeka, İkinci Baskı, Seçkin, Ankara.