Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti

İlhan Aydın; Emrullah Aydın; Erhan Akın; Seyfullah Kaner

Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti

Öz

Asenkron motorlar endüstride iş gücünün sağlanması açısından birçok uygulamada kullanılmaktadır. Asenkron motorlarda oluşan arızalar mil yatağı, stator ve rotor bileşenleri ile ilgilidir. Bu bileşenlerden mil yatağı arızaları en çok karşılaşılan problemlerden biridir. Bu arızaların teşhisi için genellikle titreşim sinyalleri kullanılmaktadır. Endüstriyel ortamda çalışan motor ile aynı özelliklerde bir motor bulmak zor olduğundan karşılaştırma yapılarak arızaların tespiti yapılamamaktadır. Bu çalışmada titreşim sinyallerinin zaman frekans görüntüleri oluşabilecek mil yatağı arızaları için toplanarak transfer öğrenme tabanlı bir model ile eğitilmiştir. Daha sonra endüstriyel mil arızası olan bir motordan aynı şartlarda ve benzer bir konumda alınan sinyaller kullanılarak endüstrideki büyük güçlü motordaki arıza belirlenmiştir. Yapılan testler sonucunda endüstrideki motorda oluşan kusurların %95’in üzerinde doğru bir şekilde tespit edildiği ispatlanmıştır.

Anahtar Kelimeler

Destekleyen Kurum

Türkiye Bilimsel Ve Teknolojik Araştırma Kurumu (TUBITAK)

Proje Numarası

122E412

Teşekkür

Bu çalışma Türkiye Bilimsel Ve Teknolojik Araştırma Kurumu (TUBITAK) tarafından 122E412 nolu proje ile desteklenmiştir.

Kaynakça

[1] Niu, G., Dong, X., & Chen, Y. (2023). Motor Fault Diagnostics Based on Current Signatures: A Review. IEEE Transactions on Instrumentation and Measurement.
[2] Zhang, S., Zhang, S., Wang, B., & Habetler, T. G. (2020). Deep learning algorithms for bearing fault diagnostics—A comprehensive review. IEEE Access, 8, 29857-29881.
[3] Hoang, D. T., & Kang, H. J. (2019). A motor current signal-based bearing fault diagnosis using deep learning and information fusion. IEEE Transactions on Instrumentation and Measurement, 69(6), 3325-3333.
[4] Tran, M. Q., Liu, M. K., Tran, Q. V., & Nguyen, T. K. (2021). Effective fault diagnosis based on wavelet and convolutional attention neural network for induction motors. IEEE Transactions on Instrumentation and Measurement, 71, 1-13.
[5] Shao, S., McAleer, S., Yan, R., & Baldi, P. (2018). Highly accurate machine fault diagnosis using deep transfer learning. IEEE Transactions on Industrial Informatics, 15(4), 2446-2455.
[6] Aburakhia, S. A., Myers, R., & Shami, A. (2022). A hybrid method for condition monitoring and fault diagnosis of rolling bearings with low system delay. IEEE Transactions on Instrumentation and Measurement, 71, 1-13.
[7] Bapir, A., & Aydin, İ. (2021). Cloud based bearing fault diagnosis of induction motors. Computer Science, (Special), 141-146.
[8] Aburakhia, S., Tayeh, T., Myers, R., & Shami, A. (2022, December). Similarity-Based Predictive Maintenance Framework for Rotating Machinery. In 2022 5th International Conference on Communications, Signal Processing, and their Applications (ICCSPA) (pp. 1-6). IEEE.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Elektrik Makineleri ve Sürücüler

Bölüm

Araştırma Makalesi

Yazarlar

İlhan Aydın ^*
0000-0001-6880-4935
Türkiye

Emrullah Aydın
Türkiye

Erhan Akın
Türkiye

Seyfullah Kaner
Türkiye

Yayımlanma Tarihi

30 Ocak 2024

Gönderilme Tarihi

28 Ekim 2023

Kabul Tarihi

13 Kasım 2023

Yayımlandığı Sayı

Yıl 2024 Cilt: 14 Sayı: 1

IZ

https://izlik.org/JA82DT53LG

Kaynak Göster

RIS / Bibtex

APA

Aydın, İ., Aydın, E., Akın, E., & Kaner, S. (2024). Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti. EMO Bilimsel Dergi, 14(1), 51-59. https://izlik.org/JA82DT53LG

AMA

1.Aydın İ, Aydın E, Akın E, Kaner S. Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti. EMO Bilimsel Dergi. 2024;14(1):51-59. https://izlik.org/JA82DT53LG

Chicago

Aydın, İlhan, Emrullah Aydın, Erhan Akın, ve Seyfullah Kaner. 2024. “Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti”. EMO Bilimsel Dergi 14 (1): 51-59. https://izlik.org/JA82DT53LG.

EndNote

Aydın İ, Aydın E, Akın E, Kaner S (01 Ocak 2024) Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti. EMO Bilimsel Dergi 14 1 51–59.

IEEE

[1]İ. Aydın, E. Aydın, E. Akın, ve S. Kaner, “Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti”, EMO Bilimsel Dergi, c. 14, sy 1, ss. 51–59, Oca. 2024, [çevrimiçi]. Erişim adresi: https://izlik.org/JA82DT53LG

ISNAD

Aydın, İlhan - Aydın, Emrullah - Akın, Erhan - Kaner, Seyfullah. “Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti”. EMO Bilimsel Dergi 14/1 (01 Ocak 2024): 51-59. https://izlik.org/JA82DT53LG.

JAMA

1.Aydın İ, Aydın E, Akın E, Kaner S. Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti. EMO Bilimsel Dergi. 2024;14:51–59.

MLA

Aydın, İlhan, vd. “Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti”. EMO Bilimsel Dergi, c. 14, sy 1, Ocak 2024, ss. 51-59, https://izlik.org/JA82DT53LG.

Vancouver

1.İlhan Aydın, Emrullah Aydın, Erhan Akın, Seyfullah Kaner. Derin Evrişimsel Sinir Ağ Mimarisi ve Zaman Frekans Gösterimini Kullanılarak Büyük Güçlü Motor Arızalarının Tespiti. EMO Bilimsel Dergi [Internet]. 01 Ocak 2024;14(1):51-9. Erişim adresi: https://izlik.org/JA82DT53LG