NEGATİF SEÇİM TABANLI BULANIK ARIZA TEŞHİS MODELİ

Öz

Arıza teşhisinin sistemlerde sürekliliği sağlamak açısından önemli olduğu, bu alandaki çalışmaların gün geçtikçe
artmasından da görülmektedir. Akıllı hesaplama teknikleriyle arıza teşhis yöntemlerinin etkinliği artırılmaya
çalışılmaktadır. Bu çalışmada bulanık mantık ve negatif seçim tabanlı bir arıza teşhis yöntemi önerilmiştir.
Önerilen algoritmada yapay bağışıklık sisteminin bir bileşeni olan negatif seçim algoritması kullanılarak kırık
rotor ile ilgili özellik çıkarılmaktadır. Ayrıca motor akım imza analizi kullanılarak elde edilen spektrum değişim
yönü, bulanık mantık sistemine verilerek arıza teşhisi yapılmaktadır. Negatif seçim algoritması için yeni bir
ağırlıklandırılmış afinite ölçümü kullanılmıştır. Önerilen yöntem ile asenkron motorlarda oluşan stator arızası,
mil yatağı sürtünme arızası ve kırık rotor arızaları teşhis edilebilmektedir. Yöntemin çıkışı arıza türü ile birlikte
çoklu arızaları belirlemek için arızanın şiddetini de vermektedir. Önerilen yöntemin doğruluğu ve performansı
simülasyon ve deneysel veriler kullanılarak gösterilmiştir.

Anahtar Kelimeler

• Yapay bağışık sistemler, negatif seçim algoritması, bulanık mantık, asenkron motor, arıza teşhisi.

Kaynakça

1. Benbouzid, M. E. H., Kliman, G. B., “What
2. Stator Current Processing-Based Technique to
3. Use for Induction Motor Rotor Faults
4. Diagnosis?”, IEEE Trans. on Energy Conv.,
5. Cilt 18, No 2, 238-244, 2003.
6. Ayhan, B., Trussel, H. J. Chow M.Y., Song, M.
7. H., “On the Use of a Lower Sampling Rate for
8. Broken Rotor Bar Detection With DTFT and ARBased

9. Spectrum Methods”, IEEE Trans. on
10. Industrial Elect., Cilt 55, No 3, 1421-1434,
11. -
12. Chow, M. Y., Introduction to Motor Incipient
13. Fault Detection Methodologies of Using Neural
14. Network and Fuzzy Logic Technologies for
15. Motor Incipient Fault Detection, World
16. Scientific, Singapore, 1997.
17. Benbouzid, M. E. H., “A Review of Induction
18. Motors Signature Analysis as a Medium for
19. Faults Detection”, IEEE Trans. on Industrial
20. Elect., Cilt 47, No 5, 984-993, 2000.
21. Czeslaw, T. K., Kowalska, T. O., “Neural
22. Network Application for Induction Motor Fault
23. Diagnosis”, Mathematics and Computers in
24. Simulation, Cilt 63, 435-448, 2003.
25. Bellini, A., Filippetti, F., Tassoni, C., Capolino,
26. G.A., “Advances in Diagnostic Techniques for
27. Induction Machines”, IEEE Trans. On
28. Industrial Elect., Cilt 15, No 2, 4109-4126,
29. -
30. Rodriguez, P. V. J., Antero, A., “Detection of
31. Stator Winding Fault in Induction Motor Using
32. Fuzzy Logic”, Applied Soft Computing, Cilt 8,
33. -1120, 2008.
34. Branco, P.J. C., Dente, J. A., Mendes, R. V.,
35. “Using Immunology Principles for fault Detection”, IEEE Trans. on Industrial Elect.,
36. Cilt 50, No 2, 362-373, 2003.
37. Aydın, İ, Karaköse, M., Akın, E. “Bağışık Sistem
38. Tabanlı Bulanık Arıza Teşhis Şeması”, Akıllı
39. Sistemlerde Yenilikler ve Uygulamaları
40. Sempozyumu(ASYU 2006), YTÜ, İstanbul, 47-
41. , 31 Mayıs-2 Haziran 2006.
42. Gao, X. Z., Ovaska, S. J., Wang, X., Chow,
43. M.Y., “A Neural Networks-based Negative
44. Selection Algorithm in Fault Diagnosis”, Neural
45. Computing & Applications, Cilt 17, No 1, 91-
46. , 2008.
47. Aydın, İ., Karaköse, M., Akın,E., “Zaman Serisi
48. Veri Madenciliği ve Destek Vektör Makinalar
49. Kullanan Yeni Bir Akıllı Arıza Sınıflandırma
50. Yöntemi”, Gazi Üniversitesi Mühendislik
51. Mimarlık Fakültesi Dergisi, Cilt 23, No 2, 431-
52. , 2008.
53. Martins, J. F., Pires, V. F., Pires, A. J.,
54. “Unsupervised Neural-Network-Based Algorithm
55. for an On-Line Diagnosis of Three-Phase
56. Induction Motor Stator Fault”, IEEE Trans. On
57. Industrial Elect., Cilt 54, No 1, 2007.
58. Igava, K., Ohashi, H., “A Negative Selection
59. Algorithm for Classification and Reduction of the
60. Noise Effect”, Applied Soft Computing, Cilt 9,
61. –438, 2009.
62. Dasgupta, D., “Advances in Artificial Immune
63. Systems”, IEEE Computational Intelligence
64. Magazine, Cilt 1, No 4, 40-49, 2006.
65. de Castro, L. N., Timmis, J. I., “Artificial Immune
66. Systems as Novel Soft Computing Paradigm”, Soft
67. Computing Journal, Cilt 7, No 7, 1-31, 2003.
68. Leung, K., Cheong, F., Cheong, C., “Generating
69. Compact Classifier Systems Using a Simple
70. Artificial Immune System”, IEEE Trans. On
71. Systems, Man and Cybernetics- Part B:
72. Cybernetics, Cilt 37, No 4, 1344-1356, 2007.
73. Kecman, V., Learning and Soft Computing,
74. Massachusetts Institute of Technology, The MIT
75. Press, Cambridge, 2001.
76. Aydin, I., Karakose, M., Akin, E., “Fault
77. Diagnosis Algorithm Based On Artificial
78. Immunity System”, 14th IEEE Signal Processing
79. and Communications Applications
80. Conference, Antalya, 1-4, 17-19 April 2006.