MARŞ MOTORU AKIM SİNYALLERİ WAVELET ANALİZ SONUÇLARININ BULANIK MANTIK İLE SINIFLANDIRILARAK ARIZA TESPİTİ

Öz

Marş motorları ağır yük altında çalışan seri sargılı doğru akım motorlarıdırlar. Marş motorları içten yanmalımotorların (İYM) başlatılmalarını sağladıklarından marş motorunun arızalanması durumunda içten yanmalımotorlar çalıştırılamazlar. Marş motorunun çektiği akım ve uçlarında düşen gerilimin değeri zamana bağlı olarakdeğişmektedir. Zamana bağlı olarak değişen (durağan olmayan) sinyallerin incelenmesinde Wavelet Analizi(WA), Hızlı Fourier Dönüşümüne göre daha iyi sonuç vermektedir. Bu çalışmada, arızalı marş motorunun, akımve gerilim sinyalleri, bir ölçüm düzeneği kullanılarak ölçülmüş ve arızalı marş motoruna ait akım sinyalleriwavelet analizi ile bileşenlerine ayrıştırılmıştır. Bu ayrıştırmadan elde edilen katsayılar kullanılarak marşmotorlarında ve marş sisteminde gözlenen arızalar Bulanık Mantık (BM) ile sınıflandırılmıştır. Hata teşhisi içinMATLAB’ ta grafik ara yüzlü bir yazılım geliştirilmiştir. Geliştirilen bu hata teşhis sistemi ile marş motorlarındaen sık gözlenen altı çeşit arıza başarıyla teşhis edilmiştir.

Anahtar Kelimeler

• Marş motoru, wavelet analizi, bulanık mantık, hata teşhisi.

Kaynakça

1. Vas, P., Parameter Estimation, Condition
2. Monitoring and Diagnosis of Electrical
3. Machines, Claredon Press, Oxford, A.B.D., 1993.
4. Finley, W. R. and R. R. Burke, “Troubleshooting
5. Motor Problems”, IEEE Transactions on Ind.
6. Applications, Cilt 30, No 5, 1383-1397, 1994.
7. Subhasis, N. ve Toliyat, H. A., “Condition
8. Monitoring and Fault Diagnosis of Electrical

9. Machines- a Review”, IEEE Ind. App. Society,
10. Cilt 1, 197-204, 1999.
11. Gao X. Z. and Ovazska S. J., “Soft Computing
12. Methods in Motor Fault Diagnosis”, Applied Soft
13. Computing, Cilt 1, 73-81, 2001.
14. Isemann, R., “Supervision, Fault-Detection and
15. Fault–Diagnosis Methods an Introduction”,
16. Control Eng. Prac., Cilt 5, No 5, 639-652, 1997.
17. Liu, X. Q., Zhang, H. Y., Jun, L. ve Yang, J.,
18. “Fault Detection and Diagnosis of Permanent-
19. Magnet DC Motor Based on Parameter Estimation
20. and Neural Network”, IEEE Tran. Ind.
21. Electronics, Cilt 47, No 5, 1021-1030, 2000.
22. Füssel, D. ve Ballé, P, Combining Neuro-Fuzzy
23. and Machine Learning for Fault Diagnosis of a
24. D.C. Motor, Proc. American Control Conference,
25. -41, 1997.
26. Moseler, O. and Isermann, R., “Application of
27. Model-Based Fault Detection to a Brushless DC
28. Motor”, IEEE Trans. Ind. Elect., Cilt 47, No 5,
29. -1020, 2000.
30. Isermann, R. ve Moseler, O., “Application of
31. Model-Based Fault Detection to a Brushless DC
32. Motor”, IEEE Tran. Ind. Elec., Cilt. 47, No. 5,
33. -1020, 2000.
34. Awadallah, M. A. and Marcos, M. M., “Adaptive-
35. Fuzzy-Based Stator Winding Fault Diagnosis of
36. PM Brushless DC Motor Drive by Monitoring
37. Supply Current”, IEEE Power Engineering
38. Review, Cilt 22, No 12, 46-49, 2002.
39. Bayır, R. Yapay Zeka Teknikleri Kullanılarak
40. Marş Motorlarında Hata Teşhisi, Doktora Tezi,
41. Gazi Üniv., Fen Bilimleri Enstitüsü, 2005.
42. Bayir, R. and Bay, Ö. F., Serial Wound Starter Motor Faults Diagnosis Using Artificial Neural
43. Network, ICM’ 04 Proceedings of the IEEE
44. International Conference Mechatronics, Istanbul,
45. Turkey, 194-199, 2004.
46. Bay, Ö.F. ve Bayir, R., “Kohonen Network Based
47. Fault Diagnosis and Condition Monitoring of Pre-
48. Engaged Starter Motor”, Int. J. of Automotive
49. Technology, Cilt 6, No 4, 341-351, 2005.
50. Misiti, M, Misiti, Y., Oppenheim, G., ve Poggi, J.
51. M., Wavelet Toolbox User’s Guide, The
52. MathWorks Inc., USA, 2005.
53. Wang, P., Propes, N., Khiripet, N., Li, Y. ve
54. Vachtsevanos G., An Integrated Approach to
55. Machine Fault Diagnosis, IEEE Annual Textile,
56. Fiber and Film Industry Technical Conference, 4-
57. , May, 1999.
58. Boltezar, M., Simonovski, I. ve Furlan, M., “Fault
59. Detection in DC Electro Motor Using Continuous
60. Wavelet Transform”, Meccanica , Cilt 38, No 2,
61. -264, 2003.
62. Lou, X., Loparo, K. A., Discenzo, F. M., Yoo, J.
63. ve Twarowski, A., A Wavelet - Based Technique
64. for Bearing Diagnostics, Int. Conference on
65. Acoustics, Noise and Vibration, Montreal,
66. Canada, 8-12, August 2000.
67. Lee, D. ve Morrison, R., “Multiresolution Based
68. Pattern Recognition Approach for Condition
69. Monitoring of Switchgear”, Electrical &
70. Computer Systems Engineering Dept., Monash
71. University, Australia, 1999.
72. Dalpiaz, G., Rivola A ve Rubini, R., “Gear Fault
73. Monitoring: Comparison of Vibration Analysis
74. Techniques”, Proc. 3rd Int. Conf. Acoustical
75. and Vibratory Surveillance Methods and Diag.
76. Tech., Senlis, France, Cilt 2, 623-637, 1998.
77. Bhunia, S. ve Roy, K., “Fault Detection and
78. Diagnosis Using Wavelet Based Transient Current
79. Analysis”, Design Auto. and Test in Europe,
80. March, 2002.
81. Kim, K. ve Parlos, A. G., “Induction Motor Fault
82. Diagnosis Based on Neuropredictors and Wavelet
83. Signal Processing”, IEEE/ASME Transactions
84. on Mechatronics, Cilt 7, No 2, 200-219, 2002.
85. Magnago, F. H. ve Abur, A., “Fault Locations
86. Using Wavelets”, IEEE Transactions on Power
87. Delivery, Cilt 113, No 4, 1475-1480, 1998.
88. Khurram, M. ve Kaushik, R., “Fault Detection and
89. Locations Using IDD Waveform Analysis”, IEEE
90. Design & Test Comp., 42-49, 2001.
91. Gazdik, I., “Fault Diagnosis and Prevention by
92. Fuzzy Sets”, IEEE Transaction on Reliability,
93. Cilt R-34, No 4, 382-388, 1985.
94. Isermann, R., “On Fuzzy Logic Applications for
95. Automatic Control, Supervision and Fault
96. Diagnosis”, IEEE Trans. Sys., Man & Cyb., Cilt
97. , o 2, 221-235, 1998.
98. Frank, M. P. and Seliger, K. B., “Fuzzy Logic and
99. Neural Network Applications to Fault Diagnosis”,
100. Int. Journal of Approximate Reasoning, Cilt 16,
101. -88, 1997.
102. Nejjari, H. and Benbouzid, M. E. H., “Application
103. of Fuzzy Logic to Induction Motors Condition
104. Monitoring”, IEEE Power Eng. Rev, Cilt 19, 52–
105. , 1999.
106. Zeng, L. and Wang, H. P., “Machine-Fault
107. Classification: a Fuzzy–Set Approach”, Int.
108. Journal of Advanced Manufacturing Tech., Cilt
109. , 83-94, 1991.
110. Liu, T. I., Singonahalli, J. H. and Iyer, N. R.,
111. “Detection of Roller Bearing Defects Using
112. Expert System and Fuzzy Logic”, Mech. Systems
113. and Signal Processing, Cilt 5, 595-614, 1996.
114. Chow, M. Y., Methodologies of Using Neural
115. Network and Fuzzy Logic Technologies for
116. Motor Incipient Fault Detection, World
117. Scientific Pub., Singapore, 1997.
118. Mechefske, C. K., “Objective Machinery Fault
119. Diagnosis Using Fuzzy Logic”, Mech. Systems
120. and Signal Proc., Cilt 12, No 6, 855-862, 1998.
121. Bay, O.F. ve Bayir, R.,“Fault Diagnosis of Starter
122. Motors Using Fuzzy Logic”, 3rd International
123. Advanced Technologies Symp., Ankara, Turkey,
124. -534, 2003.
125. Denton, T., Automobile Electrical and
126. Electronic Systems, 2nd Edition, Arnold
127. Publisher, London, 2000.
128. Bolenz, K., Automotive Electric/Electronic
129. System, Robert Bosch, Germany Stuttgart 1995.
130. Pico Technology Catalogue (Automotive
131. Diagnostic Kit), March-Sept., 1999.
132. Mallat, S. G., “A Theory for Multiresolution
133. Signal Decomposition: The Wavelet
134. Representations”, IEEE Transactions on Pattern
135. Analysis and Machine Intelligence, Cilt 11, No.
136. , 674-693, 1989.
137. Mallat, S. ve Hwang W. L., “Singularity Detection
138. and Processing with Wavelets”, IEEE
139. Transactions on Information Theory, Cilt 38,
140. No 2, 617-643, 1992.
141. Hamid, E., Y., Yokoyama, N. ve Kawasaki, Z. I.,
142. “Rms and Power Measurements: A Wavelet
143. Packet Transform Approach”, T.IEE Japan,
144. Cilt.122-B, No 5, 559-606, 2002.
145. Tungkanawanich, A., Kawasaki, Z. I., Matsuura,
146. K. ve Kuno, H., “Ground Fault Discrimination
147. based on Wavelet Transform using Artificial
148. Neural Networks”, T. IEE Japan, Cilt 120-B, No
149. , 1263-1270, 2000.
150. Jayasankar, V., Kumar, P. P. ve Babu, K. L.,
151. Failure Recognition in Transformer Using
152. Time- Frequency Analysis, Int. Conference on
153. Signal processing and Application Technology
154. (ICSPAT 2000), Texas, October 2000.
155. Wanlu, J., Shuqing, Z., ve Yiqun, W., Applying
156. Multi resolution Analysis for Processing of
157. Hydraulic Pump Fault Signal, Fifth Int. Conf. on
158. Fluid Power Transmission and Control (ICFP
159. , Hangzhou, China, 3-5 April, 2001.
160. Gültekin, S., Wavelet Analizi, YL Dönem
161. Projesi, Gazi Üniv., Fen Bilimleri Enst., 2002.
162. Bayır, R. ve Bay, Ö. F., Arızalı Marş Motoru
163. Akım Sinyallerinin Wavelet Analizi İle
164. Sınıflandırılması, 4. Uluslararası İleri Tekn.
165. Semp., Konya, Türkiye, Eylül 28–30 2005.
166. Mendel, J. T., “Fuzzy Logic Systems for
167. Engineering: A Tutorial”, Proceeding of the
168. IEEE, Cilt 83, No 3, 345-377, 1995.