NEGATİF SEÇİM TABANLI BULANIK ARIZA TEŞHİS MODELİ

Yıl 2009, Cilt: 24 Sayı: 4, 0 - , 14.02.2013

İlhan Aydın Mehmet Karaköse Erhan Akın

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

• Benbouzid, M. E. H., Kliman, G. B., “What
• Stator Current Processing-Based Technique to
• Use for Induction Motor Rotor Faults
• Diagnosis?”, IEEE Trans. on Energy Conv.,
• Cilt 18, No 2, 238-244, 2003.
• Ayhan, B., Trussel, H. J. Chow M.Y., Song, M.
• H., “On the Use of a Lower Sampling Rate for
• Broken Rotor Bar Detection With DTFT and ARBased
• Spectrum Methods”, IEEE Trans. on
• Industrial Elect., Cilt 55, No 3, 1421-1434,
• -
• Chow, M. Y., Introduction to Motor Incipient
• Fault Detection Methodologies of Using Neural
• Network and Fuzzy Logic Technologies for
• Motor Incipient Fault Detection, World
• Scientific, Singapore, 1997.
• Benbouzid, M. E. H., “A Review of Induction
• Motors Signature Analysis as a Medium for
• Faults Detection”, IEEE Trans. on Industrial
• Elect., Cilt 47, No 5, 984-993, 2000.
• Czeslaw, T. K., Kowalska, T. O., “Neural
• Network Application for Induction Motor Fault
• Diagnosis”, Mathematics and Computers in
• Simulation, Cilt 63, 435-448, 2003.
• Bellini, A., Filippetti, F., Tassoni, C., Capolino,
• G.A., “Advances in Diagnostic Techniques for
• Induction Machines”, IEEE Trans. On
• Industrial Elect., Cilt 15, No 2, 4109-4126,
• -
• Rodriguez, P. V. J., Antero, A., “Detection of
• Stator Winding Fault in Induction Motor Using
• Fuzzy Logic”, Applied Soft Computing, Cilt 8,
• -1120, 2008.
• Branco, P.J. C., Dente, J. A., Mendes, R. V.,
• “Using Immunology Principles for fault Detection”, IEEE Trans. on Industrial Elect.,
• Cilt 50, No 2, 362-373, 2003.
• Aydın, İ, Karaköse, M., Akın, E. “Bağışık Sistem
• Tabanlı Bulanık Arıza Teşhis Şeması”, Akıllı
• Sistemlerde Yenilikler ve Uygulamaları
• Sempozyumu(ASYU 2006), YTÜ, İstanbul, 47-
• , 31 Mayıs-2 Haziran 2006.
• Gao, X. Z., Ovaska, S. J., Wang, X., Chow,
• M.Y., “A Neural Networks-based Negative
• Selection Algorithm in Fault Diagnosis”, Neural
• Computing & Applications, Cilt 17, No 1, 91-
• , 2008.
• Aydın, İ., Karaköse, M., Akın,E., “Zaman Serisi
• Veri Madenciliği ve Destek Vektör Makinalar
• Kullanan Yeni Bir Akıllı Arıza Sınıflandırma
• Yöntemi”, Gazi Üniversitesi Mühendislik
• Mimarlık Fakültesi Dergisi, Cilt 23, No 2, 431-
• , 2008.
• Martins, J. F., Pires, V. F., Pires, A. J.,
• “Unsupervised Neural-Network-Based Algorithm
• for an On-Line Diagnosis of Three-Phase
• Induction Motor Stator Fault”, IEEE Trans. On
• Industrial Elect., Cilt 54, No 1, 2007.
• Igava, K., Ohashi, H., “A Negative Selection
• Algorithm for Classification and Reduction of the
• Noise Effect”, Applied Soft Computing, Cilt 9,
• –438, 2009.
• Dasgupta, D., “Advances in Artificial Immune
• Systems”, IEEE Computational Intelligence
• Magazine, Cilt 1, No 4, 40-49, 2006.
• de Castro, L. N., Timmis, J. I., “Artificial Immune
• Systems as Novel Soft Computing Paradigm”, Soft
• Computing Journal, Cilt 7, No 7, 1-31, 2003.
• Leung, K., Cheong, F., Cheong, C., “Generating
• Compact Classifier Systems Using a Simple
• Artificial Immune System”, IEEE Trans. On
• Systems, Man and Cybernetics- Part B:
• Cybernetics, Cilt 37, No 4, 1344-1356, 2007.
• Kecman, V., Learning and Soft Computing,
• Massachusetts Institute of Technology, The MIT
• Press, Cambridge, 2001.
• Aydin, I., Karakose, M., Akin, E., “Fault
• Diagnosis Algorithm Based On Artificial
• Immunity System”, 14th IEEE Signal Processing
• and Communications Applications
• Conference, Antalya, 1-4, 17-19 April 2006.