Application of Industrial Internet of Things Based Sensor Card for Asynchronous Motors

Öz

In this study, an industrial internet of things (IIoT) based sensor card system has been developed to predict the failures that may occur in induction motors (IMs), which is widely used in the industry and therefore it is important to take predictive maintenance measures. The realized system has been tested on a 3-phase IM with 250 kW power and 315L body structure. The conditions of this IM were detected by the sensors in the embedded system and transferred to a cloud network with the embedded system. The ESP-WROOM-32 microcontroller, which includes Wi-Fi and Bluetooth communication protocols in the sensor card application, is mounted on a LIS3DH accelerometer that detects frequency-dependent vibration data in three axes and NTC IM at 10 KΩ for temperature data. By evaluating these sensor data, predictive maintenance determinations that may occur in the IM were made and predictive maintenance decisions were made for the IM to send warnings to the users with these detections.

Anahtar Kelimeler

• Induction motor
• predictive maintenance
• embedded system
• industrial internet of things
• IIoT

Proje Numarası

1139B412100216

Asenkron Motorlar İçin Endüstriyel Nesnelerin İnterneti Tabanlı Sensör Kartı Uygulaması

Öz

Bu çalışmada, endüstride yaygın bir şekilde kullanılan ve bu nedenle kestirimci bakım tedbirlerinin alınması önem arz eden asenkron motorlarda (ASM) meydana gelebilecek arızaların ön kestirimlerinin yapılması için endüstriyel nesnelerin interneti (IIoT) tabanlı bir sensör kartı sistemi gerçekleştirilmiştir. Gerçekleştirilen sistem 3 fazlı 250 kW gücünde ve 315L gövde yapısındaki bir ASM üzerinde denenmiştir. Bu ASM’un bulunduğu şartlar geliştirilen gömülü sistemde bulunan sensörlerle algılanmış, gömülü sistem ile bir bulut ağına aktarılmıştır. Sensör kartı uygulamasında Wi-Fi ve Bluetooth haberleşme protokollerini içeren ESP-WROOM-32 mikrodenetleyicisi, frekansa bağlı oluşan titreşim verilerini üç eksende tespit eden bir LIS3DH ivmeölçer ve sıcaklık verileri için 10 KΩ değerinde NTC ASM’un üzerine montajlanmıştır. Bu sensör verileri değerlendirilerek ASM’da oluşabilecek kestirimci bakım tespitleri yapılmış ve ASM için bu tespitler ile kullanıcılara uyarı gönderecek kestirimci bakım kararları oluşturulmuştur.

Anahtar Kelimeler

• Asenkron motor
• kestirimci bakım
• gömülü sistem
• endüstriyel nesnelerin interneti
• IIoT

Destekleyen Kurum

Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK) Bilim İnsanı Destek Programları Başkanlığı (BİDEB)

Proje Numarası

1139B412100216

Teşekkür

Bu çalışma Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK) Bilim İnsanı Destek Programları Başkanlığı (BİDEB) 2209-B Üniversite Öğrencileri Sanayiye Yönelik Araştırma Projeleri Desteği Programı tarafından 1139B412100216 numaralı proje kapsamında desteklenmiştir.

Kaynakça

1. AAlagheband M R, Mashatan A, 2022. Advanced digital signatures for preserving privacy and trust management in hierarchical heterogeneous IoT: Taxonomy, capabilities, and objectives. Internet of Things, 100492.
2. Altin C, Ulutaş H, Orhan E, Er O, Akdoğan V, 2021. Internet of things technology based agricultural spraying drone design for remote farming applications. Celal Bayar University Journal of Science, 17: 253–260.
3. Ayaz E, 2002, Elektrik motorlarında dalgacık analizi yaklaşımı ile rulman arıza tanısı ve yapay zeka tabanlı bir durum izleme sistemi (Thesis), İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü.
4. Ayşegül U, Uludağ M H, 2018. Nesnelerin interneti (IoT) ile akıllı sınıf ve öğrenci takip sistemi tasarımı. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 9: 591–600.
5. Banerjee T P, Das S, 2012. Multi-sensor data fusion using support vector machine for motor fault detection. Information Sciences, 217: 96–107.
6. Benhusein A H, 2019. Nesnelerin internetini kullanarak üç fazlı asenkron motorun gerçek zamanlı izlenmesi ve denetimi (Thesis), Kastamonu Üniversitesi Fen Bilimleri Enstitüsü.
7. Çeven S, Bayir R, 2020. Bir asenkron motorun mekanik titreşim sinyallerinin ölçülerek arıza analizinin yapılması. European Journal of Science and Technology, 312–322.
8. Çira F, 2018a. Asenkron motor arıza tespitinde akım uzay örüntü tanıma sisteminin kullanılması. Dicle Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 7: 88–94.

9. Çira F, 2018b. Asenkron motorlarda gerçek zamanlı durum izleme ve arıza tespiti. Gaziosmanpaşa Bilimsel Araştırma Dergisi, 7: 12–24.
10. Demircan B, Akyüz E, 2019. IoT and cloud based remote monitoring of wind turbine. Celal Bayar University Journal of Science, 15: 337–342.
11. Do V T, Chong U-P, 2011. Signal model-based fault detection and diagnosis for induction motors using features of vibration signal in two-dimension domain. Strojniški vestnik – Journal of Mechanical Engineering, 57: 655–666.
12. Duran F, Teke M, 2019. Akıllı yol durum sensörü tasarımı. International Journal of Engineering Research and Development, 11: 396–401.
13. Ercan T, Kutay M, 2016. Endüstride nesnelerin interneti (IoT) uygulamaları. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 16: 599–607.
14. Erdal E, Ergüzen A, 2020. Nesnelerin interneti (IoT). International Journal of Engineering Research and Development, 12; 24–34.
15. Hossein Motlagh N, Mohammadrezaei M, Hunt J, Zakeri B, 2020. Internet of things (IoT) and the energy sector. Energies, 13: 494.
16. Kabul A, Ünsal A, 2021. Asenkron motorlarda eşzamanlı kırık rotor çubukları ve statik eksenel kaçıklık arızalarının stator akımı ve titreşim sinyalleri analizi ile tespiti. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 36: 2011–2014.
17. Kaya K, Ünsal A, 2021. Yapay sinir ağlarıyla asenkron motor çoklu arızalarının tespiti ve sınıflandırılması. Politeknik Dergisi, 1–1, [Basımda].
18. Khanna A, Kaur S, 2020. Internet of things (IoT), applications and challenges: A comprehensive review. Wireless Personal Communications, 114: 1687–1762.
19. Koca Y B, Ünsal A, 2017. Asenkron motor arızalarının değerlendirilmesi. Teknik Bilimler Dergisi, 7: 37–46.
20. Kunikowski W, Czerwiński E, Olejnik P, Awrejcewicz J, 2015. An overview of ATmega AVR microcontrollers used in scientific research and industrial applications. Pomiary Automatyka Robotyka, 19.
21. Kuş M, 2019. Asenkron motorlarda kırık rotor çubuk arızasının vibrasyon sinyali ile tespiti. Harran Üniversitesi Mühendislik Dergisi, 4: 36–43.
22. Patel S A, Patel S P, Adhyaru Y B K, Maheshwari S, Kumar P, Soni M, 2021. Developing smart devices with automated machine learning approach: A review. Materials Today: Proceedings 2021.
23. Schoen R R, Lin B K, Habetler T G, Schlag J H, Farag S, 1995. An unsupervised, on-line system for induction motor fault detection using stator current monitoring. IEEE Transactions on Industry Applications, 31: 1280–1286.
24. Sun W, Zhao R, Yan R, Shao S, Chen X, 2017. Convolutional discriminative feature learning for induction motor fault diagnosis. IEEE Transactions on Industrial Informatics, 13: 1350–1359.
25. Şekkeli̇ Z H, Bakan İ, 2018. Akıllı fabrikalar. Journal of Life Economics, 5: 203–220.
26. Taşdelen K, Şi̇mşek M A, Günaydin A, Küçüksi̇lle, 2018. EU denetleyici alan ağı tabanlı motor ve sensör kartlarının kontrolü ve izlenmesi. Gazi University Journal of Science Part C: Design and Technology, 6: 277–282.
27. Türk F, Lüy M, 2021. Embedded systems and application areas in engineering. International Journal of Engineering Research and Development, 13: 256–265.
28. Ünsal A., Kabul A, 2017. Asenkron motor rotor arızalarının istatiksel analiz yöntemi ile değerlendirilmesi. Politeknik Dergisi, 20: 283–289.
29. Ünsal A, Karakaya O, 2015. Asenkron motor rotor arızalarının analizi. Journal of Science and Technology of Dumlupınar University, 34: 69–86.
30. Yalçinkaya F, Aydi̇lek H, Erten M Y, İnanç N, 2020. IoT based smart home testbed using MQTT communication protocol. International Journal of Engineering Research and Development, 12: 317–324.
31. Yetgin, A G, 2017. Asenkron motor mil çapının motor performansına etkisi. SAÜ Fen Bilimleri Enstitüsü Dergisi, 21: 604–608.
32. Yüksel M E, 2019. The design and implementation of a batteryless wireless embedded system for IoT applications. Electrica, 19: 1–11.
33. Zhang C, Chen Y, 2020. A review of research relevant to the emerging industry trends: Industry 4.0, IoT, blockchain, and business analytics. Journal of Industrial Integration and Management, 5: 165–180.