Research Article
BibTex RIS Cite

DALGIÇ POMPALARDA YAPAY SİNİR AĞLARI KULLANILARAK DENEYSEL AKIŞ ANALİZİ

Year 2019, KONJES_c7_Special_Issue, 895 - 908, 30.12.2019
https://doi.org/10.36306/konjes.623995

Abstract

Makale kapsamında, derin
kuyu su pompalarının su debisinin deneysel akış analizi, yapay sinir ağları
kullanılarak gerçekleştirilmiştir. Pompanın en önemli parametresi olan debi
verisi debimetre ile elde edildi. Elde edilen veriler kullanılarak yapay sinir
ağı modeli ile yeni modeller oluşturuldu. Aktarılan veriler ve programın
oluşturduğu grafikler gerçekte oluşturulan veriler ile birbirlerine uyumlu
olduğu gözlemlenmektedir. Sonuç olarak, 
pompaların arızası yapay sinir ağı ile yapılan debi girişleri ile tespit
edilebilir ve sonrasında pompanın, de-montajı gerçekleştirilip direk arızalı
kısma müdahale edilebilecek seviyeye gelinebilir.

Supporting Institution

TOM HİSAR POMPA MAK. SAN. TİC.LTD. ŞTİ

References

  • Bulca, E., 2017, “Dalgıç Pompa Sistemlerinin Değişim veya Onarımında Karar Süreci.”, Pompa ile Vana Dergisi, Teknik Makale No:URY-DP-008,
  • Çalışır, S., 2005, “Sulamada Kullanılan Dalgıç Pompalarda Dönüş Yönünün Sistem Verimine Etkisi.” , Tarım Makinaları Bilimi Dergisi, Cilt 1, Sayı 2, ss. 123-134.
  • Çunkaş, M., 2012, “Dalgıç Motorlar Üzerinde Bir İnceleme.”, Selçuk Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, Cilt 27, Sayı 4, ss.4.
  • Goncaoğlu, B., 2010,”Pompa Seçimi Nasıl Yapılır.” Yıldız Teknik Üniversitesi Çevre Mühendisliği Bölümü, İstanbul
  • Gölcü, M., 2002, “Kanat Sayısının Dalgıç Pompa Performansına Etkisi.” , Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt 6, Sayı 2, ss. 127-135.

Experimental Flow Analysis Using Artificial Neural Networks In Submersible Pumps

Year 2019, KONJES_c7_Special_Issue, 895 - 908, 30.12.2019
https://doi.org/10.36306/konjes.623995

Abstract

Article coverage, the flow
analysis of the flow of deep well water pumps was carried out using artificial
neural networks. Flow data of the pumps were measured by using flowmeter. Data
obtained were used as desired values for neural network predictor. The desired
data and the graphics created by the neural network were found to be compatible
with the data actually found. As a result, the failure of the pumps can be
determined by  flow inputs to the neuarl
network predictor and then the pump can be installed and the defective part can
be intervened.

References

  • Bulca, E., 2017, “Dalgıç Pompa Sistemlerinin Değişim veya Onarımında Karar Süreci.”, Pompa ile Vana Dergisi, Teknik Makale No:URY-DP-008,
  • Çalışır, S., 2005, “Sulamada Kullanılan Dalgıç Pompalarda Dönüş Yönünün Sistem Verimine Etkisi.” , Tarım Makinaları Bilimi Dergisi, Cilt 1, Sayı 2, ss. 123-134.
  • Çunkaş, M., 2012, “Dalgıç Motorlar Üzerinde Bir İnceleme.”, Selçuk Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, Cilt 27, Sayı 4, ss.4.
  • Goncaoğlu, B., 2010,”Pompa Seçimi Nasıl Yapılır.” Yıldız Teknik Üniversitesi Çevre Mühendisliği Bölümü, İstanbul
  • Gölcü, M., 2002, “Kanat Sayısının Dalgıç Pompa Performansına Etkisi.” , Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt 6, Sayı 2, ss. 127-135.
There are 5 citations in total.

Details

Primary Language Turkish
Subjects Engineering
Journal Section Research Article
Authors

Menderes Kalkat This is me 0000-0003-0426-3214

Veli Tom

Publication Date December 30, 2019
Submission Date September 24, 2019
Acceptance Date November 1, 2019
Published in Issue Year 2019 KONJES_c7_Special_Issue

Cite

IEEE M. Kalkat and V. Tom, “DALGIÇ POMPALARDA YAPAY SİNİR AĞLARI KULLANILARAK DENEYSEL AKIŞ ANALİZİ”, KONJES, vol. 7, pp. 895–908, 2019, doi: 10.36306/konjes.623995.