SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2008 / Cilt: 23 - Sayı: 2

ZAMAN SERİSİ VERİ MADENCİLİĞİ VE DESTEK VEKTÖR MAKİNALAR KULLANAN YENİ BİR AKILLI ARIZA SINIFLANDIRMA YÖNTEMİ

İlhan AYDIN
Mehmet KARAKÖSE
Erhan AKIN
Pages
0
Publication Date
2013-02-18
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Geliştirilen yöntem ile bir, iki, üç kırık rotor çubuğu arızaları ve sağlam durum, dört farklı çalışma hızında başarılı bir şekilde sınıflandırılmaktadır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Asenkron motorlar endüstriyel uygulamalarda en çok kullanılan makinelerdir.
📊
Key Findings & Data:Bu motorlar genellikle güvenilir olmalarına rağmen ortam ve eskimeye bağlı sebeplerden dolayı birçok arızaya maruz kalabilirler.
💡
Conclusion & Impact:Geliştirilen yöntem ile bir, iki, üç kırık rotor çubuğu arızaları ve sağlam durum, dört farklı çalışma hızında başarılı bir şekilde sınıflandırılmaktadır.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Zaman serisi veri madenciliği · destek vektör makinalar · asenkron motor

Özet

Asenkron motorlar endüstriyel uygulamalarda en çok kullanılan makinelerdir. Bu motorlar genellikle güvenilir olmalarına rağmen ortam ve eskimeye bağlı sebeplerden dolayı birçok arızaya maruz kalabilirler. Bu çalışmada, bir asenkron motorda oluşan kırık rotor çubuğu arızaları, destek vektör makinalar ve zaman serisi veri madenciliği ile sınıflandırılmıştır. Arıza sınıflandırma için kullanılacak zaman serisi park vektör yaklaşımının iki bileşeni kullanılarak elde edilmektedir. Her bir arıza durumu için elde edilen yeni zaman serisi bir faz alanına dönüştürülmektedir. Sağlam ve arızalı faz alanlarını ayırt etmek için destek vektör makinalar kullanılmaktadır. Destek vektör makinaların eğitim hızını arttırmak için bulanık küme merkezleri eğitim verisi olarak alınmaktadır. Geliştirilen yöntem ile bir, iki, üç kırık rotor çubuğu arızaları ve sağlam durum, dört farklı çalışma hızında başarılı bir şekilde sınıflandırılmaktadır.

🔖

Cite This Article

AYDIN, İ., KARAKÖSE, M., AKIN, E. (2013). ZAMAN SERİSİ VERİ MADENCİLİĞİ VE DESTEK VEKTÖR MAKİNALAR KULLANAN YENİ BİR AKILLI ARIZA SINIFLANDIRMA YÖNTEMİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 23 - Sayı: 2, 0. https://ajindex.com/articles/20982

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (11)

  1. Benbouzid M.E., Kliman G.B., “What Stator Current Processing based technique to use for induction motors rotor faults?”, IEEE Trans. on Energy Conversion, Cilt 18, No 2, 238-244, - Chow M. Y., Methodologies of Using Neural Network and Fuzzy Logic Technologies for Motor Incipient Fault Detection, World Scientific, 1997.
  2. Czeslaw, T. K., T. O. Kowalska, “Neural Network Application for Induction Motor Fault Diagnosis”, Mathematics and Computers in Simulation, Cilt 63, 435-448, 2003
  3. Kim K., Parlos A.G., Bharadwaj R. M., “Sensorless Fault Diagnosis of Induction Motors”, IEEE Trans. on Industrial Electronics, Cilt 50, No 5, 1038-1051, 2003.
  4. Aderiano M. da Silva, Induction Motor Fault Diagnostic and Monitoring Methods, Master Thesis, Marquette University, Milwaukee, WI, - Filipetti F., Franceschini G., Tassoni C., Vas P., “Recent Developments of Induction Motor Drives Fault Diagnosis Using AI Techniques”, IEEE Trans. on Industrial Electronics, Cilt 47, No 5, 994–1004, 2000.
  5. Kolla S., Varatharasa L., “Identifying Threephase Induction Motor Faults using Artificial Neural Networks”, ISA Transactions, Cilt 39, No 4, 433-439, 2000.
  6. Benbouzid M.E.H., Nejjari H., “A Simple Fuzzy Logic Approach for Induction Motors Stator Condition Monitoring”, IEEE Electrical Machines and Drives Conference (IEMDC), Cambridge, MA, June 17-20, 2001.
  7. Ayhan B., Chow M.Y., Song M.H., “Multiple Discriminant Analysis and Neural-Network- Based Monolith and Partition Fault-Detection Schemes for Broken Rotor Bar in Induction Motors”, IEEE Trans. on Industrial Electronics, Cilt 53, No 4, 1298-1308,
  8. August - Ondel O., Boutleux E., Clerc G., “A method to Detect Broken Rotor Bars in Induction Machine Using Pattern Recognition Techniques”, IEEE Trans. on Industry Applications, Cilt 2, No 4, -923, 2006.
  9. Pöyhönen, S., Support Vector Machine Based Classification in Condition Monitoring of Induction Motors, Doktora Tezi, Helsinki University of Technology Control Engineering Laboratory, 2004.
  10. Shin H. J., Eom D. H., Kim S. S., “One-class Support Vector Machines—An Application in Machine Fault Detection and Classification”, Computer & Industrial Engineering, Cilt 48, No 2, 396-408, 2005.
  11. Bangura J. F., Povinelli R. J., Demerdash, N.A.O., Brown R. H., “Diagnostics of Eccentricities and Bar/End-Ring Connector Breakages in Polyphase Induction Motors Through a Combination of Time-Series Data Mining and Time-Stepping Coupled FE–State Space Techniques”, IEEE Trans. On Industry Applications, Cilt 39, No 4, 1005-101