Negatif seçim tabanlı bulanık arıza teşhis modeli

Özet

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.

Abstract

Fault diagnosis is important to ensure the continuity in the systems that the studies in this area have increased. The effectiveness of fault diagnosis methods has been enhanced by using intelligent computing techniques. In this study, a fault diagnosis method based on fuzzy logic and negative selection is proposed. In the proposed algorithm, the broken rotor bar related features are extracted using negative selection algorithm that is a component of the artificial immune system. In addition, the direction of spectrum changing obtained using the motor current signature analysis is given to fuzzy logic system and the faults are diagnosed. A new weighted affinity measurement is presented for negative selection. The broken rotor bar faults, stator and bearing friction faults occurred in induction motors can be diagnosed by using proposed method. The output of the method gives both the fault type and the severity of fault to determine the multiple faults. The performance of proposed method is verified using healthy and faulty motor data that are obtained as simulation and experimentally.