ASENKRON MOTORDA YAPAY SİNİR AĞLARI İLE DURUM KESTİRİMİ

Year 2016, Volume: 6 Issue: 3, 41 - 48, 20.12.2016

Hıdır Selçuk Noğay

Abstract

Asenkron motorun çalışması esnasında
oluşabilecek arızaların anlık olarak tespit edilebilmesi, motorun görev yaptığı
sistemin kusursuz çalışması açısından son derece önem arz etmektedir. Bu
çalışmada, üç fazlı kafesli bir asenkron motorda arızaların tespit edilebilmesi
için yapay sinir ağları (YSA) modeli kullanılmıştır. Belirli bir zaman aralığı
için asenkron motorun titreşim verileri alınarak veri seti oluşturulmuştur.
Oluşturulan veri setinin % 80 i ile model eğitilmiş, %10 u ile model test
edilmiştir. Yapay sinir ağı modelinin test edilmesi sonucunda % 98,8 oranında
bir tahmin oranı elde edilmiş ve ANN modelinin çıkışı ile hedefin birbirleri
ile örtüştüğü görülmüştür.

Keywords

Yapay Sinir Ağları (YSA), Arıza, Asenkron Motor, Titreşim

PREDICTION OF STUATION IN AN INDUCTION MOTOR WITH ARTIFICIAL NEURAL NETWORK

Abstract

Instantly
detection of faults that may occur during the operation of induction motors is
extremely important for the flawless operation of the system in that the motor
running. In this study, artificial neural network (ANN) model was used in order
to detect the faults of a three-phase squirrel cage induction motor. Data set
has been created with vibration data on the induction motor for a specific time
interval. The model trained with 80% of the generated data set and tested with
10% of the data set. As a result of testing the artificial neural network
model; an estimated rate of 98.8% was obtained and in addition, the target and
output of the ANN model found to be very close to each other.

Keywords

Artificial Neural Network (ANN), Fault, Induction Motor, Vibration

References

• Aktas, M., H. Okumus, I. (2010). Stator resistance estimation using ANN in DTC IM drives. Turk J Elec Eng & Comp Sci, Vol.18, No.2.
• Ashwani, K., Amar, P. (2016). Transistor level fault diagnosis in digital circuits using artificial neural network. Measurement, 82, 384–390.
• Bimal, K. (2002). Modern power electronics and AC drives, Prentice –Hall, USA Hakan, Ç., Kıyas K.(2007). Asenkron motor hata teşhisinde modern metodlar, Makine Teknolojileri Elektronik Dergisi. (4) 2, 49-57.
• Cemalettin, K. (2012). Matlab 7.11, Yapay zeka ve mühendislik uygulamaları, Sakarya Gelişim Ofset, Birinci Baskı, Sakarya.
• Chine, W., Mellit, A., Lughi, V., Malek, A., Sulligoi G., Massi P. (2016). A novel fault diagnosis technique for photovoltaic systems based on artificial neural Networks” Renewable Energy, 90, 501-512,
• Çetin, E. (2003). Yapay Sinir Ağları, Birinci Baskı, Seçkin, Ankara.
• Demetgül, M. (2008). Pömatik sistemde gerçek zamanlı LVQ yapay sinir ağı algoritması ile arıza tespiti. Pamukkale Üniversity Engineering Faculty Journal of Engineering Sciences, 14 , 1, 83-90.
• Ercan, Ö. (2006). Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul.
• Sina T. S., Bathaie, Khorasani, K. (2015). Fault detection and isolation of gas turbine engines using a bank of neural Networks” Journal of Process Control 36, 22–41.
• Vasif, V. N. (2005). Yapay Zeka, İkinci Baskı, Seçkin, Ankara.